python英文文本情感分析的代码示范

Python进行英文文本情感分析通常会利用自然语言处理库，如NLTK（Natural Language Toolkit）、TextBlob、VADER (Valence Aware Dictionary and sEntiment Reasoner) 或者深度学习框架中的TensorFlow和Keras等。以下是一个简单的TextBlob示例，它是一个基于NLTK的情感分析工具：

from textblob import TextBlob

def sentiment_analysis(text):
    blob = TextBlob(text)
    # 判断情感极性（polarity范围从-1到1，负数表示负面情绪，正数表示正面情绪）
    if blob.sentiment.polarity > 0:
        return 'Positive'
    elif blob.sentiment.polarity < 0:
        return 'Negative'
    else:
        return 'Neutral'

# 测试
example_text = "I love this beautiful day!"
result = sentiment_analysis(example_text)
print(f"The sentiment of the text is {result}.")

对于更复杂的情感分析，可以使用VADER，其适用于社交媒体文本，因为它特别针对缩写、表情符号和非标准语法进行了优化：

from vaderSentiment.vader SentimentIntensityAnalyzer import SentimentIntensityAnalyzer

def vader_sentiment(text):
    analyzer = SentimentIntensityAnalyzer()
    sentiment_scores = analyzer.polarity_scores(text)
    
    if sentiment_scores['compound'] >= 0.05:
        return 'Positive'
    elif sentiment_scores['compound'] <= -0.05:
        return 'Negative'
    else:
        return 'Neutral'

example_text_vader = "I am so happy today!"
vader_result = vader_sentiment(example_text_vader)
print(f"Using VADER: The sentiment is {vader_result}.")