Использование ai.analyze_sentiment с pandas

Функция ai.analyze_sentiment использует генерированный ИИ для обнаружения эмоционального состояния входного текста с одной строкой кода. Он может определить, является ли эмоциональное состояние входных данных положительным, отрицательным, смешанным или нейтральным. Он также может обнаружить эмоциональное состояние в соответствии с указанными метками. Если функция не может определить тональность, она оставляет выходные данные пустыми.

Замечание

• В этой статье рассматривается использование ai.analyze_sentiment с пандами. Для использования ai.analyze_sentiment с PySpark см. эту статью.
• См. другие функции ИИ в этой статье.
• Узнайте, как настроить конфигурацию функций ИИ.

Обзор

Функция ai.analyze_sentiment расширяет класс серии pandas. Чтобы определить тональность каждой входной строки, вызовите функцию в текстовом столбце dataFrame pandas .

Функция возвращает набор pandas, содержащий метки тональности, которые можно хранить в новом столбце кадра данных.

Синтаксис

# Default sentiment labels
df["sentiment"] = df["input"].ai.analyze_sentiment()

# Custom sentiment labels
df["sentiment"] = df["input"].ai.analyze_sentiment("label2", "label2", "label3")

Параметры

Имя	Description
labels Необязательно	Одна или несколько строк , представляющих набор меток тональности для сопоставления с входными текстовыми значениями.

Возвраты

Функция возвращает Series pandas, которая содержит метки настроений для каждой входной строки текста. Метки тональности по умолчанию включают positive, negative, neutral или mixed. Если указаны пользовательские метки, вместо этого используются эти метки. Если не удается определить тональность, возвращаемое значение null.

Example

# This code uses AI. Always review output for mistakes. 

df = pd.DataFrame([
        "The cleaning spray permanently stained my beautiful kitchen counter. Never again!",
        "I used this sunscreen on my vacation to Florida, and I didn't get burned at all. Would recommend.",
        "I'm torn about this speaker system. The sound was high quality, though it didn't connect to my roommate's phone.",
        "The umbrella is OK, I guess."
    ], columns=["reviews"])

df["sentiment"] = df["reviews"].ai.analyze_sentiment()
display(df)

В этом примере ячейка кода предоставляет следующие выходные данные:

Связанный контент

• Используйте ai.analyze_sentiment вместе с PySpark.

• Классифицируйте текст с помощью ai.classify.

• Создайте векторные представления с помощью ai.embed.

• Извлеките сущности с ai_extract.

• Исправьте грамматику с ai.fix_grammar.

• Отвечайте на настраиваемые запросы пользователей с ai.generate_response.

• Вычислите сходство с ai.similarity.

• Резюмируйте текст с ai.summarize.

• Перевод текста с помощью ai.translate.

• Дополнительные сведения о полном наборе функций ИИ.

• Настройка конфигурации функций ИИ.

• Мы упустили какую-то функцию, которая вам нужна? Предложите это на форуме "Фабрика идей".