假设经过专业⼈⼠构建有: negtive.txt positive.txt 两个情感词典, 使用jieba、os、re模块对csv文件进⾏统计， 输出结果 ⽂件名、正⾯词数、负⾯词数

可以使用Python来实现对CSV文件进行情感分析，并输出结果文件，具体步骤如下：

1. 首先读取negtive.txt和positive.txt两个情感词典，将里面的正面词和负面词分别存储在两个列表中。
2. 读取CSV文件，提取其中的文本数据，可以使用Python的csv库来实现。
3. 对文本数据进行预处理，包括分词、去除停用词、词性标注等处理，这可以使用Python的jieba和NLTK等自然语言处理库来实现。
4. 对处理后的文本数据进行情感分析，统计其中正面词和负面词的数量，可以使用Python的计数器（Counter）来实现。
5. 将每个文件的情感分析结果保存在一个字典中，字典的键为文件名，值为一个元组，包含正面词数和负面词数。
6. 将所有文件的情感分析结果写入输出文件中，输出文件包括文件名、正面词数和负面词数三列，可以使用Python的csv库来实现。

下面是一个示例代码，假设CSV文件的文本数据在第二列（即索引为1的列）中，输出结果保存在result.csv文件中：

import os
import re
import csv
import jieba
from collections import Counter
from nltk.corpus import stopwords
from nltk import pos_tag

# 读取情感词典
positive_words = []
negative_words = []
with open('positive.txt', 'r', encoding='utf-8') as f:
    for line in f:
        positive_words.append(line.strip())
with open('negative.txt', 'r', encoding='utf-8') as f:
    for line in f:
        negative_words.append(line.strip())

# 读取CSV文件
results = {}
with open('data.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    for row in reader:
        text = row[1]  # 假设文本数据在第二列中
        # 对文本数据进行预处理
        text = re.sub(r'[^\u4e00-\u9fa5]', '', text)  # 去除非中文字符
        words = jieba.cut(text)
        words = [word for word in words if word not in stopwords.words('chinese')]  # 去除停用词
        words = pos_tag(words)  # 词性标注

        # 对处理后的文本数据进行情感分析
        positive_count = Counter(word[0] for word in words if word[0] in positive_words)
        negative_count = Counter(word[0] for word in words if word[0] in negative_words)
        results[row[0]] = (sum(positive_count.values()), sum(negative_count.values()))

# 将结果写入输出文件
with open('result.csv', 'w', encoding='utf-8', newline='') as f:
    writer = csv.writer(f)
    writer.writerow(['文件名', '正面词数', '负面词数'])
    for filename, (positive_count, negative_count) in results.items():
        writer.writerow([filename, positive_count, negative_count])

需要注意的是，情感分析的准确性取决于模型的质量和文本数据的质量。因此，在进行情感分析前，需要对文本数据进行清洗和预处理，以及选择合适的情感分析模型。