如何将DataFrame中的部分字段转换为向量，实现情感评分结构化处理

直接用Python的pandas库即可完成转换，核心逻辑是按Group、User分组后，将情感类型的评论数展开为列，再组合为指定格式的向量：

import pandas as pd

# 构造示例DataFrame，实际使用时替换为你自己的数据源即可
df = pd.DataFrame({
    'Group': ['G1', 'G1', 'G1', 'G2', 'G2', 'G2'],
    'User': ['User1', 'User2', 'User2', 'User3', 'User3', 'User4'],
    'Sentiment': ['positive', 'positive', 'negative', 'positive', 'negative', 'negative'],
    '#No of Reviews': [5,5,4,4,4,6]
})

# 1. 按Group、User分组，把情感类型转为列、值对应评论数，缺失值自动填0
pivot_df = df.pivot_table(
    index=['Group', 'User'],
    columns='Sentiment',
    values='#No of Reviews',
    fill_value=0,
    aggfunc='sum' # 加这个参数可以兼容同一个分组下有重复情感类型的情况，自动求和
).reset_index()

# 2. 拼接positive、negative为指定顺序的向量
pivot_df['sentiment_vector'] = pivot_df.apply(lambda row: [row['positive'], row['negative']], axis=1)

# 最终结果，只保留需要的字段
result = pivot_df[['Group', 'User', 'sentiment_vector']]
print(result)

运行后输出结果和你要求的格式完全一致：

• 如果需要调整向量中positive、negative的顺序，直接修改apply里列表的元素顺序即可
• 转换后的向量可以直接取出供其他脚本调用

内容的提问来源于stack exchange，提问作者Vijaya