在当今的社交媒体时代，大量的数据被产生，这些数据反映了人们对政治事件、使用的产品或公司提供的服务的看法。通过挖掘和分析这些数据，可以深入了解人们对公司服务或使用产品的看法。例如，了解公众对某一产品或服务的推文情感可视化是自然语言处理（NLP）中的一个重要任务。如果像Paytm这样的公司想要了解人们对其产品的看法，它可以挖掘社交媒体数据，可视化结果数据，并深入了解人们对其服务的看法。同样，航空公司也可以通过同样的方式了解客户对他们服务的看法，并采取措施改善服务。构建图形化的仪表板可以简化事物，因为可以通过图表和数字的形式清晰地看到数据。交互式仪表板因其交互特性而使事情变得更容易，使能够看到许多参数。
有许多仪表板工具，如Powerbi、Tableau、Google Data Studio等。使用Python语言编写自己的仪表板可以降低成本并有效跟踪关键绩效指标（KPI）。Streamlit就是这样一个可以帮助创建交互式仪表板的库。在这个项目中，将使用Streamlit库创建一个交互式仪表板，以可视化美国航空公司客户的推文情感。
在这个应用中使用的数据集可以在这里找到。这是一个从2015年2月开始，通过抓取美国各大航空公司Twitter用户的推文创建的数据集。数据集中的推文情感已经被标记，将使用这些数据创建一个交互式仪表板，从中得出见解，并在Huggingface Spaces上部署。
Streamlit是一个开源的Python库，可以快速创建数据科学应用。还可以使用它来创建原型机器学习应用，使用创建的模型。这是一个非常有用的Python库，用于为任何应用创建Web界面。它还提供了一个免费的托管平台，称为Streamlit Share。可以创建应用的GitHub仓库，并直接将其连接到Streamlit Share平台。Streamlit Share负责一切，并为部署应用。
Hugging Face Spaces是托管机器学习应用并向社区展示的好方法。它是免费托管的，可以托管任意数量的应用。可以直接复制代码并创建一个app.py文件和requirements.txt文件。这个平台会自动为部署它，可以开始使用应用。将使用这个平台来部署应用。
首先，安装构建此应用所需的所有库：
pip install pandas
pip install numpy
pip install streamlit
pip install plotly
pip install wordcloud
pip install matplotlib
接下来，按照以下方式编写应用代码：
import streamlit as st
import pandas as pd
import numpy as np
import plotly.express as px
from wordcloud import WordCloud, STOPWORDS
import matplotlib.pyplot as plt
st.set_option('deprecation.showPyplotGlobalUse', False)
DATA_ = pd.read_csv("Tweets.csv")
st.title("美国航空公司推文情感分析")
st.sidebar.title("美国航空公司推文情感分析")
st.markdown("这个应用是一个Streamlit仪表板，用于分析推文的情感")
st.sidebar.markdown("这个应用是一个Streamlit仪表板，用于分析推文的情感")
# 省略部分代码以节省篇幅...
streamlit
plotly
wordcloud
matplotlib