记录一次chatGPT人机协同实战辅助科研——根据词库自动进行情感分析

有一个Excel中的一列，读取文本判断文本包含积极情感词.txt和消极情感词.txt的个数，分别生成两列统计数据

请将 ‘your_file.xlsx’ 替换为你的Excel文件名，'Your Text Column’替换为包含文本的列名。

这个程序首先读取了积极和消极情感词，并定义了两个函数来统计文本中这些词的数量。然后，它使用这两个函数来创建新的列，并将结果保存为一个新的Excel文件。

# -*- coding:utf-8 -*-f import pandas as pd # 读入数据 # 读取Excel文件 file_path = 'chatGPT_analyse_result.xlsx' df = pd.read_excel(file_path) # 定义函数来统计文本中出现的词汇数 def count_words(text, word_list): count = 0 for word in word_list: if word in text: count += 1 return count # 读取积极和消极情绪词文件 positive_words_path = '积极情绪词库.txt' # 请替换为你的积极情绪词文件路径 negative_words_path = '消极情绪词库.txt' # 请替换为你的消极情绪词文件路径 # 读取积极和消极情绪词文件内容到列表中 with open(positive_words_path, 'r', encoding='utf-8') as file: positive_words = [line.strip() for line in file] with open(negative_words_path, 'r', encoding='utf-8') as file: negative_words = [line.strip() for line in file] # 对每一行文本进行积极和消极情绪词的统计 positive_counts = [] negative_counts = [] for text in df['分析结果']: positive_count = count_words(str(text), positive_words) negative_count = count_words(str(text), negative_words) positive_counts.append(positive_count) negative_counts.append(negative_count) # 将统计结果添加到数据框中 df['积极情绪词个数'] = positive_counts df['消极情绪词个数'] = negative_counts # 将结果保存到新的Excel文件中 output_file_path = '分析结果.xlsx' df.to_excel(output_file_path, index=False) print("已生成带有情绪词统计的Excel文件。") 发现次数都是0

调整prompt

还是不匹配 ，接续追问

成功解决bug：出现了分析结果 最后代码：

# -*- coding:utf-8 -*-f import pandas as pd import jieba # 读入数据 # 读取Excel文件 file_path = 'chatGPT_analyse_result.xlsx' df = pd.read_excel(file_path) # 情绪词列表 positive_words = ['透露', '亲切', '容忍', '听从', '被动', '创新', '发表', '好的', '鼓舞', '赋予', '喜欢', '配合', '聪明', '偏向', '交流', '合理', '猜测', '夸奖', '致力于', '称赞', '不错', '听懂', '安慰', '善于', '爱', '提升', '坚持', '看好', '指引', '劝慰', '舒缓', '减轻', '推导', '愉快', '轻松', '沟通', '有序', '进步', '谢谢', '强烈', '懂', '恰当', '持之以恒', '至关重要', '振奋', '赞成', '妥当', '礼貌', '温暖', '有利于'] negative_words = ['批评', '不对', '抱歉', '薄弱', '不适', '不足', '谴责', '逼迫', '厌烦', '不行', '指责', '负面', '惩罚', '紧张', '责备', '告诫', '挫败', '气馁', '紧迫', '质疑', '不满', '贬低', '忽视', '批判', '疑惑', '反对', '不是', '失败', '催促', '担心', '无礼', '失去', '焦虑', '着急', '退步', '模糊', '放弃', '迷惘', '灰心丧气', '批判性', '禁止', '不当', '犯错', '忽略', '拒绝', '担忧', '不专业', '困难'] # 分词函数 def tokenize(text): return jieba.lcut(text) # 对每一行文本进行分词和积极、消极情绪词的统计 positive_counts = [] negative_counts = [] for text in df['分析结果']: words = tokenize(str(text)) # 分词 positive_count = any(word in positive_words for word in words) negative_count = any(word in negative_words for word in words) positive_counts.append(1 if positive_count else 0) negative_counts.append(1 if negative_count else 0) # 将统计结果添加到数据框中 df['积极情绪词个数'] = positive_counts df['消极情绪词个数'] = negative_counts # 将结果保存到新的Excel文件中 output_file_path = '分析结果.xlsx' df.to_excel(output_file_path, index=False) print("已生成带有情绪词统计的Excel文件。") 最后在画个图 转换成分钟

import pandas as pd # 读取Excel文件 file_path = 'chatGPT_analyse_result.xlsx' # 请替换为你的Excel文件路径 df = pd.read_excel(file_path) # 提取时间列中的分钟和秒钟数据 time_pattern = r'(\d+):(\d+)' df['分钟'] = df['时间'].str.extract(time_pattern)[0].astype(int) * 60 # 提取分钟并转换为秒钟 df['秒钟'] = df['时间'].str.extract(time_pattern)[1].astype(int) # 计算总的秒钟数 df['总秒钟数'] = df['分钟'] + df['秒钟'] # 将总秒钟数转换回分钟 df['总分钟数'] = df['总秒钟数'] / 60 # 打印结果或保存到新的Excel文件中 print(df[['分钟', '秒钟', '总秒钟数', '总分钟数']]) # 打印结果 # 或者保存到新的Excel文件中 output_file_path = '处理后的结果.xlsx' df.to_excel(output_file_path, index=False) print('ok')

import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] plt.rcParams['axes.unicode_minus']=False # 读取Excel文件 file_path = '分析结果.xlsx' # 请替换为你的Excel文件路径 df = pd.read_excel(file_path) # 映射积极情绪词个数和消极情绪词个数到1和-1 df['积极情绪映射'] = df['积极情绪词个数'].apply(lambda x: 1) df['消极情绪映射'] = df['消极情绪词个数'].apply(lambda x: -1) # 绘制折线图 plt.figure(figsize=(10, 6)) # 设置图形大小 # 以总分钟数为 x 轴，积极情绪映射和消极情绪映射为 y 轴绘制折线图 plt.plot(df['总分钟数'], df['积极情绪映射'], label='积极情绪词个数', marker='o') # marker='o' 表示使用圆点标记数据点 plt.plot(df['总分钟数'], df['消极情绪映射'], label='消极情绪词个数', marker='x') # marker='x' 表示使用X标记数据点 plt.xlabel('总分钟数') # x 轴标签 plt.ylabel('情绪') # y 轴标签 plt.title('课堂时间与情绪变化折线图') # 图表标题 plt.legend() # 显示图例 plt.grid(True) # 显示网格线 plt.ylim(-1.5, 1.5) # 设置 y 轴显示范围 plt.tight_layout() # 调整布局使标签等不会被裁剪 plt.show() # 显示图形

结果如图：