如何迭代调用自定义函数为Pandas DataFrame新列填充值

解决步骤 #

第一步 修改情感分析函数，增加返回值 #

原函数仅打印结果无返回值，只需把最后一行的打印逻辑替换为返回逻辑即可：

def sample_analyze_sentiment(text_content):
    """
    分析字符串的情感得分
    Args:
      text_content: 待分析的文本内容
    Returns:
      文本的整体情感得分，范围-1（负面）到1（正面）
    """
    client = language_v1.LanguageServiceClient()
    type_ = language_v1.Document.Type.PLAIN_TEXT
    language = "en"
    document = {"content": text_content, "type_": type_, "language": language}
    encoding_type = language_v1.EncodingType.UTF8
    response = client.analyze_sentiment(request = {'document': document, 'encoding_type': encoding_type})
    # 替换原打印逻辑为返回得分
    return response.document_sentiment.score

第二步 写入DataFrame新列，两种实现可选 #

方案1：适配你现有循环逻辑修改

import pandas as pd

df = pd.read_csv('Final.csv')
# 初始化存储情感得分的新列
df['sentiment_score'] = None
# 遍历索引和对应文本，逐行写入结果
for idx, text in enumerate(df['Text']):
    df.loc[idx, 'sentiment_score'] = sample_analyze_sentiment(text)

方案2：更简洁的pandas apply实现

import pandas as pd

df = pd.read_csv('Final.csv')
# 直接对Text列应用分析函数，结果直接赋值给新列
df['sentiment_score'] = df['Text'].apply(sample_analyze_sentiment)

注意：如果你的数据量较大，建议先做空值过滤，避免sample_analyze_sentiment调用时传入空文本触发API报错，同时可优先使用Google Natural Language的批量分析接口减少请求开销，避免触发频率限制。

内容的提问来源于stack exchange，提问作者duy quan duc