如何在数据集上遍历TextBlob NaiveBayes分类器进行情感分析？

嗨，我之前也踩过这个坑！TextBlob的TextBlob类实例确实只能接收单个字符串当参数，你直接把整个列表传进去肯定会报错的。其实解决方法很简单——咱们直接遍历你的数据集，对每一条文本单独处理就行，不用硬把整个列表塞给TextBlob。

给你两种实用的处理方式，看你的数据集结构来选：

情况1：你的blobs是(文本, 标签)的元组列表 #

如果你的数据集是像[(评论文本1, 真实标签1), (评论文本2, 真实标签2), ...]这样的元组列表，那就逐个提取文本部分，然后用分类器处理：

# 假设你已经训练好的分类器是cl
classified_results = []
for text, _ in blobs:
    # 方法一：用TextBlob实例来分类
    single_blob = TextBlob(text, classifier=cl)
    sentiment = single_blob.classify()
    # 方法二：直接调用分类器的classify方法（更高效）
    # sentiment = cl.classify(text)
    classified_results.append((text, sentiment))

方法二更推荐，因为跳过了创建TextBlob实例的额外步骤，数据集大的时候能快不少。

情况2：你的数据集是纯文本列表 #

如果blobs就是单纯的文本列表（比如["这个电影超好看", "服务态度太差了"]），用列表推导式一行就能搞定：

classified_results = [cl.classify(text) for text in blobs]

另外提醒你一下，要是你之后想做更复杂的批量处理或者性能优化，也可以考虑用生成器来迭代，避免一次性把所有结果都存在内存里，不过一般小数据集用上面的方法完全够用啦。

内容来源于stack exchange