如何调整wordcloud代码基于Pandas按Sentiment条件生成负面文本词云

关键修改逻辑 #

• 不需要改动原有词云的配色、背景、画布大小等设置，只需要在拼接词云用的长文本之前，用Pandas布尔索引过滤出Sentiment列值为Negative的行，再从过滤后的子集里提取Text字段做拼接。
• 布尔索引筛选无需循环遍历全表判断每行的情感值，数据量大时运行效率远高于逐行遍历的写法。
• 如果Sentiment列的标签存在大小写不统一的问题（比如标注为negative、NEGATIVE），可以先把列值统一转成大写/小写再做匹配，避免漏选目标文本。

调整后的完整可运行代码 #

from wordcloud import WordCloud 
from matplotlib import colors
import matplotlib.pyplot as plt
from nltk.corpus import stopwords

color_list=['#4d4d4d','#ffcc00','#000000',]
colormap=colors.ListedColormap(color_list)

# 过滤出情感标签为Negative的行，提取文本拼接为词云输入
negative_rows = df[df['Sentiment'] == "Negative"]
words = ' '.join(negative_rows['Text'].tolist())

wordCloud = WordCloud(
    background_color='white',
    colormap=colormap,
    mode="RGB",
    width=2000,
    height=1000
).generate(words)

plt.figure(figsize=(20,10))
plt.imshow(wordCloud)
plt.axis("off") # 可选配置：隐藏冗余的坐标轴刻度，让词云展示更整洁
plt.show()

内容的提问来源于stack exchange，提问作者Stefano