从列表中提取属性

Question

我是Python的新手，我对待从列表中提取情绪，并将每个属性放在其相应的系列中以训练机器学习算法 例如，列表中的一个实例，我想在新系列中放愤怒，其值= 0.013736263736263736等。

“{'愤怒'：”， '0.013736263736263736，'，， “'预期'：”， '0.0027472527472527475，'，， “'厌恶'：”， '0.03296703296703297，'，， “'害怕'：”， '0.0027472527472527475，'，， “'喜悦'：”， '0.0，'， “'消极的'：”， '0.06043956043956044，'，， “'积极的'：”， '0.019230769230769232，'，，， “'悲伤'：”， '0.0027472527472527475，'，， “'惊喜'：”， '0.008241758241758242，'，， “'相信'：”， '0.019230769230769232}'] 提前致谢

Answer 1

您可以通过多种方式操纵字典和情感，让我显示一些：

1。将项目添加到集合，样本

def calc_sentiment(word: str):
    return 0.5

def Add_to_Collection(sentense: str):
    sentiment={}
    for word in str.split(sentense):
        sentiment[word]=calc_sentiment(word)
    return sentiment

test='My name is John Cache. It is my real name.'
print(Add_to_Collection(test))

您可以看到输出：

{'My': 0.5, 'name': 0.5, 'is': 0.5, 'John': 0.5, 'Cache.': 0.5, 'It': 0.5, 'my': 0.5, 'real': 0.5, 'name.': 0.5}

2。将项目添加到收集中，以情感，示例

def calc_sentiment(word: str):
    return 0.5

def Add_to_Collection_Sum(sentense: str):
    sentiment={}
    for word in str.split(sentense):
        sentiment[word] = sentiment[word] + calc_sentiment(word)  if word in sentiment else calc_sentiment(word)
    return sentiment

test='My name is John Cache. It is my real name.'
print(Add_to_Collection_Sum(test))

您可以看到输出（请参阅“值” 1.0有关'is'）：

{'My': 0.5, 'name': 0.5, 'is': 1.0, 'John': 0.5, 'Cache.': 0.5, 'It': 0.5, 'my': 0.5, 'real': 0.5, 'name.': 0.5}

3。将项目添加到收集中，并使用所有情感列表，示例

def calc_sentiment(word: str):
    return 0.5

def Add_to_Collection_AddToList(sentense: str):
    sentiment={}
    items=[]
    for word in str.split(sentense):
        if word in sentiment:
            items=sentiment[word]
            items.append(calc_sentiment(word))
        else:
            sentiment[word]=[calc_sentiment(word)]
    return sentiment

test='My name is John Cache. It is my real name.'
print(Add_to_Collection_AddToList(test))

您可以看到输出（请参阅double值[0.5，0.5]有关'iss'）：

{'My': [0.5], 'name': [0.5], 'is': [0.5, 0.5], 'John': [0.5], 'Cache.': [0.5], 'It': [0.5], 'my': [0.5], 'real': [0.5], 'name.': [0.5]}