滑板车社区情感分析

市议会想了解市内不同社区对滑板车的反应如何。自从 Sam 的初步分析后，数据集已有所扩充，现在包含越南语、塔加洛语、西班牙语和英语的报告。

他们请 Sam 看看能否找出答案。她决定先用语言来代表社区（至少在她当前可用的数据范围内）。

她已经将 CSV 加载到变量 scooter_df 中：

Scooter dataframe contents

在本练习中，您将帮助 Sam 分析多种语言下的情感。这将帮助市政府了解不同社区对滑板车的看法，从而影响市议会议员的投票。

本练习是课程的一部分

Python 中的 AWS Boto 入门

查看课程

练习说明

对 DataFrame 的每一行检测主要语言。
使用检测到的语言来判定描述文本的情感。
按 'sentiment' 和 'lang' 两列（依次）对 DataFrame 分组。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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()

编辑并运行代码