ai.analyze_sentiment與熊貓一起使用

該 ai.analyze_sentiment 功能使用生成式 AI 來檢測輸入文本的情緒狀態，只需一行代碼即可。 它可以檢測輸入的情緒狀態是積極的、消極的、混合的還是中性的。 它還可以根據您指定的標籤檢測情緒狀態。 如果函式無法判斷情感，則會將輸出保留空白。

備註

• 本文介紹了將 ai.analyze_sentiment 與熊貓一起使用。 若要將 ai.analyze_sentiment 與 PySpark 搭配使用，請參閱 本文。
• 請參閱 此概述文章中的其他 AI 功能。
• 瞭解如何自訂 AI 功能的設定。

概觀

ai.analyze_sentiment 函式會擴充 pandas Series 類別。 若要偵測每個輸入資料列的情緒，請在 pandas DataFrame 文字欄上呼叫函式。

函式會傳回一個包含情感標籤的 pandas Series，可以儲存在 DataFrame 的新欄中。

語法

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

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

參數

名稱	Description
labels 可選	一或多個 字串 ，代表要比對輸入文字值的情緒標籤集。

退貨

函式會傳回 pandas 序列，其中包含每個輸入文字數據列的情感標籤。 預設情緒標籤包括 positive、 、 negativeneutral或 mixed。 如果指定自訂標籤，則會改用這些標籤。 如果無法判斷情感，返回值為 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)

此範例程式碼儲存格提供下列輸出：

相關內容

• 與 PySpark 搭配使用 ai.analyze_sentiment。

• 使用 ai.classify 對文本進行分類。

• 用 ai.embed 產生向量嵌入。

• 使用 ai_extract 擷取實體。

• 用 ai.fix_grammar修復語法。

• 使用 ai.generate_response 回答自訂使用者提示。

• 使用 ai.similarity 計算相似度。

• 使用 ai.summarize 總結文本。

• 使用 ai.translate 翻譯文本。

• 進一步了解 全套 AI 功能。

• 自訂 AI功能的配置。

• 我們錯過了您需要的功能嗎？ 請在 Fabric Ideas 論壇上提出建議。