import pandas as pd
reviews_data = {
"Reviewer ID": [1, 2, 3, 4, 5],
"Reviewer Name": ["Ana", "Bruno", "Carlos", "Daniela", "Eduardo"],
"Review Text": [
"Produto excelente, superou minhas expectativas!",
"Péssima qualidade, não recomendo.",
"Entrega rápida, mas o produto veio com defeito.",
"Ótimo custo-benefício, recomendo a todos.",
"Nada demais, esperava mais pelo preço."
]
}
df_reviews = pd.DataFrame(reviews_data)
df_reviews.to_csv("Reviews.csv", encoding="utf-8", index=False)
print("Arquivo Reviews.csv criado com sucesso!")
df = pd.read_csv("Reviews.csv", encoding="utf-8")
print(df.head())
from google import genai
import os
api_key = os.environ["GOOGLE_API_KEY"]
client = genai.Client(api_key=api_key)
def classificar_sentimento_llm(texto):
resp = client.models.generate_content(
model="gemini-2.5-flash",
contents=f"Classifique o sentimento como Positivo, Negativo ou Neutro: {texto}"
)
# Padronizar primeira letra maiúscula
return resp.text.strip().capitalize()
df["Sentimento"] = df["Review Text"].apply(classificar_sentimento_llm)
print(df[["Review Text", "Sentimento"]])
df.to_csv("Reviews_Classificados.csv", encoding="utf-8", index=False)
print("Arquivo Reviews_Classificados.csv criado com sucesso!")
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!