如何利用情感分数绘制情感极性图表？

嗨！我看到你已经成功用TextBlob算出了情感分数，但卡在可视化这一步了——别担心，咱们一步步来搞定它。

首先得提个小细节：你当前的Sentiment_score列存的是元组类型（包含极性polarity和主观性subjectivity两个值），直接绘图会有问题，所以第一步要把这两个值拆分成单独的列，方便后续可视化。

步骤1：拆分情感分数元组 #

先把元组拆成两列，用pandas的apply(pd.Series)就能轻松搞定：

import pandas as pd  # 如果还没导入的话记得加这句

# 拆分Sentiment_score为极性和主观性列
dataframe_3[['Polarity', 'Subjectivity']] = dataframe_3['Sentiment_score'].apply(pd.Series)

拆分后你就能看到Polarity（范围-1到1，负值=负面，0=中性，正值=正面）和Subjectivity（范围0到1，值越高越主观）两个单独的列了。

步骤2：选择合适的图表类型并绘图 #

接下来根据你的需求选不同的图表，我给你几个常用的示例：

示例1：单条样本的情感极性柱状图（对应你打印的前20条数据）

如果想直观看到每条表情对应的极性分数，用柱状图最合适：

import matplotlib.pyplot as plt

# 取前20条数据绘图
sample_data = dataframe_3.loc[0:19, ['extracted_emojis', 'Polarity']]

plt.figure(figsize=(12, 6))  # 设置图表大小
plt.bar(sample_data['extracted_emojis'], sample_data['Polarity'], color='skyblue')
plt.title('前20条表情的情感极性')
plt.xlabel('表情')
plt.ylabel('极性分数 (-1=负面，0=中性，1=正面)')
plt.xticks(rotation=45)  # 旋转x轴标签避免重叠
plt.tight_layout()  # 自动调整布局
plt.show()

示例2：整体情感极性的分布直方图

如果想了解所有数据的极性分布（比如大部分是正面还是负面），直方图是不错的选择：

plt.figure(figsize=(8, 5))
plt.hist(dataframe_3['Polarity'], bins=20, color='salmon', edgecolor='black')
plt.title('情感极性整体分布')
plt.xlabel('极性分数')
plt.ylabel('样本数量')
plt.axvline(x=0, color='red', linestyle='--', label='中性线')  # 加一条中性参考线
plt.legend()
plt.show()

示例3：情感极性的箱线图（看集中趋势）

如果想快速看出极性的中位数、四分位数和异常值，用箱线图更清晰：

import seaborn as sns  # 需要先安装seaborn：pip install seaborn

plt.figure(figsize=(8, 5))
sns.boxplot(x=dataframe_3['Polarity'], color='lightgreen')
plt.title('情感极性分布箱线图')
plt.xlabel('极性分数')
plt.show()

小提醒 #

• 记得先安装需要的库：如果没装matplotlib或seaborn，用pip install matplotlib seaborn就行。
• 你也可以根据需求调整图表的颜色、大小、标题这些细节，让图表更贴合你的展示场景。

备注：内容来源于stack exchange，提问作者Seundede Godswill Ejueyitchie