日常笔记-snownlp情感分析计算情感得分

snownlp是Python中的一类库，功能很多，这篇笔记涉及到其中的情感分析模块。

snownlp文本分类功能将原始评论分为正负情感两个数据集，返回值为情绪的概率。情感评分在[0,1]之间，越接近1，情感表现越积极，越接近0，情感表现越消极。

举个例子：

from snownlp import SnowNLP
from snownlp import sentiment
 
s=SnowNLP(u'这个东西真的很赞')
print(s.words)   #返回分词结果
print(s.sentiments)   #返回该句话的情感得分

输出情感得分结果为：0.96733，靠近1，说明这条评论是积极的，用户评价偏好！

开始进入案例，运用调查数据的评论文字：

# 读如数据并显示数据的前五条
import pandas as pd
df = pd.read_excel("C:/Users/admin/Desktop/pinglun.xlsx")    #去掉一些特殊符号，只留下纯文本评论,去掉无
df.head()

注：1.考虑到有些用户有刷评论的原因，故去掉整句为特殊符号的句子；2.“无”本身的情感得分为0.4，偏消极，但实际过程中“无”为目前没有评价，变中性，故本次中“无”的占比较大，以防对最后结果产生影响，在此处去掉。实际应用时，视具体情况而定！

from snownlp import SnowNLP
 
def get_sentiment_cn(text):
    s = SnowNLP(text)
    return s.sentiments
 
df["sentiment"] = df.comments.apply(get_sentiment_cn)
df.head()

将得分apply在comments后面。

round(df.sentiment.mean(),2)   #返回情感得分的均值

 返回情感得分的均值，并保留两位小数。

pos=0
neg=0
for i in df.sentiment:
    if i >=0.5:
        pos +=1
    else:
        neg +=1
print(f"积极的评论占比：{round(pos/len(df.comments)*100,2)}%")
print(f"消极的评论占比：{round(neg/len(df.comments)*100,2)}%")

以0.5为分界点，大于为积极，小于为消极，进行两面的评论占比计算。

文章参考：[Python][snownlp]基于情感词典的情感分析 - 小白的学习笔记 (corina.cc)