如何将DataFrame中多列评论压缩为单个'good'/'bad'标签？

嘿，我来帮你搞定这个DataFrame评论压缩的需求，步骤很清晰，咱们一步步来：

首先，先把你提供的原始DataFrame用代码还原出来：

import pandas as pd

dataframe1 = pd.DataFrame({
    'Product': ['P10', 'P11', 'P12', 'P13', 'P14', 'P15', 'P16', 'P17', 'P18', 'P19', 'P20'],
    'comment1': ['not fresh', 'Quality is good', 'got banned', 'just got expired', 'nice product', 'very bad', 'limited stock', '0', 'very expensive', 'shinny', '0'],
    'comment2': ['0', 'comparatively cheap', '1 year ago', '0', 'good customer satisfaction', '0', 'high demand', '0', 'bad quality', '0', 'always in stock'],
    'comment3': ['short life time', 'nice product', 'was not that good demand is poor', 'no demand at all', '0', 'affects health of user', '0', 'high customer satisfaction', '0', 'cheap', 'most searched product']
})

你的核心需求是：

将每个产品的所有评论压缩为单个'good'或'bad'标签。若评论包含负面词汇（'not fresh'、'short life'、'banned'、'not good'、'expired'、'no demand'、'bad'、'very expensive'），则标记为'bad'；若包含正面词汇（'high satisfaction'、'nice'、'cheap'、'shinny'），则标记为'good'。

实现方案 #

1. 先定义正负词汇集合 #

把需求里的关键词整理成两个集合，方便后续快速匹配：

# 负面词汇集合，覆盖你提到的所有负面关键词
negative_words = {'not fresh', 'short life', 'banned', 'not good', 'expired', 'no demand', 'bad', 'very expensive'}
# 正面词汇集合，覆盖所有正面关键词
positive_words = {'high satisfaction', 'nice', 'cheap', 'shinny'}

2. 编写评论分类函数 #

写一个自定义函数，用来处理每一行的评论内容：

def classify_comments(row):
    # 把三个评论列的内容合并成一个字符串，同时过滤掉代表无评论的'0'
    all_comments = ' '.join([str(row['comment1']), str(row['comment2']), str(row['comment3'])]).replace('0', '')
    
    # 优先检查负面词汇：只要有一个负面关键词存在，直接标记为'bad'
    for word in negative_words:
        if word in all_comments:
            return 'bad'
    
    # 再检查正面词汇：只要有一个正面关键词存在，标记为'good'
    for word in positive_words:
        if word in all_comments:
            return 'good'
    
    # 兜底处理：如果既没有负面也没有正面词汇（案例里没这种情况，留个保险）
    return 'neutral'

3. 应用函数生成结果 #

用apply方法把函数作用到每一行，然后提取需要的列：

# 生成新的squeezed_comment列
dataframe1['squeezed_comment'] = dataframe1.apply(classify_comments, axis=1)

# 只保留Product和squeezed_comment列，得到最终结果
result_df = dataframe1[['Product', 'squeezed_comment']]

# 打印看看结果
print(result_df)

最终输出结果 #

运行上面的代码后，就会得到你期望的结果：

Product squeezed_comment
0      P10               bad
1      P11              good
2      P12               bad
3      P13               bad
4      P14              good
5      P15               bad
6      P16               bad
7      P17              good
8      P18               bad
9      P19              good
10     P20              good

小说明 #

这里优先检查负面词汇的原因是：如果某个产品的评论同时包含正负关键词（虽然你的案例里没有这种情况），按照需求逻辑应该优先标记为'bad'，符合常规的负面优先判定规则。

内容的提问来源于stack exchange，提问作者Temp_coder