基于指定日期条件统计CSV中正向情感列的累计值

我来帮你把代码补全并优化，刚好能实现你要的「输入日期后统计该日期之后所有行的正向情感累计值」的需求：

import datetime
import pandas as pd

# 读取CSV文件
data = pd.read_csv('rt_Article2.csv')

# 将CSV中的日期列转换为datetime格式（假设你的日期列名为'date'，如果不是请替换成实际列名）
data['date'] = pd.to_datetime(data['date'])

# 获取用户输入的日期，指定输入格式为常用的'YYYY-MM-DD'
input_date_str = input("请输入日期（格式：YYYY-MM-DD）：")
input_date = datetime.datetime.strptime(input_date_str, '%Y-%m-%d')

# 筛选日期晚于输入日期的行，统计正向情感列的累计值（假设正向情感列名为'positive_sentiment'，请替换为实际列名）
total_positive = data[data['date'] > input_date]['positive_sentiment'].sum()

# 输出最终结果
print(f"日期晚于{input_date_str}的所有行中，正向情感累计值为：{total_positive}")

关键细节说明 #

• 列名适配：代码里的'date'和'positive_sentiment'是假设的列名，你需要根据自己CSV的实际列名修改，比如日期列叫'publish_time'的话，就把data['date']改成data['publish_time']。
• 日期格式调整：如果用户习惯输入其他格式（比如MM/DD/YYYY），把strptime里的'%Y-%m-%d'改成对应的'%m/%d/%Y'即可。
• 边界逻辑自定义：当前代码是严格筛选「晚于」输入日期的行，如果需要包含输入日期当天的内容，把data['date'] > input_date改成data['date'] >= input_date就行。
• 无效数据清理：如果CSV里有缺失的日期或情感值，可以在读取后加上data = data.dropna(subset=['date', 'positive_sentiment'])，避免统计时出现错误。

测试示例 #

假设你的CSV数据如下：

当输入2023-01-02时，程序会筛选出2023-01-03和2023-01-04的行，累计值为1+1=2，最终输出：日期晚于2023-01-02的所有行中，正向情感累计值为：2

内容的提问来源于stack exchange，提问作者Jun An