Python提取Excel中特定关键字并进行语调分析

您好，我是为了写论文要利用Python进行一个文本分析的处理。但本人之前从未接触过Python，学了一段时间后发现要实现功能还是很困难，所以前来寻求大家的帮助。我的数据是公司回答投资者问题的文本数据。就会出现一家公司一年内有好几行回答问题的文本。我要实现的功能是将回答内容那一列的文本，按照公司和年份进行合并（也就是把一家公司一年所有回答内容合并到一个单元格中）然后将中带有一些特定关键字的句子都筛选出来，并进行语调积极程度的分析，最终想要得到的是该公司在该年语调积极程度评分。请问这个用Python代码怎么实现呢？因为没有Python基础，所以自己在编写代码上有困难，希望可以得到大家的帮助，谢谢！
我的原始数据长这样：

我想把数据整合成类似于这样：

我最终想要得到的数据类似于长这样：

就是按照前两列合并？这个我帮你写了一个

import pandas as pd
from openpyxl import Workbook, load_workbook
from openpyxl.utils import get_column_letter

# 读取Excel文件
filename = 'data.xlsx'
df = pd.read_excel(filename, sheet_name='Sheet1')

# 根据股票代码和会计年度进行分组并连接内容
grouped = df.groupby(['股票代码', '会计年度'], sort=False)['内容'].apply(''.join).reset_index()

# 创建新的Excel文件并写入数据
new_filename = 'merged_data.xlsx'
sheet_name = 'Sheet2'
book = Workbook()
writer = pd.ExcelWriter(new_filename, engine='openpyxl') 
writer.book = book
grouped.to_excel(writer, sheet_name=sheet_name, index=False)
writer.save()

# 调整列宽以适应数据
wb = load_workbook(new_filename)
ws = wb[sheet_name]
for column in ws.columns:
    max_length = 0
    column = column[0].column_letter
    for cell in ws[column]:
        try:
            if len(str(cell.value)) > max_length:
                max_length = len(str(cell.value))
        except:
            pass
    adjusted_width = (max_length + 2) * 1.2
    ws.column_dimensions[column].width = adjusted_width
wb.save(new_filename)

至于语调分析，这个你可以找找相关的库去计算

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 这个问题的回答你可以参考下: https://ask.csdn.net/questions/7668505
• 除此之外, 这篇博客: 机器学习笔记——2 简单线性模型及局部加权线性模型的基本原理和python实现（参数估计的两个基本角度：几何直观和概率直观。函数最值问题的两大基本算法：梯度方法与迭代方法）中的 简单线性模型及局部加权线性模型的基本原理和python实现（参数估计的两个基本角度：几何直观和概率直观。函数最值问题的两大基本算法：梯度方法与迭代方法） 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  ---

• 以下回答来自chatgpt:

  回答：

  首先，我们需要安装一些基本的包来完成这个任务，包括pandas用于数据处理，nltk用于自然语言处理。可以使用pip安装:

  pip install pandas nltk
  

  接下来，我们需要导入这些包，代码如下所示：

  import pandas as pd
  import nltk
  from nltk.sentiment import SentimentIntensityAnalyzer
  

  然后我们需要读取Excel文件中的数据，可以使用pandas提供的read_excel方法，代码如下所示:

  df = pd.read_excel('example_file.xlsx')
  

  接下来，我们需要按照公司和年份对回答进行分组，同时筛选出含有特定关键字的句子。这可以通过pandas中的groupby和filter来完成，代码如下所示:

  # 设定关键字
  keywords = ['sustainability', 'ethics']
  # 分组并过滤
  grouped = (df.groupby(['company', 'year'])
             .filter(lambda x: any(k in x['response_text'].lower() for k in keywords)))
  

  接下来，我们需要对筛选出来的句子进行情感分析，这里我们使用nltk中提供的SentimentIntensityAnalyzer进行处理，代码如下所示：

  # 初始化情感分析器
  sid = SentimentIntensityAnalyzer()
  
  # 对每条回答进行情感分析，并且计算出它的积极程度分数
  scores = grouped['response_text'].apply(lambda x: sid.polarity_scores(x)['pos'])
  
  # 将结果添加到dataframe中
  grouped['positive_score'] = scores
  

  最后，我们需要把数据按照要求整理成特定的格式，并输出到一个新的Excel文件中。可以使用pivot_table将数据透视成特定的样子，代码如下所示：

  # 整理数据，将积极程度分数转化为平均分数
  results = (grouped.pivot_table(index=['company', 'year'],
                                 values='positive_score', aggfunc='mean')
             .reset_index())
  
  # 写入excel中
  results.to_excel('result_file.xlsx', index=False)
  

  最终，得到的result_file.xlsx文件中的数据格式如下图所示：

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^