如何对Pandas行应用NLTK情感分析函数并拆分字典为多列

我之前也碰到过一模一样的需求，其实不用手动遍历行这么麻烦，用Pandas的apply配合pd.Series()就能轻松搞定，效率还高！直接看实操步骤：

首先确保你已经导入了需要的库：

import pandas as pd
from nltk.sentiment import SentimentIntensityAnalyzer

初始化情感分析器：

sia = SentimentIntensityAnalyzer()

接下来是核心操作——把每一行的情感得分字典直接转成DataFrame列，再和原数据集合并：

# 对body列的每条语料计算情感得分，将返回的字典转为Series（自动以字典键为列名）
sentiment_df = joined_corpus['body'].apply(lambda text: pd.Series(sia.polarity_scores(text)))

# 把情感得分列合并到原DataFrame中
joined_corpus = pd.concat([joined_corpus, sentiment_df], axis=1)

做完这两步，你的joined_corpus就会自动新增neg、neu、pos、compound四列，每一行的得分和原语料完全对应上。

额外小贴士 #

如果你的body列存在空值（比如NaN或者空字符串），建议先做个填充处理，避免分析器报错：

# 把空值填充为空白字符串，确保分析器能正常处理
joined_corpus['body'] = joined_corpus['body'].fillna('')

这种方法比手动循环高效太多，尤其是数据量较大的时候，完全不用一行行去处理~

内容的提问来源于stack exchange，提问作者Parseltongue