Detección de la emoción en textos utilizando Python y la librería TextBlob

Preparación del entorno de trabajo

Primero, necesitamos configurar nuestro entorno de trabajo para poder trabajar con Python. Por ejemplo, un buen IDE puede ser PyCharm, Visual Studio Code o Spyder. Además, es importante tener instalada la librería TextBlob. Para ello, ejecuta el siguiente comando en la terminal:

!pip install textblob

Análisis de emociones en un texto

Una vez que hemos instalado la librería, podemos empezar a analizar textos. Lo primero es importar la librería TextBlob y luego crear un objeto TextBlob a partir del texto que queramos analizar. Por ejemplo:

from textblob import TextBlob
texto = "Me siento muy feliz hoy porque el sol brilla con fuerza en el cielo."
blob = TextBlob(texto)

En este ejemplo, hemos creado un objeto TextBlob a partir del texto «Me siento muy feliz hoy porque el sol brilla con fuerza en el cielo.». Ahora, podemos acceder a las propiedades de este objeto para analizar las emociones que contiene. Por ejemplo:

print(blob.sentiment)
print(blob.sentiment.polarity)
print(blob.sentiment.subjectivity)

La función sentiment nos devuelve un objeto Sentiment que contiene la polaridad y subjetividad del texto. La polaridad varía entre -1 y 1, donde -1 indica una emocion muy negativa y 1 una emoción muy positiva. La subjetividad variará entre 0 y 1, donde 0 indica que el texto es muy objetivo y 1 muy subjetivo.

Ejemplo práctico

Veamos un ejemplo práctico utilizando un texto más largo y analizando su polaridad y subjetividad:

texto = "Desde que llegaron los nuevos vecinos, el ruido es insoportable en mi casa. Los niños corren y gritan todo el día y la música está siempre a todo volumen. No puedo concentrarme en mi trabajo ni descansar en mi tiempo libre. Me siento muy frustrado con esta situación."
blob = TextBlob(texto)
print(blob.sentiment)
print(blob.sentiment.polarity)
print(blob.sentiment.subjectivity)

En este caso, el análisis devuelve una polaridad de -0.425 (negativa) y una subjetividad de 0.591 (más subjetivo que objetivo). Esto nos indica que el texto es bastante negativo y subjetivo.

¡Enhorabuena! Ahora eres capaz de analizar la emoción de los textos en Python con la ayuda de la librería TextBlob. Recuerda que puedes utilizar esta técnica en muchos campos, como en análisis de opiniones de clientes, análisis de redes sociales o detección de fake news. Esperamos que este tutorial te haya sido de ayuda.