Question

在Python Pandas中，我有一个包含以下格式的列和记录的数据框：

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

文本列基本上是对某事的描述或意见。我想得出关于数据集的平均情绪的一些结论，输出就像这样。

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

我们将'senti'计数为正，负或中性。

在满足以下条件时，情绪被计为每个群体：

正面记录的情绪> 0.1
中性记录的得分> -0.1 AND＆lt; 0.1
否定记录的分数<-0.1

提前非常感谢

Answer 1

我使用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_counts在cut变量上提供相同的解决方案。

pd.value_counts(cut, sort=False).rename_axis('senti').reset_index(name='count')

Answer 2

使用apply映射到群组的另一个版本：

df.groupby(df['senti'].apply(lambda x: 'negative' if x < -0.1 else 'positive' if x > 0.1 else 'neutral'))['senti'].count()

大熊猫计算正/负/中性值

2 个答案: