如果您想知道公司如何理解客户意见，或者社交媒体平台如何衡量公共情绪，那么您就在正确的位置。情感分析是数据科学与自然语言处理的交集的一个引人入胜的领域，而Python是执行此分析的最受欢迎的语言之一。无论您是Python的新手，还是对情感分析世界的新手，本教程都考虑到您的设计。

什么是情感分析？

情感分析，也称为意见挖掘，是使用自然语言处理，文本分析和计算语言学来识别和分类文本中表达的主观观点或感觉的过程。主要目的是将作者对特定主题，产品或服务的态度确定为正面，负面或中立。在某些高级形式中，情感分析也可能涉及确定情感的强度，甚至将其分类为更具体的情绪状态，例如“快乐”，“愤怒”或“悲伤”。

让我们使用简单的动手教程了解情感分析。我们将在本教程中使用Singlestore的笔记本功能。所以让我们开始吧！

先决条件

• Python installed
• SingleStore Notebook installed。注册并选择单闸笔记本功能
• 安装必需的Python软件包：TextBlob

您可以使用PIP安装TextBlob：

pip install textblob

创建SINGLESTORE笔记本的步骤

我们将使用Singlestore的笔记本功能（免费使用）作为本教程的开发环境。

SINGLESTORE笔记本扩展了Jupyter笔记本的功能，以使数据专业人员可以轻松地工作和玩耍。

什么是单闸？

SingleStore是一种分布式内存，SQL数据库管理系统，旨在高性能，高速应用。它提供了实时分析，并将传统操作数据库的功能与分析数据库的功能混合在一起，以允许在单个系统中执行交易和分析。

SingleStore使用笔记本的注册。

注册到Singlestore后，您还将获得600美元的免费计算资源。那为什么不利用这个机会

单击“笔记本”，然后从空白笔记本开始。

将其命名为“情感教程”或按照您的愿望。

让我们开始使用刚创建的笔记本。
遵循本步骤指南，并继续添加笔记本中每个步骤中显示的代码并执行。让我们开始！

步骤1：导入库

from textblob import TextBlob

步骤2：定义示例文本数据

我们将在此示例中使用样本句子列表。

sample_texts = [
    "I love programming.",
    "I hate bugs.",
    "I feel indifferent about documentation.",
    "Debugging is fun!",
    "I'm frustrated with errors."
]

步骤3：分析情感

我们将循环浏览示例文本并使用TextBlob分析他们的情感。

for text in sample_texts:
    analysis = TextBlob(text)
    polarity = analysis.sentiment.polarity
    subjectivity = analysis.sentiment.subjectivity

    if polarity > 0:
        sentiment = "Positive"
    elif polarity < 0:
        sentiment = "Negative"
    else:
        sentiment = "Neutral"

    print(f"Text: {text}")
    print(f"Sentiment: {sentiment}")
    print(f"Polarity: {polarity}")
    print(f"Subjectivity: {subjectivity}")
    print("------")

这将输出每个样本句子的情感，极性和主观性。

步骤4：解释结果

• 极性：范围为-1到1。负值表示负感，而正值表示正情绪。

• 主观性：范围从0到1。较高的值表明文本包含个人意见，情感或判断。

您可以将所有这些代码片段放在单口笔记本中，以创建一个完整的工作流程以进行基本情感分析。

完整的笔记本代码可在我的GitHub repository上找到。

祝贺您在Python！中完成“您的第一个情感分析项目”，您应该对情感分析的基础知识以及如何使用Python和Notebooks实施它。您不仅了解了理论，而且还将其应用于一个简单的动手项目。

当您继续进行数据科学的旅程时，请记住，情感分析只是冰山一角。还有无数其他令人兴奋的应用程序和技术在等您探索。下一个是什么？继续练习，考虑潜入更高级的主题，例如大型语言模型（LLM），兰链，矢量数据库等。

看看我谈论上述重要主题/概念的其他文章。