1. 用python做情感分析是text processing是自己搜集的數據嗎
提供了一組操作協議介面，主要用於規定採用哪種協議進行數據的讀寫，它內部包含一個傳輸類（TTransport）成員對象，通過TTransport對象從輸入輸出流中讀寫數據；
它規定了很多讀寫方式，例如：
readByte()
readDouble()
readString()
2. 用python找文獻，並從文本中分析情緒，做一個數據分析
到你的系統「終端」(macOS, Linux)或者「命令提示符」(Windows)下，進入我們的工作目錄demo，執行以下命令。
pip install snownlppip install -U textblobpython -m textblob.download_corpora
好了，至此你的情感分析運行環境已經配置完畢。
在終端或者命令提示符下鍵入：
jupyter notebook
你會看到目錄里之前的那些文件，忽略他們就好。
3. 如何用Python做情感分析
什麼是python ？？
4. 給了一堆數據 用python做文本情感分析 但是課題要求是事先將無意義的評論去處 這要怎麼做
既然你已經學到了數據分析，那麼基本的語法應該大都知道了吧。
這無非就是篩選數據的問題，先搞清楚什麼是「無意義的評論」，它滿足什麼條件，再遍歷評論，如果滿足這個「無意義」的條件，那麼就刪除掉就是了。
5. 用python對中文做情感分析，有沒有好的介面推薦
import jieba
import numpy as np
# 打開詞典文件，返回列表
def open_dict(Dict='hahah',path = r'/Users/zhangzhenghai/Downloads/Textming/'):
path = path + '%s.txt' %Dict
dictionary = open(path, 'r', encoding='utf-8')
dict = []
for word in dictionary:
word = word.strip('\n')
dict.append(word)
return dict
def judgeodd(num):
if num % 2 == 0:
return 'even'
else:
return 'odd'
deny_word = open_dict(Dict='否定詞')
posdict = open_dict(Dict='positive')
negdict = open_dict(Dict = 'negative')
degree_word = open_dict(Dict = '程度級別詞語',path=r'/Users/zhangzhenghai/Downloads/Textming/')
mostdict = degree_word[degree_word.index('extreme')+1: degree_word.index('very')] #權重4，即在情感前乘以3
verydict = degree_word[degree_word.index('very')+1: degree_word.index('more')] #權重3
moredict = degree_word[degree_word.index('more')+1: degree_word.index('ish')]#權重2
ishdict = degree_word[degree_word.index('ish')+1: degree_word.index('last')]#權重0.5
def sentiment_score_list(dataset):
seg_sentence = dataset.split('。')
count1 = []
count2 = []
for sen in seg_sentence: # 循環遍歷每一個評論
segtmp = jieba.lcut(sen, cut_all=False) # 把句子進行分詞，以列表的形式返回
i = 0 #記錄掃描到的詞的位置
a = 0 #記錄情感詞的位置
poscount = 0 # 積極詞的第一次分值
poscount2 = 0 # 積極反轉後的分值
poscount3 = 0 # 積極詞的最後分值（包括嘆號的分值）
negcount = 0
negcount2 = 0
negcount3 = 0
for word in segtmp:
if word in posdict: # 判斷詞語是否是情感詞
poscount +=1
c = 0
for w in segtmp[a:i]: # 掃描情感詞前的程度詞
if w in mostdict:
poscount *= 4.0
elif w in verydict:
poscount *= 3.0
elif w in moredict:
poscount *= 2.0
elif w in ishdict:
poscount *= 0.5
elif w in deny_word: c+= 1
if judgeodd(c) == 'odd': # 掃描情感詞前的否定詞數
poscount *= -1.0
poscount2 += poscount
poscount = 0
poscount3 = poscount + poscount2 + poscount3
poscount2 = 0
else:
poscount3 = poscount + poscount2 + poscount3
poscount = 0
a = i+1
elif word in negdict: # 消極情感的分析，與上面一致
negcount += 1
d = 0
for w in segtmp[a:i]:
if w in mostdict:
negcount *= 4.0
elif w in verydict:
negcount *= 3.0
elif w in moredict:
negcount *= 2.0
elif w in ishdict:
negcount *= 0.5
elif w in degree_word:
d += 1
if judgeodd(d) == 'odd':
negcount *= -1.0
negcount2 += negcount
negcount = 0
negcount3 = negcount + negcount2 + negcount3
negcount2 = 0
else:
negcount3 = negcount + negcount2 + negcount3
negcount = 0
a = i + 1
elif word == '！' or word == '!': # 判斷句子是否有感嘆號
for w2 in segtmp[::-1]: # 掃描感嘆號前的情感詞，發現後權值+2，然後退出循環
if w2 in posdict or negdict:
poscount3 += 2
negcount3 += 2
break
i += 1
# 以下是防止出現負數的情況
pos_count = 0
neg_count = 0
if poscount3 <0 and negcount3 > 0:
neg_count += negcount3 - poscount3
pos_count = 0
elif negcount3 <0 and poscount3 > 0:
pos_count = poscount3 - negcount3
neg_count = 0
elif poscount3 <0 and negcount3 < 0:
neg_count = -pos_count
pos_count = -neg_count
else:
pos_count = poscount3
neg_count = negcount3
count1.append([pos_count,neg_count])
count2.append(count1)
count1=[]
return count2
def sentiment_score(senti_score_list):
score = []
for review in senti_score_list:
score_array = np.array(review)
Pos = np.sum(score_array[:,0])
Neg = np.sum(score_array[:,1])
AvgPos = np.mean(score_array[:,0])
AvgPos = float('%.lf' % AvgPos)
AvgNeg = np.mean(score_array[:, 1])
AvgNeg = float('%.1f' % AvgNeg)
StdPos = np.std(score_array[:, 0])
StdPos = float('%.1f' % StdPos)
StdNeg = np.std(score_array[:, 1])
StdNeg = float('%.1f' % StdNeg)
score.append([Pos,Neg,AvgPos,AvgNeg,StdPos,StdNeg])
return score
data = '用了幾天又來評價的，手機一點也不卡，玩榮耀的什麼的不是問題，充電快，電池夠大，玩游戲可以玩幾個小時，待機應該可以兩三天吧，很贊'
data2 = '不知道怎麼講，真心不怎麼喜歡，通話時聲音小，新手機來電話竟然卡住了接不了，原本打算退，剛剛手機摔了，又退不了，感覺不會再愛，像素不知道是我不懂還是怎麼滴 感覺還沒z11mini好，哎要我怎麼評價 要我如何喜歡努比亞 太失望了'
print(sentiment_score(sentiment_score_list(data)))
print(sentiment_score(sentiment_score_list(data2)))
6. 怎樣用python處理文本情感分析
Python 有良好的程序包可以進行情感分類，那就是Python 自然語言處理包，Natural Language Toolkit ，簡稱NLTK 。NLTK 當然不只是處理情感分析，NLTK 有著整套自然語言處理的工具，從分詞到實體識別，從情感分類到句法分析，完整而豐富，功能強大。
7. 有大神會用python做網路評論文本的情感分析么有償
這個自學一會就會了，給你一個模型，自己研究一下，沒那麼難。
importjieba
importnltk.classify.util
fromnltk.
fromnltk.corpusimportnames
defword_feats(words):
returndict([(word,True)forwordinwords])
text1=open(r"積極.txt","r").read()
seg_list=jieba.cut(text1)
result1="".join(seg_list)
text2=open(r"消極.txt","r").read()
seg_list=jieba.cut(text2)
result2="".join(seg_list)
#數據准備
positive_vocab=result1
negative_vocab=result2
#特徵提取
positive_features=[(word_feats(pos),'pos')forposinpositive_vocab]
negative_features=[(word_feats(neg),'neg')forneginnegative_vocab]
train_set=negative_features+positive_features
#訓練模型
classifier=NaiveBayesClassifier.train(train_set)
#實戰測試
neg=0
pos=0
sentence=input("請輸入一句你喜歡的話：")
sentence=sentence.lower()
seg_list=jieba.cut(sentence)
result1="".join(seg_list)
words=result1.split("")
forwordinwords:
classResult=classifier.classify(word_feats(word))
ifclassResult=='neg':
neg=neg+1
ifclassResult=='pos':
pos=pos+1
print('積極：'+str(float(pos)/len(words)))
print('消極:'+str(float(neg)/len(words)))
8. python爬蟲獲取東方財富股票論壇內容分析，怎樣
付費可以幫寫
9. 用Python 進行股票分析 有什麼好的入門書籍或者課程嗎
概率炒股法：
用python獲取股票價格，如tushare，如果發現股票當天漲幅在大盤之上（2點30到2點50判斷），買入持有一天，下跌當天就別買，你可以用概率論方法，根據資金同時持有5支，10支或20支，這樣不怕停盤影響，理論上可以跑贏大盤。
還有一種是操作etf，如大盤50 etf,300 etf,中小板etf,創業板etf，當天2.30分判斷那個etf上漲就買入那支，不上漲什麼都不買，持有一天，第二天如是。
10. 用Python 進行股票分析 有什麼好的入門書籍或者課程嗎
個人覺得這問題問的不太對，說句不好的話，你是來搞編程的還是做股票的。
當然，如果題主只是用來搜集資料，看數據的話那還是可以操作一波的，至於python要怎麼入門，個人下面會推薦一些入門級的書籍，通過這些書籍，相信樓主今後會有一個清晰的了解（我們以一個完全不會編程的的新手來看待）。
《Learn Python The Hard Way》，也就是我們所說的笨辦法學python，這絕對是新手入門的第一選擇，裡面話題簡練，是一本以練習為導向的教材。有淺入深，而且易懂。
其它的像什麼，《Python源碼剖析》，《集體智慧編程》，《Python核心編程（第二版）》等題主都可以適當的選擇參讀下，相信都會對題主有所幫助。
最後，還是要重復上面的話題，炒股不是工程學科，它有太多的變數，對於現在的智能編程來說，它還沒有辦法及時的反映那些變數，所以，只能當做一種參考，千萬不可過渡依賴。
結語：pyhton相對來說是一種比較高端的學科，需要有很強的邏輯能力。所以入門是非常困難的，如果真的要學習，是需要很大的毅力去堅持下去的，而且不短時間就能入門了，要有所心理准備。