Python TextBlob-循环文章以计算极性&；主观性得分

我在查看TextBlob，以计算我编辑的excel表格上文章列表的情绪分数（极性、主观性）

下面是该表的一个示例：

11/03/2004 04:03至少60人在三次炸弹袭击中丧生 他说，在拥挤的马德里火车上发生了西班牙有史以来最严重的恐怖袭击 Efe新闻专线和其他媒体。红十字会称至少有200人受伤 受伤``社会党领袖何塞·路易斯说：“这是一场大屠杀。” 罗德里格斯·萨帕特罗指责巴斯克恐怖组织埃塔

07/07/2005 04:41伦敦关闭了地铁系统，疏散了所有乘客 事故发生后，各车站紧急服务部门接到电话，以制止和制止爆炸 在金融区周围

2009年12月1日04:00美国国际集团（AIG）今天 宣布已完成此前宣布的两项交易 随着纽约联邦储备银行（FRBNY）的减少 AIG欠纽约联邦储备银行250亿美元的债务，以换取纽约联邦储备银行的债务 收购某些新成立公司的优先股权 附属公司

2013年8月22日11:38纳斯达克因电脑故障关闭3小时 问题

我已经能够以最简单的方式使用textblob，每行都是这样：

analysis = TextBlob("NASDAQ shuts down for 3 hours due to a computer problem")
print(analysis.sentiment)

我想导入包含日期和时间以及两列文章的excel文件，然后继续循环每一行，计算极性和主观性得分，并将其保存在文件中

我曾尝试通过以下方式修改汤森路透新闻分析的代码：

import pandas as pd
import numpy as np
from textblob import TextBlob

path_to_file = "C:/Users/Parvesh/Desktop/New Project/Sentiment Analysis/events.csv"
df = pd.read_csv(path_to_file, encoding='latin-1')
df.head()

df['Polarity'] = np.nan
df['Subjectivity'] = np.nan

pd.options.mode.chained_assignment = None

for idx, articles in enumerate(df['articles'].values):  # for each row in our df dataframe
    sentA = TextBlob("articles")  # pass the text only article to TextBlob to analyze
    df['Polarity'].iloc[idx] = sentA.sentiment.polarity  # write sentiment polarity back to df
    df['Subjectivity'].iloc[idx] = sentA.sentiment.subjectivity  # write sentiment subjectivity score back to df
df.head()

df.to_csv("out.csv", index=False)

但是代码不起作用…我没有得到任何分数

有什么建议我可以这样做吗

我是Python的新手（我正在使用Pycharm）。我主要在Stata和Matlab上编写代码

---

请帮忙

应该将逻辑移动到函数中，然后使用

pd.Series.map（）

将该函数应用到数据帧的每一行。使用

.map（）

或

.apply（）

比手动循环更快、更干净

import pandas as pd
from textblob import TextBlob

path_to_file = "C:/Users/Parvesh/Desktop/New Project/Sentiment Analysis/events.csv"
df = pd.read_csv(path_to_file, encoding='latin-1')
df.head()

# function to extract polarity and subjectivity from text
def process_text(text):
    blob = TextBlob(text)
    return blob.sentiemnt.polarity, blob.sentiment.subjectivity

# apply to each row of the 'articles' Series using the pd.Series.map method
df["polarity"], df["sentiment"] = zip(*df.articles.map(process_text))

df.head()

df.to_csv("out.csv", index=False)

---

免责声明：我还没有测试过这个

应该将逻辑移动到函数中，然后使用

pd.Series.map（）

将该函数应用到数据帧的每一行。使用

.map（）

或

.apply（）

比手动循环更快、更干净

import pandas as pd
from textblob import TextBlob

path_to_file = "C:/Users/Parvesh/Desktop/New Project/Sentiment Analysis/events.csv"
df = pd.read_csv(path_to_file, encoding='latin-1')
df.head()

# function to extract polarity and subjectivity from text
def process_text(text):
    blob = TextBlob(text)
    return blob.sentiemnt.polarity, blob.sentiment.subjectivity

# apply to each row of the 'articles' Series using the pd.Series.map method
df["polarity"], df["sentiment"] = zip(*df.articles.map(process_text))

df.head()

df.to_csv("out.csv", index=False)

---

免责声明：我还没有测试过这个

谢谢你伸出援手

我前一段时间确实让代码正常工作了

这就是它的样子：

import pandas as pd
import numpy as np
from textblob import TextBlob

path_to_file = "C:/Users/Parvesh/Desktop/New Project/Sentiment Analysis/events.csv"
df = pd.read_csv(path_to_file, encoding='latin-1')
df.head()

df['Polarity'] = np.nan
df['Subjectivity'] = np.nan

pd.options.mode.chained_assignment = None

for idx, articles in enumerate(df['articles'].values):  # for each row in our df dataFrame
        ***if articles:***
            sentA = TextBlob(articles) # pass the text only article to TextBlob to analyse
            df['Polarity'].iloc[idx] = sentA.sentiment.polarity # write sentiment polarity back to df
            df['Subjectivity'].iloc[idx] = sentA.sentiment.subjectivity # write sentiment subjectivity score back to df

df.head()

df.to_csv("Sentiment_Scores.csv", index=False)

因此，我基本上缺少了if articles位，它最终会循环遍历每篇文章以检索分数

不过，我非常感谢你提出我的问题

非常感谢

问候

---

帕维什

谢谢你的帮助

我前一段时间确实让代码正常工作了

这就是它的样子：

import pandas as pd
import numpy as np
from textblob import TextBlob

path_to_file = "C:/Users/Parvesh/Desktop/New Project/Sentiment Analysis/events.csv"
df = pd.read_csv(path_to_file, encoding='latin-1')
df.head()

df['Polarity'] = np.nan
df['Subjectivity'] = np.nan

pd.options.mode.chained_assignment = None

for idx, articles in enumerate(df['articles'].values):  # for each row in our df dataFrame
        ***if articles:***
            sentA = TextBlob(articles) # pass the text only article to TextBlob to analyse
            df['Polarity'].iloc[idx] = sentA.sentiment.polarity # write sentiment polarity back to df
            df['Subjectivity'].iloc[idx] = sentA.sentiment.subjectivity # write sentiment subjectivity score back to df

df.head()

df.to_csv("Sentiment_Scores.csv", index=False)

因此，我基本上缺少了if articles位，它最终会循环遍历每篇文章以检索分数

不过，我非常感谢你提出我的问题

非常感谢

问候 帕维什