本文源自：https://zhuanlan.zhihu.com/p/28962461
記錄自己的實際操作
環(huán)境
Anaconda套裝，自帶科學計算的眾包。
windows系統(tǒng)
安裝
打開Anaconda命令行
依次執(zhí)行如下命令：
pip install snownlp
pip install -U textblob
python -m textblob.download_corpora #此條命令執(zhí)行完的時間很長，耐心等待
在命令提示符下鍵入：
jupyter notebook
你的文件
英文分析
英文分析需要用到的是 TextBlob包 。
用處也不少呢
上圖可以看出，這個包可以做許許多多跟文本處理相關的事情。但本文我們只專注于情感分析這一項。
from textblob import Textblob
text = "I am happy today. I feel sad today."
blob.sentences #劃分語句
blob.sentences[0].sentiment #分段結果，polarity 取值[-1,1],-1代表完全負面，1代表完全正面。subjectivity 主觀性
blob.sentiment #總的情感結果
運行過程
你可能會覺得沒有道理。怎么一句“高興”，一句“沮喪”，合并起來最后會得到正向結果呢？
首先不同極性的詞，在數值上是有區(qū)別的。我們應該可以找到比“沮喪”更為負面的詞匯。而且這也符合邏輯，誰會這么“天上一腳，地下一腳”矛盾地描述自己此時的心情呢？
中文
中文文本分析，我們使用的是 SnowNLP包 。這個包跟TextBlob一樣，也是多才多藝的。
才藝展示
我們還是先準備一下文本。這次我們換2個形容詞試試看。
text = u"我今天很快樂。我今天很憤怒。"
注意在引號前面我們加了一個字母u，它很重要。因為它提示Python，“這一段我們輸入的文本編碼格式是Unicode，別搞錯了哦”
操作步驟
輸出結果
這里你肯定發(fā)現(xiàn)了問題——“憤怒”這個詞表達了如此強烈的負面情感，為何得分依然是正的？
這是因為SnowNLP和textblob的計分方法不同。SnowNLP的情感分析取值，表達的是“這句話代表正面情感的概率”。也就是說，對“我今天很憤怒”一句，SnowNLP認為，它表達正面情感的概率很低很低。
