将ai.analyze_sentiment与 pandas 配合使用

该 ai.analyze_sentiment 函数使用生成 AI 来检测输入文本的情感状态，只需一行代码即可。 它可以检测输入的情绪状态是正、负、混合还是中性。 它还可以根据指定的标签检测情绪状态。 如果函数无法确定情绪，它将输出留空。

注释

• 本文介绍如何将 ai.analyze_sentiment 与 pandas 配合使用。 若要将 ai.analyze_sentiment 用于 PySpark，请参阅 本文。
• 请参阅 本概述文章中的其他 AI 函数。
• 了解如何自定义 AI 函数的配置。

概述

ai.analyze_sentiment 函数扩展了 pandas Series 类。 若要检测每个输入行的情绪，请对 pandas DataFrame 文本列调用函数。

该函数返回一个 pandas Series，其中包含情绪标签，该标签可以存储在 DataFrame 的新列中。

Syntax

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

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

参数

Name	Description
labels 可选	一个或多个表示要与输入文本值匹配的情绪标签集的 字符串 。

退货

该函数返回一个 pandas Series，其中包含每个输入文本行的情绪标签。 默认情绪标签包括positive、negative或neutralmixed。 如果指定了自定义标签，则改用这些标签。 如果无法确定情绪，则返回值 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)

此示例代码单元提供以下输出：

相关内容

• 将ai.analyze_sentiment与 PySpark 配合使用。

• 使用 ai.classify 对文本进行分类。

• 使用 ai.embed 生成矢量嵌入。

• 使用 ai_extract提取实体。

• 使用 ai.fix_grammar修复语法。

• 使用 ai.generate_response回答自定义用户提示。

• 使用 ai.similarity 计算相似性。

• 使用ai.summarize功能汇总文本。

• 使用 ai.translate 翻译文本。

• 详细了解 完整的 AI 函数集。

• 自定义 AI 函数的配置。

• 我们错过了所需的功能吗？ 在面料创意论坛上提出建议。