用python写一个代码，要求是：现有约 10 万条亚马逊购物评论数据存储在文件名为亚马逊评论的csv文件中且该文件中列索引分别为userid,productid,rating,timestamp,title,comment。其中title是评论核心，comment是具体评论请试对评论数据进行分析，最终得出每一条评论的情感极性：正面、负面、中性

好的，我可以帮您完成这个任务。首先，我们需要使用Python中的pandas库来读取和处理csv文件。接下来，我们需要使用情感分析的工具来分析每一条评论的情感极性，这里我将使用TextBlob库。

下面是代码实现：

import pandas as pd
from textblob import TextBlob

# 读取csv文件
df = pd.read_csv('亚马逊评论.csv')

# 定义函数来获取每一条评论的情感极性
def get_sentiment_polarity(text):
    blob = TextBlob(text)
    polarity = blob.sentiment.polarity
    if polarity > 0:
        return '正面'
    elif polarity < 0:
        return '负面'
    else:
        return '中性'

# 对每一条评论进行情感极性分析
df['sentiment'] = df['comment'].apply(get_sentiment_polarity)

# 输出结果
print(df[['title', 'sentiment']])

这段代码将会读取名为"亚马逊评论.csv"的文件，然后对每一条评论进行情感极性分析，并将结果存储在一个新的列"sentiment"中。最后，代码将输出每一条评论的标题和情感极性。

需要注意的是，情感分析并不是完美的，有时可能会出现误判的情况。因此，您可能需要手动检查一些评论的情感极性。