Tengo una dataframe con dos columnas. Una de ellas esta las fechas, la otra es articulos.
Date
2017-10-20 [Gucci debuts art installation at its Ginza st...
2017-12-07 [GUCCI opens new store at Miami Design Distric...
2018-01-12 [Gucci opens Gucci Garden in Florence - LUXUO]
2018-02-26 [GUCCI's wild experiment with the Fall Winter ...
2018-04-20 [Gucci launches its new creative hub Gucci Art...
2018-08-01 [Gucci Joins Paris Fashion Week for Its Spring...
2018-08-09 [Gucci Revamped London Flagship Store | The Im...
Name: name, dtype: object
Me gustaría calcular sobre la dataframe puntuaciones de sentimiento de NLTK. Entonces hice :
# Adding new columns to the data frame
df_news["compound"] = ''
df_news["neg"] = ''
df_news["neu"] = ''
df_news["pos"] = ''
Para añadir columnas y intente el siguiente código :
from nltk.sentiment.vader import SentimentIntensityAnalyzer
import unicodedata
sid = SentimentIntensityAnalyzer()
for date, row in df_news.T.iteritems():
try:
sentence = df_news.loc[date, 'name']
ss = sid.polarity_scores(str(sentence))
df_news.set_value(date, 'compound', ss['compound'])
df_news.set_value(date, 'neg', ss['neg'])
df_news.set_value(date, 'neu', ss['neu'])
df_news.set_value(date, 'pos', ss['pos'])
except TypeError:
print("We have a TypeError")
print(df_news.loc[date, 'name'])
print(date)
Me dio TypeError
antes.
Actualización
No sé cómo pero resolví el error y parecía que funciona.
Date name compound neg neu pos
0 2017-10-20 [Gucci debuts art installation at its Ginza st... 0 0 1 0
1 2017-12-07 [GUCCI opens new store at Miami Design Distric... 0 0 1 0
2 2018-01-11 [GUCCI launches fine dining restaurant - CPP-L... 0.2023 0 0.735 0.265
3 2018-01-12 [Gucci opens Gucci Garden in Florence - LUXUO] 0 0 1 0
4 2018-02-26 [GUCCI's wild experiment with the Fall Winter ... 0 0 1 0
5 2018-04-20 [Gucci launches its new creative hub Gucci Art... 0.4404 0 0.756 0.244
6 2018-08-01 [Gucci Joins Paris Fashion Week for Its Spring... 0 0 1 0
7 2018-08-09 [Gucci Revamped London Flagship Store | The Im... 0.1027 0 0.811 0.189
Sin embargo, para algunas líneas, parece que él da opiniones muy neutrales, mientras que realmente podría tomar ventaja. Por ejemplo :
2018-02-26 [GUCCI's wild experiment with the Fall Winter ... 0 0 1 0
Por otra parte parece que da opiniones desfasados :
Tenemos wild que significa salvaje en castellano. Debería haber dado un verdadero positivo. Pero solo da un neutral = 1.
Intente inicializar el dataframe con int
más bien que str
''
:
# Añadiendo nuevas columnas al marco de datos.
df_news["compound"] = 0
df_news["neg"] = 0
df_news["neu"] = 0
df_news["pos"] = 0
Pero me da el siguiente :
Date name compound neg neu pos
0 2017-10-20 [Gucci debuts art installation at its Ginza st... 0 0 1 0
1 2017-12-07 [GUCCI opens new store at Miami Design Distric... 0 0 1 0
2 2018-01-11 [GUCCI launches fine dining restaurant - CPP-L... 0 0 0 0
3 2018-01-12 [Gucci opens Gucci Garden in Florence - LUXUO] 0 0 1 0
4 2018-02-26 [GUCCI's wild experiment with the Fall Winter ... 0 0 1 0
5 2018-04-20 [Gucci launches its new creative hub Gucci Art... 0 0 0 0
6 2018-08-01 [Gucci Joins Paris Fashion Week for Its Spring... 0 0 1 0
7 2018-08-09 [Gucci Revamped London Flagship Store | The Im... 0 0 0 0
Y no resolvía las problemas.
0.0
(para que sean flotantes en vez de enteros), pero la puntuación del analizador de sentimientos es independiente eso, como puedes comprobar dándole directamente la frase consid.polarity_scores('GUCCI’s wild experiment with the Fall Winter 2018 catwalk show')
, y verás que da lo mismo. Quizás necesites probar otros analizadores.