用paddle逐行读取Excel文本做情感分析

参考：

句子级别的情感分析。

文本观点提取任务项目实战：基于飞桨高层API快速实现情感分析比赛结果提交

文本情感分析句子级，目标级，观点抽取三种文本情感分析，使用千言比赛里的数据集进行训练预测

情感识别飞桨高层API课所学，情感识别
有完整的流程。
这个还不错

自己分析的代码

低耦合，所以
1在专门的my-paddlen 里面 进行情感分析。
主要目的是：返回正负值，和可能性，为下面做准备。

# -*- coding:utf-8 -*-f
from pprint import pprint
from paddlenlp import Taskflow


schema = '情感倾向[正向，负向]'
ie = Taskflow('information_extraction', schema=schema, model='uie-base')
 # Define the schema for sentence-level sentiment classification
ie.set_schema(schema) # Reset schema


def kenengxing(text):
    result = ie(text)
    a=result[0]['情感倾向[正向，负向]'][0]['text']
    b=result[0]['情感倾向[正向，负向]'][0]['probability']
    return a,b

#写一个函数，提取字符串里面的小数点前后的数字
def get_num(text):
    import re
    num = re.findall(r"\d+\.?\d*",text)

    return num




#写一个函数，判断是否有正向情感,返回c，d分别为正负向和可能性
def panduan(text):
    result = ie(text)
    print(result)
    a = result
    print(a)
    next = str(list(a.values()))
    print(next)

    b = get_num(next)
    print(b)
    d=b[0]
    c=0
    if '正向' in next:
        print('正向')
        c=1
    else:
        print('负向')
        c=-1
    return c,d

2然后 读取Excel调用即可

代码运行没问题

# -*- coding:utf-8 -*-
import pandas as pd

import read_excel

from my_paddlen import wanwan
df=read_excel.df1
#获取df第一列并转为string
d1=df.iloc[:,1].astype(str)
#定义一个空series


#s1 s2分别存储情感正负值 和可能性
s1=[]
s2=[]
# 遍历第一列

k=2
for i in d1:
    print(i)
    a,b=wanwan.kenengxing(i)

    print(k)
    k += 1

    print(a)
    print(b)
    s1.append(a)
    s2.append(b)
#将s1 s2转为series
s1=pd.Series(s1)
s2=pd.Series(s2)
#将s1 s2添加到df中
df['情感']=s1
df['可能性']=s2
#将df写入excel
df.to_excel('liu-qinggan.xlsx')