Análisis de Sentimientos de Tweets

Este repositorio contiene varios proyectos, siendo el principal el Final_Project, que se enfoca en el análisis de sentimientos de tweets. A continuación, se proporciona una descripción detallada de cada carpeta y sus contenidos.

Estructura del Repositorio

• 3rd week

  • Employee.py: Proyecto independiente relacionado con la gestión de empleados.

• Final_Project

  • data_frames
    • twitter_comments_ready2go.csv: Dataset con comentarios de Twitter previamente procesados.
    • twitter_training.csv: Dataset sin procesamiento previo.
  • photos: Carpeta para almacenar fotos relacionadas con el readme.
  • main.py: Archivo principal que contiene el código para realizar el análisis de sentimientos de tweets. (Ver detalles abajo)
  • requirements.txt: Archivo de requisitos para ejecutar el proyecto

• Maze

  • ej.py: Proyecto independiente relacionado con la resolución de laberintos mediante bfs.

• Readme.md: Información adicional y documentación para el proyecto de Streamlit.

Final_Project

El Final_Project es un análisis interactivo de sentimientos de tweets utilizando la biblioteca streamlit para la visualización de datos y nltk para el analisis de sentimientos. El archivo principal, main.py, realiza las siguientes funciones:

Funcionalidades

1. Carga de Datos:
   • Permite al usuario seleccionar entre datasets previamente procesados (twitter_comments_ready2go.csv), sin procesamiento (twitter_training.csv), o cargar su propio dataset.

Note

El dataset El formato del dataset a cargar debe incluir una primera columna llamada entity (la cual contendrá las entidades sobre las cuales los usuarios han escrito) y una segunda columna llamada content (la cual contendrá el contenido de los tweets en texto plano relacionado con una entidad en específico)

2. Análisis de Sentimientos:

   • Utiliza el analizador de sentimientos de nltk para evaluar la polaridad (positivo/negativo) y neutralidad de los tweets.
   • Los resultados se almacenan en nuevas columnas en el dataset (polaridad, neutralidad, polaridad_desc, neutralidad_desc).

3. Visualización de Datos:

   • Genera gráficos de barras para mostrar la distribución de polaridad y neutralidad de los tweets en general y para entidades específicas.
   • Muestra gráficos de caja para visualizar la distribución de polaridad por entidad.

4. Datos Interesantes:

   • Muestra información interesante como la entidad con más comentarios negativos, positivos, neutrales, entre otros.

Cómo Ejecutar el Proyecto

1. Clonar el repositorio:

git clone https://github.com/cStoneDev/python-course.git
cd python-course/Final_Project

2. Instalar las dependencias:

Asegúrate de tener pip y un entorno virtual configurado. Luego, instala las dependencias:

pip install -r requirements.txt

3. Ejecutar la aplicación:

streamlit run main.py

Uso de la Aplicación

1. Al iniciar la aplicación, se te pedirá que selecciones un dataset desde la barra lateral.

2. Puedes elegir entre:

• Tweets con procesamiento previo
• Tweets sin procesamiento previo
• Dataset propio (subir un archivo CSV)

3. Una vez cargado el dataset, la aplicación decidirá si hacer el análisis de sentimientos (si se selecciona un dataset propio o sin procesamiento) y mostrará visualizaciones interactivas.

4. Puedes ver datos interesantes y analizar sentimientos por entidad desde la barra lateral.

Preview de la aplicación

Panel principal:

Distribución general de sentimientos:

Distribución de polaridad por entidad:

Datos de interés: