python情感分析代码

python
from textblob import TextBlob

def analyze_sentiment(text):
    # 使用TextBlob对文本进行情感分析
    blob = TextBlob(text)
    sentiment = blob.sentiment

    # 打印情感分析结果
    print(f"文本: {text}")
    print(f"情感分析结果: 情感极性为 {sentiment.polarity}, 情感主观性为 {sentiment.subjectivity}")

if __name__ == "__main__":
    # 分析情感的文本
    text = input("请输入要分析情感的文本: ")
    analyze_sentiment(text)

这段代码使用TextBlob库进行情感分析。用户输入文本后，它将输出文本的情感极性和主观性。情感极性是一个介于-1到1之间的值，-1表示完全负面，1表示完全正面，0表示中性。情感主观性是一个介于0到1之间的值，表示文本是客观还是主观。

如果你想更进一步，可以考虑

处理多个文本：允许用户输入多个文本进行情感分析，并为每个文本输出情感分析结果。

增加情感分类：除了简单的情感极性，可以考虑将情感分为正面、负面和中性，并相应地对文本进行分类。

使用更复杂的模型：TextBlob是一个简单的库，它的模型相对较简单。你可以考虑使用更复杂的自然语言处理库，如NLTK、spaCy或者使用深度学习模型，比如使用PyTorch或TensorFlow构建的模型来进行情感分析。

数据预处理：在进行情感分析之前，可以进行数据预处理，如去除停用词、进行词干提取或者词形还原等，以提高情感分析的准确性。

模型调优：如果你选择使用深度学习模型，可以考虑对模型进行调优，包括调整超参数、增加训练数据量、使用预训练的词向量等来提高模型的性能。

可视化结果：将情感分析结果可视化，比如使用图表展示不同类别的文本数量，或者使用词云展示文本中频繁出现的词语等。