如何在DataFrame中匹配NRCLex情感列表并填充0/1值？

方法1：手动构建情感标记Series #

先明确所有目标情感列的列表，创建初始值全为0的Series，再将分析得到的情感对应位置设为1，最后合并到原DataFrame中。

示例代码：

import pandas as pd

# 原DataFrame假设为df，定义目标情感列
emotion_cols = ['Fear', 'Happy', 'Angry', 'Excited']

# 初始化全0的情感标记
emotion_flags = pd.Series([0]*len(emotion_cols), index=emotion_cols)
# 将存在的情感设为1
for emotion in text_emotion:
    if emotion in emotion_flags.index:
        emotion_flags[emotion] = 1

# 转成DataFrame并合并到原表（单条数据场景）
emotion_df = pd.DataFrame([emotion_flags.values], columns=emotion_cols)
df = pd.concat([df, emotion_df], axis=1)

方法2：补全get_dummies生成的缺失列 #

如果已经用get_dummies生成了部分情感列，可通过reindex补全缺失列并填充0，再合并到原DataFrame。

示例代码：

# 用get_dummies生成临时结果
temp_df = pd.get_dummies(pd.Series(text_emotion)).sum().to_frame().T
# 补全所有目标情感列，缺失项填0
temp_df = temp_df.reindex(columns=emotion_cols, fill_value=0)
# 合并到原表
df = pd.concat([df, temp_df], axis=1)

批量处理优化 #

如果是对DataFrame中每行文本做情感分析，用apply批量生成标记更高效：

def get_emotion_flags(text):
    # 替换为你的NRCLex分析逻辑，返回情感列表
    text_emotion = nrclex.NRCLex(text).affect_frequencies.keys()
    # 初始化全0字典
    flags = {col: 0 for col in emotion_cols}
    for emo in text_emotion:
        if emo in flags:
            flags[emo] = 1
    return pd.Series(flags)

# 批量生成情感标记并合并
df = pd.concat([df, df['text_column'].apply(get_emotion_flags)], axis=1)

以上方法均可保证生成的情感列与原DataFrame结构完全匹配，不会出现列缺失问题。

内容的提问来源于stack exchange，提问作者reign