Python 熊猫计数正/负/中性值

在Python Pandas中，我有一个数据框，其中包含以下格式的列和记录：

text           source    senti
-------------------------------
great food     site1     0.6
awful staff    site4     -0.4
good chef      site8     0.4
average food   site6     0.05
bad food       site2     -0.8

文本栏本质上是对某事物的描述或观点。我想得出一些关于数据集平均情绪的结论，输出如下

sentiment    count
----------------
positive     2
neutral      1
negative     2

其中，我们将“senti”计数分为正、负或中性

在满足以下条件时，情感被视为每组：

• 积极记录的情绪>0.1

---

• 中性记录得分>-0.1，我会使用

  pd.cut

  +

  groupby

  cut = pd.cut(
      df.senti,
      [-np.inf, -.1, .1, np.inf],
      labels=['positive', 'neutral', 'negative']
  )
  
  df.groupby(cut).senti.count().reset_index(name='count')
  
        senti  count
  0  positive      2
  1   neutral      1
  2  negative      2
  

  ---

  正如@root所指出的，

  pd.value\u counts对
  cut
  变量给出了相同的解决方案
  
  pd.value_counts(cut, sort=False).rename_axis('senti').reset_index(name='count')
  
  使用
  apply
  映射到组的另一个版本：
  
  df.groupby(df['senti'].apply(lambda x: 'negative' if x < -0.1 else 'positive' if x > 0.1 else 'neutral'))['senti'].count()
  
  df.groupby（df['senti'].apply（λx:'negative'如果x<0.1，则为'positive'如果x>0.1，则为'neutral'））['senti'].count（）
  使用
  pandas.qcut
  与自定义料仓使用
  值_计数
  应给出相同的结果，但比使用
  分组方式
  要快一点，即
  pd.cut（…）.value_计数（）
  。正数和负数是错误的，但它可以工作@刘易桑德森喊道：-）很高兴我能帮上忙。