如何为DataFrame中满足Polarity>0.5条件的reviews列生成词云

前置依赖 #

你需要提前安装pandas、wordcloud、matplotlib三个依赖库，未安装可执行以下命令：
pip install pandas wordcloud matplotlib

实现步骤 #

• 第一步：筛选出Polarity列大于0.5的所有reviews列内容，去除空值后合并为单个完整字符串，作为词云的输入素材
• 第二步：初始化默认参数的词云对象，传入筛选后的文本生成词云
• 第三步：展示或保存生成的词云

完整可运行代码 #

import pandas as pd
from wordcloud import WordCloud
import matplotlib.pyplot as plt

# 筛选符合条件的评论并合并为字符串，dropna()用于过滤空评论避免报错
valid_reviews = coffee_df[coffee_df['Polarity'] > 0.5]['reviews'].dropna()
merge_text = ' '.join(valid_reviews.tolist())

# 用默认参数初始化词云，无需额外设置形状、尺寸
wordcloud = WordCloud()
# 生成词云
wordcloud.generate(merge_text)

# 展示词云
plt.imshow(wordcloud, interpolation='bilinear')
# 隐藏坐标轴
plt.axis('off')
plt.show()

# 如需保存词云到本地，取消注释下行代码即可
# wordcloud.to_file("positive_coffee_reviews_wordcloud.png")

注意事项 #

运行前可先执行print(valid_reviews.shape[0])查看符合条件的评论数量，避免因无符合条件的文本导致词云生成失败。如果需要过滤英文停用词（如the、and等无意义常用词），可以在初始化WordCloud时传入stopwords参数自定义停用词列表。

内容的提问来源于stack exchange，提问作者MVP