写一段用python的nltk做中文情感分析的代码

以下是一个简单的使用Python NLTK库进行中文情感分析的代码示例：

首先，需要安装中文分词器，例如jieba库。使用以下命令可以安装jieba库：

pip install jieba

接下来，需要导入必要的库并加载情感词典。假设我们使用的情感词典为NTUSD（台湾大学情感词典），可以使用以下代码加载情感词典：

import jieba
import pandas as pd

sentiment_df = pd.read_csv('path/to/ntusd.csv', encoding='utf-8')
sentiment_dict = {}
for index, row in sentiment_df.iterrows():
    sentiment_dict[row['詞語']] = row['分數']

加载完情感词典后，可以编写一个函数来计算句子的情感得分：

def get_sentiment_score(sentence):
    words = jieba.lcut(sentence)
    sentiment_score = 0
    for word in words:
        if word in sentiment_dict:
            sentiment_score += sentiment_dict[word]
    return sentiment_score

该函数首先使用jieba库对输入句子进行分词，然后计算分词后每个词的情感得分，并将所有词的情感得分相加得到句子的总情感得分。最后，函数返回句子的情感得分。

使用该函数，我们可以对一组句子进行情感分析：

sentences = ['这部电影真的很好看', '这个产品质量很差']
for sentence in sentences:
    score = get_sentiment_score(sentence)
    if score > 0:
        print(sentence + '的情感得分为：积极')
    elif score < 0:
        print(sentence + '的情感得分为：消极')
    else:
        print(sentence + '的情感得分为：中性')

以上代码将输出以下结果：

这部电影真的很好看的情感得分为：积极
这个产品质量很差的情感得分为：消极

该示例仅仅是一个简单的中文情感分析代码，实际上，中文情感分析面临着许多挑战，例如分词精度、情感词典的覆盖范围等等。因此，在实际应用中，需要根据具体情况对中文情感分析算法进行适当的调整和优化。