Python pandas中按日期、股票代码聚合行计算情感得分的实现方法

整个操作逻辑和你在Excel中用数据透视表、SUMIFS公式做统计的逻辑完全一致，不需要写复杂的自定义规则，按以下两步操作即可：

1. 将文本类的情感标注转换为可计算的数值
   因为规则是positive计+1、negative计-1，直接通过字典映射把文本转成对应数字就行，不需要写嵌套判断：

   # 生成临时计算列：positive对应1，negative对应-1
   df["sentiment_score_temp"] = df["sentiment"].map({"positive": 1, "negative": -1})
   

2. 按指定维度分组汇总
   按照date、stock_ticker两个维度对临时数值列求和，直接就能得到组内累计的情感分，最后重命名列、保留目标字段即可：

   # 分组聚合，as_index=False 保证两个维度字段是普通列，而非pandas特有索引结构
   final_df = df.groupby(
       by=["date", "stock_ticker"],
       as_index=False
   )["sentiment_score_temp"].sum().rename(
       columns={"sentiment_score_temp": "sentiment_score"}
   )[["date", "stock_ticker", "sentiment_score"]]
   

操作对照说明（适配你熟悉的Excel逻辑） #

• groupby(by=["date", "stock_ticker"]) 完全对应Excel数据透视表中将date、stock_ticker拖入“行”区域作为分组维度的操作
• 对临时数值列做sum()求和，对应透视表中将临时数值列拖入“值”区域，选择“求和”汇总方式的操作
• as_index=False 参数相当于跳过Excel透视表默认的分层行标签结构，直接输出普通二维表格，和你平时在Excel里看到的普通单元格表格结构一致，后续做筛选、排序都不会有额外障碍
• 整个计算过程自动适配“同组内positive加1、negative减1”的累计规则，不需要额外写分支判断，遇到同组正负情感混合的情况，求和结果就是你需要的最终得分

内容的提问来源于stack exchange，提问作者Dycann