python文本分析案例

一个常见的 Python 文本分析案例是情感分析。情感分析是通过对文本进行分析来确定文本中表达的情绪或情感的过程。Python 有许多库可以用于情感分析，其中最流行的是 NLTK 和 TextBlob。

以下是一个使用 TextBlob 库进行情感分析的示例代码：

from textblob import TextBlob

# 要分析的文本
text = "I love this product! It works really well and has exceeded my expectations."

# 创建 TextBlob 对象
blob = TextBlob(text)

# 获取文本的情感分数
sentiment_score = blob.sentiment.polarity

# 打印情感分数
print("Sentiment score:", sentiment_score)

输出：

Sentiment score: 0.625

在这个例子中，情感分数为 0.625，表示这段文本是积极的。可以使用类似的方法对其他文本进行情感分析。

相关问题

python中文文本分析实例

一个简单的中文文本分析实例是对一段文本进行词频统计，以下是一个基于Python的实现：

import jieba

text = "今天天气真好，我打算出去散步。"

# 使用jieba分词
words = jieba.cut(text)

# 统计词频
freq = {}
for word in words:
    if word in freq:
        freq[word] += 1
    else:
        freq[word] = 1

# 输出词频结果
for word, count in freq.items():
    print(word, count)

这个程序使用jieba库对文本进行分词，然后统计每个词出现的次数。最终输出每个词以及它在文本中出现的次数。这个程序可以处理中文文本，因为它使用了jieba库来进行中文分词。