0

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.

3
  • ThePassenger, no conozco Pandas, pero me parece que el hecho de que df_news["compound"], sea inicializado con '', es decir, sea un dato de tipo cadena, mientras que el resultado de polarity sea decimal, es el motivo del error de tipo.
    – RodrigoN
    Commented el 11 feb. 2019 a las 15:29
  • @RodrigoN Resolvi el error, no me recuerdo como. Sin embargo estoy desengañado con los resultados ... Probé lo que has sugerido y actualicé la pregunta. Commented el 14 feb. 2019 a las 10:32
  • No parece que la puntuación neutral de la frase tenga nada qué ver con Pandas o con los tipos de las columnas. Si no quieres inicializarlas con cadenas vacías puedes hacerlo con 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 con sid.polarity_scores('GUCCI’s wild experiment with the Fall Winter 2018 catwalk show'), y verás que da lo mismo. Quizás necesites probar otros analizadores.
    – abulafia
    Commented el 14 feb. 2019 a las 12:23

0

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

Examina otras preguntas con la etiqueta o formula tu propia pregunta.