用pyhton写一份基于Nlp的流浪地球影评情感分析

以下是一个使用Python进行基于NLP的流浪地球影评情感分析的示例代码：

import nltk
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize
from nltk.sentiment import SentimentIntensityAnalyzer
import pandas as pd

# 加载停用词表
stop_words = set(stopwords.words('english'))

# 加载情感分析器
sia = SentimentIntensityAnalyzer()

# 加载影评数据
reviews = pd.read_csv('reviews.csv')

# 分词、去除停用词和计算情感分数
scores = []
for review in reviews['text']:
    tokens = word_tokenize(review)
    filtered_tokens = [token for token in tokens if token not in stop_words]
    score = sia.polarity_scores(' '.join(filtered_tokens))
    scores.append(score)

# 输出情感分数
for i in range(len(scores)):
    print('影评{}的情感分数为: {}'.format(i+1, scores[i]))

该代码使用NLTK库进行情感分析，首先加载了停用词表和情感分析器，然后读取了存储在CSV文件中的影评数据。接下来，对每一篇影评进行了分词、去除停用词和计算情感分数的处理，并将结果存储在一个列表中。最后，输出了每篇影评的情感分数。

在使用该代码时，需要将影评数据存储在名为'reviews.csv'的CSV文件中，并包含一个名为'text'的列，其中包含了每篇影评的文本内容。在输出结果中，每篇影评的情感分数包括了'neg'、'neu'、'pos'和'compound'四个指标，分别表示负面情感分数、中性情感分数、正面情感分数和综合情感分数。

该代码可以帮助我们深入了解观众对《流浪地球》的情感反应，从而提供有价值的参考和分析。