電動滑板車社群的情緒分析

市議會想了解市內不同社群對電動滑板車的反應如何。自從 Sam 最初的分析之後，資料集已經擴充，現在包含越南語、他加祿語、西班牙語與英語的回報。

他們請 Sam 看看能不能找出一些端倪。她決定先用語言當作社群的代理變數（至少在她眼前可取得的資料裡可行）。

她已經把 CSV 載入到變數 scooter_df：

Scooter dataframe contents

在這個練習中，你會協助 Sam 了解多種語言的情緒傾向。這能幫助市府理解不同社群如何看待電動滑板車，進而影響市議員的投票。

本練習屬於課程

Python 中的 AWS Boto 入門

檢視課程

練習說明

對於每一列 DataFrame，偵測主導語言。
使用偵測到的語言來判定描述文字的情緒。
依序以 'sentiment' 與 'lang' 欄位彙總（groupby）整個 DataFrame。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

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()

編輯並執行程式碼