如何在两类目标场景下正确使用Scattertext工具？

这类仅包含词汇、两类标签对应出现频次的预聚合二分类词频数据集完全支持用Scattertext开展分析。
你之前的脚本运行失败核心是三个问题：

• 代码中从未定义corpus变量就直接传入可视化函数，触发变量不存在的报错
• 没有将普通的pandas词频表转换为Scattertext要求的专用语料对象，直接传入DataFrame不符合接口参数要求
• 参数不匹配：你代码中not_category_name填的是'Unos'，但数据集第二类标签是Ones，就算语料构建正确也会出现类别匹配错误。

Scattertext默认接口是面向原始分词文本设计的，针对预聚合的词频表，需要用专门的词频导入接口构建语料，不需要反向构造原始文本，完整步骤如下：

• 第一步：导入依赖，读取本地CSV词频表，注意pandas 1.3+版本已经移除了error_bad_lines参数，替换为on_bad_lines='skip'避免读文件报错
• 第二步：实例化词频类别统计对象，逐行录入每个词汇在两个分类下的出现频次
• 第三步：调用词频语料构建方法，生成Scattertext可识别的Corpus对象
• 第四步：将合法的Corpus对象传入可视化生成函数，输出HTML结果并保存到本地

可直接运行的参考代码如下：

import pandas as pd
import scattertext as st

# 读取本地词频数据集
df = pd.read_csv(
    "MyResult.csv",
    delimiter=',',
    on_bad_lines='skip'
)

# 构建词汇-类别频次映射
term_cat_freq = st.TermCategoryFrequencies()
for _, row in df.iterrows():
    term_cat_freq.set_term_category_frequency(
        term=row['Words'],
        category='Zeros',
        count=row['Zeros']
    )
    term_cat_freq.set_term_category_frequency(
        term=row['Words'],
        category='Ones',
        count=row['Ones']
    )

# 生成Scattertext专用语料对象
corpus = st.CorpusFromTermCategoryFrequencies(term_cat_freq).build()

# 生成交互式可视化HTML
html = st.produce_scattertext_explorer(
    corpus,
    category='Zeros',
    category_name='Zeros类',
    not_category_name='Ones类',
    width_in_pixels=1000,
    metadata=df['Words']
)

# 将结果写入本地HTML文件，直接用浏览器打开即可查看
with open("词频分类可视化.html", 'wb') as f:
    f.write(html.encode('utf-8'))

如果你需要自定义类别显示名称，可以自行修改category_name和not_category_name的传值，只要保证category参数传入的字符串和你录入频次时用的类别名（即'Zeros'）完全一致即可。

内容的提问来源于stack exchange，提问作者Rachele Franceschini