import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import rcParams
from nltk.sentiment.vader import SentimentIntensityAnalyzer
import nltk
# matplotlib のデフォルトフォントを設定（日本語フォントの問題を回避）
rcParams['font.family'] = 'sans-serif'
rcParams['font.sans-serif'] = ['DejaVu Sans']
# NLTK のダウンロード
nltk.download('vader_lexicon')
def analyze_sentiment(file_path):
"""
CSVファイルのテキストデータの感情分析を行い、結果をグラフとテキストで表示する。
Args:
file_path (str): CSVファイルのパス。
"""
try:
# CSVファイルの読み込み
df = pd.read_csv(file_path)
except FileNotFoundError:
print(f"エラー：指定されたファイルが見つかりませんでした。ファイルパス: {file_path}")
return
# VADER Sentiment Analyzer の初期化
sid = SentimentIntensityAnalyzer()
# 感情スコアを計算する関数
def calculate_sentiment_scores(text):
return sid.polarity_scores(text)
# テキストデータの感情スコアを計算
df['scores'] = df['Text'].apply(calculate_sentiment_scores)
# スコアを別々の列に展開
df = pd.concat([df.drop(['scores'], axis=1), df['scores'].apply(pd.Series)], axis=1)
# スコアの平均値を計算
pos_mean = df['pos'].mean()
neg_mean = df['neg'].mean()
neu_mean = df['neu'].mean()
compound_mean = df['compound'].mean()
# 棒グラフの作成
labels = ['Positive', 'Negative', 'Neutral', 'Compound', 'Fear']
values = [pos_mean, neg_mean, neu_mean, compound_mean, 0] # 恐怖はゼロで初期化
colors = ['gold', 'red', 'grey', 'blue', 'purple']
fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.bar(labels, values, color=colors)
# 各項目の数値を表示
for bar, value in zip(bars, values):
ax.text(bar.get_x() + bar.get_width() / 2, bar.get_height() + 0.01, f'{value:.2f}', ha='center', fontsize=12)
# タイトルとラベルの設定
ax.set_title('Emotion Analysis Results', fontsize=15)
ax.set_xlabel('Emotion Category', fontsize=12)
ax.set_ylabel('Score', fontsize=12)
# 説明テキストを追加
descriptions = [
f"Positive (gold): Optimistic or positive emotion - {pos_mean:.2f}",
f"Negative (red): Pessimistic or negative emotion - {neg_mean:.2f}",
f"Neutral (grey): Neither particularly positive nor negative emotion - {neu_mean:.2f}",
f"Compound (blue): Overall balance of emotions - {compound_mean:.2f}",
"Fear (purple): Fear or anxiety - 0.00"
]
description_text = "\n".join(descriptions)
plt.figtext(0.5, -0.3, description_text, ha='center', fontsize=12, wrap=True)
plt.show()
# 感情分析結果の概要を表示
sentiment_summary = f"""
感情分析結果の概要:
ポジティブ: {pos_mean:.2f}
ネガティブ: {neg_mean:.2f}
中立: {neu_mean:.2f}
複合: {compound_mean:.2f}
恐怖: 0.00
"""
print(sentiment_summary)
# 実行例
analyze_sentiment('Untitled4.csv')
ライブラリのインポート
pandas: データ分析ライブラリmatplotlib.pyplot: グラフ描画ライブラリrcParams: matplotlibの設定をカスタマイズするためのモジュールSentimentIntensityAnalyzer: NLTKの感情分析ツールCounter: 要素の出現回数をカウントするツール（ここでは使用されていません）
CSVファイル名を入力する場所は、コードの最後の行にあるanalyze_sentiment()関数の引数です。
Python
# 実行例
analyze_sentiment('Untitled4.csv')
この例では、'Untitled4.csv'がCSVファイル名です。この部分を、分析したいCSVファイルの実際のファイル名に置き換えてください。
例:
analyze_sentiment(‘data.csv’)
my_data.csvというファイルを使用する場合:
analyze_sentiment(‘my_data.csv’)
⚠️英語Text用
