怎么对.txt文件里的评论进行情感分析python

要进行情感分析，你需要使用自然语言处理（NLP）和机器学习技术。下面是一些步骤来对.txt文件里的评论进行情感分析：

1. 导入所需的Python库，例如`nltk`、`pandas`、`numpy`、`sklearn`和`matplotlib`。

2. 读取.txt文件并将其转换为Pandas dataframe。

3. 清理文本数据，例如去除标点符号和停用词，并将文本转换为小写。

4. 对文本数据进行标记化和词形还原。

5. 使用情感词典，例如`nltk`的`vader_lexicon`或`AFINN`，对每个评论进行情感分析得分。

6. 将情感分析得分添加到Pandas dataframe中。

7. 可以使用一些可视化工具，例如Matplotlib或Seaborn，来绘制评论情感得分的分布图。

下面是一个示例代码，其中使用了nltk的vader_lexicon情感词典进行情感分析：

import pandas as pd
import numpy as np
import nltk
nltk.download('vader_lexicon')
from nltk.sentiment.vader import SentimentIntensityAnalyzer

# 读取txt文件
with open('comments.txt', 'r', encoding='utf-8') as f:
    data = f.readlines()

# 转换为Pandas dataframe
df = pd.DataFrame(data, columns=['comment'])

# 清理文本数据
df['comment'] = df['comment'].str.replace('[^\w\s]','')
stopwords = nltk.corpus.stopwords.words('english')
df['comment'] = df['comment'].apply(lambda x: ' '.join([word.lower() for word in x.split() if word.lower() not in stopwords]))

# 标记化和词形还原
from nltk.tokenize import word_tokenize
from nltk.stem import WordNetLemmatizer
nltk.download('punkt')
nltk.download('wordnet')
lemmatizer = WordNetLemmatizer()
df['comment'] = df['comment'].apply(lambda x: ' '.join([lemmatizer.lemmatize(word) for word in word_tokenize(x)]))

# 情感分析
sia = SentimentIntensityAnalyzer()
df['sentiment_score'] = df['comment'].apply(lambda x: sia.polarity_scores(x)['compound'])

# 可视化
import matplotlib.pyplot as plt
import seaborn as sns
sns.histplot(data=df, x='sentiment_score', bins=10, kde=True)
plt.show()

这将生成一个情感分数分布的直方图。您可以根据需要进行调整和扩展。