对excel中的中文文本进行基于词典的情感分析的代码

以下是一个基于Python的对Excel中中文文本进行基于词典的情感分析的示例代码：

# 导入所需的库
import pandas as pd
import jieba
import jieba.analyse
import codecs

# 读取中文情感词典
# 这里以Loughran-McDonald情感词典为例，词典格式为每行一个情感词，后跟一个情感极性值（positive/negative）
sentiment_dict = {}
with codecs.open('LoughranMcDonald_SentimentWordLists_2018.csv', 'r', 'utf-8', 'ignore') as f:
    for line in f.readlines():
        word, sentiment = line.strip().split(',')
        sentiment_dict[word] = sentiment

# 读取Excel文件，假设中文文本在A列，情感得分将保存在B列
df = pd.read_excel('example.xlsx', usecols=['A'])
df['B'] = 0  # 初始化情感得分为0

# 对每个中文文本进行情感分析
for i, row in df.iterrows():
    text = row['A']
    words = jieba.lcut(text)
    sentiment_score = 0
    for word in words:
        if word in sentiment_dict:
            sentiment_score += 1 if sentiment_dict[word] == 'positive' else -1
    df.at[i, 'B'] = sentiment_score

# 将情感得分保存到Excel文件
df.to_excel('example_sentiment.xlsx', index=False)

以上代码使用jieba库进行中文分词，使用pandas库读取和保存Excel文件，使用codecs库读取中文情感词典。在对每个中文文本进行情感分析时，遍历分词后的词语，查找情感词典中是否存在该词语，并根据情感极性值计算情感得分。最后将情感得分保存到新的Excel文件中。请注意，代码中使用的情感词典只是示例，具体应根据实际情况选择和调整。