Python

Question

我正在尝试对从 Internet 上抓取的一堆文本数据执行情绪分析。我已经达到了我的 Pandas DataFrame 具有以下我希望分析的列的程度："post_date"（格式为 dd-mm-yyyy，即 01-10-2017）和 "Sentiment" （格式为 "positive"、"neutral" 或 "negative"）。

我希望能够统计每个 day/month/year 的帖子数以及每天 positive/neutral/negative 的帖子数。

例如：

print pd.value_counts(df.Sentiment)

然而我被卡住了，我已经尝试了 groupby 命令的多次迭代（如下），但不断出现错误。

df.groupby(df.post_date.dt.year)

任何人都可以帮助我如何实现这一目标吗？

理想情况下，所需的输出类似于：

Date, Postive_Posts, Negative_Posts, Neutral_Posts, Total_Posts
01/10/2017, 10, 5, 8, 23
02/10/2017, 5, 20, 5, 30

日期是信息的分组方式（日、月、年等），pos/neg/neu 列是对应于该范围内标签数的帖子总数，最后 total_posts 是该范围内的帖子总数。

当前数据为：

post_date, Sentiment
19/09/2017, positive
19/09/2017, positive
19/09/2017, positive
20/09/2017, negative
20/09/2017, neutral

如果您需要更多信息，请告诉我。

Answer 1

您可以使用 groupby + size + unstack + add_suffix + sum:

df1 = df.groupby(['post_date','Sentiment']).size().unstack(fill_value=0).add_suffix('_Posts')
df1['Total_Posts'] = df1.sum(axis=1)
print (df1)

Sentiment   negative_Posts  neutral_Posts  positive_Posts  Total_Posts
post_date                                                             
19/09/2017               0              0               3            3
20/09/2017               1              1               0            2

一行解决方案非常相似——只需要assign:

df1 = (df.groupby(['post_date','Sentiment'])
        .size()
        .unstack(fill_value=0)
        .add_suffix('_Posts')
        .assign(Total_Posts=lambda x: x.sum(axis=1)))

print (df1)

Sentiment   negative_Posts  neutral_Posts  positive_Posts  Total_Posts
post_date                                                             
19/09/2017               0              0               3            3
20/09/2017               1              1               0            2

对于来自 index 的列：

df1 = (df.groupby(['post_date','Sentiment'])
        .size()
        .unstack(fill_value=0)
        .add_suffix('_Posts')
        .assign(Total_Posts=lambda x: x.sum(axis=1))
        .reset_index()
        .rename_axis(None, axis=1))

print (df1)

    post_date  negative_Posts  neutral_Posts  positive_Posts  Total_Posts
0  19/09/2017               0              0               3            3
1  20/09/2017               1              1               0            2

Python - 计算日期范围内的唯一标签

Python - Counting Unique Labels in a Date Range

pandas

pandas-groupby