スクーターコミュニティの感情分析
市議会は、市内のさまざまなコミュニティがスクーターにどう反応しているかに関心を持っています。 データセットはSamの最初の分析以降に拡張され、現在はベトナム語、タガログ語、スペイン語、英語のレポートが含まれています。
Samはそれを把握できるか確認するよう依頼されました。彼女は、（少なくともすぐにアクセスできるデータでは）コミュニティを推定する最良の方法は言語だと判断します。
CSVはすでに scooter_df 変数に読み込まれています。
この演習では、さまざまな言語にわたる感情をSamが把握できるように支援します。これは、市議会の議員が投票する際に影響する、コミュニティごとのスクーターへの受け止めを市が理解するのに役立ちます。
この演習はコースの一部です
Python で始める AWS Boto 入門
演習の手順
- 各DataFrameの行について、支配的な言語を検出します。
- 検出した言語を使って、descriptionの感情を判定します。
- DataFrameを
'sentiment'列、次に'lang'列の順でグループ化します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
for index, row in scooter_requests.iterrows():
# For every DataFrame row
desc = scooter_requests.loc[index, 'public_description']
if desc != '':
# Detect the dominant language
resp = comprehend.____(____=desc)
lang_code = resp['Languages'][0]['LanguageCode']
scooter_requests.loc[index, 'lang'] = lang_code
# Use the detected language to determine sentiment
scooter_requests.loc[index, 'sentiment'] = comprehend.____(
____=desc,
____=lang_code)['____']
# Perform a count of sentiment by group.
counts = scooter_requests.groupby(['sentiment', 'lang']).count()
counts.head()