python情緒分析

㈠ python的作用

萬能編程語言「Python」的五大主要用途：
1、web開發
Python的誕生歷史比ewb還要早，由於Python是一種解釋型的腳本語言，開發效率高，所有非常適合用來做web開發。
Python有上百種web開發框架，有很多成熟的模板技術，選擇Python開發web應用，不但開發效率高，而且運行速度快。
常見的web開發框架：Django、flask、tornado等。
2、網路爬蟲
網路爬蟲是Python比較常用的一個場景，國際上，Google在早期大量地使用Python語言作為網路爬蟲的基礎，帶動了整個Python語言的應用發展。以前國內很多人用採集器搜刮網上的內容，現在用Python收集網上信息比以前容易了許多。比如：從各大網站抓取商品折扣信息，比較獲取最優選擇;對社交網路上發言進行收集分類，生成情緒地圖，分析語言習慣……爬蟲應用很多，幾乎每個人學習爬蟲之後都能夠通過爬蟲去做一些好玩有趣且有用的事情。
3、人工智慧
人工智慧是現在非常火的一個方向，AI熱潮讓Python語言的未來充滿了無限的潛力。
因為Python有很多庫很方便做人工智慧，比如Numpy、Scipy做數值計算的，Sklearn做機器學習的，pybrain做神經網路的，matplotlib做數據可視化的。在人工智慧大范疇領域內的數據挖掘、機器學習、神經網路、深度學習等方面都是主流的編程語言，得到廣泛的支持和應用。
4、數據分析
數據分析處理方面，Python有很完備的生態環境。大數據分析中涉及到的分布式計算、數據可視化、資料庫操作等，Python中都有成熟的模塊可以選擇完成其功能。對於Hadoop-MapRece和Spark，都可以直接使用Python完成計算邏輯，這無論對於數據科學家還是對於數據工程師而言都是十分便利的。
5、自動化運維
Python對於伺服器運維而言也有十分重要的用途。由於目前幾乎所有Linux發行版本都自帶了Python解釋器，使用Python腳本進行批量化的文件部署和運行調整都成了Linux伺服器上很不錯的選擇。Python中也包含了許多方便的工具，從調控ssh/sftp用的paramiko，到監控服務用的supervisor，再到bazel等構建工具，甚至conan等用於C++的包管理工具，Python提供了全方位的工具集合，而在這基礎上，結合web，開發方便運維的工具會變得十分簡單。

㈡ 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。

㈢ 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。

㈣ Python SnowNLP情感分析實踐與優化總結

由於語料缺乏，前期若使用到情感分析，建議暫時使用SnowNLP（此模塊主要使用淘寶評論語料）做情感挖掘，但不僅僅為單純調用，需要優化，下面是一些實踐思考：

可在此基礎上優化，比如文本需要特別處理，除了平常的去停用詞外，還可以需要對輸入的文本結合詞性等進行處理。

下面是一些常識：

一）無情感的詞語(如去停用詞，去掉語氣詞，無詞性標簽的詞語）

二）對於文本過長，則可以考慮提取關鍵詞或抽取文本摘要後再提取關鍵詞

對於後者實踐結果差異明顯：

以"發布了頭條文章： 《5分鍾11億！京東雙11場景化產品消費增長明顯》 5分鍾11億！京東雙11場景化產品消費增長明顯 "為例子， 顯然該文本為「積極****」文本。

1）s = SnowNLP（"發布了頭條文章：《5分鍾11億！京東雙11場景化產品消費增長明顯》 5分鍾11億！京東雙11場景化產品消費增長明顯"）

得分為0.5，明顯不符合

2）s = SnowNLP（「 」.join(jieba.analyse.textrank("發布了頭條文章：《5分鍾11億！京東雙11場景化產品消費增長明顯》 5分鍾11億！京東雙11場景化產品消費增長明顯")))

而對於文本特別長的，則可以先抽取摘要，再對摘要提取關鍵詞。

這主要由於此SnowNLP主要用貝葉斯機器學習方法進行訓練文本，機器學習在語料覆蓋上不夠，特徵上工程處理不當會減分，也沒考慮語義等。

為何要考慮語義層面：

以「 蘇寧易購，是誰給你們下架OV的勇氣****」 中的「 下架」其實才是中心詞（為表達憤怒的文本），但「 勇氣 」為下架的賓語（其為積極的文本），此句應該結果小於0.5，但實際為0.88，去掉「蘇寧易購」則為0.6>

㈤ Python能幹什麼，Python的應用領域

Python 作為一種功能強大的編程語言，因其簡單易學而受到很多開發者的青睞。那麼，Python 的應用領域有哪些呢？

概括起來，Python 的應用領域主要有如下幾個。

Web應用開發
Python 經常被用於 Web 開發。例如，通過 mod_wsgi 模塊，Apache 可以運行用 Python 編寫的 Web 程序。Python 定義了 WSGI 標准應用介面來協調 HTTP 伺服器與基於 Python 的 Web 程序之間的通信。

不僅如此，一些 Web 框架（如 Django、TurboGears、web2py 等等）可以讓程序員輕松地開發和管理復雜的Web程序。

舉個最直觀的例子，全球最大的搜索引擎 Google，在其網路搜索系統中就廣泛使用 Python 語言。另外，我們經常訪問的集電影、讀書、音樂於一體的豆瓣網，也是使用 Python 實現的。
操作系統管理、自動化運維開發
很多操作系統中，Python 是標準的系統組件，大多數 Linux 發行版以及 NetBSD、OpenBSD 和 Mac OS X 都集成了 Python，可以在終端下直接運行 Python。
有一些 Linux 發行版的安裝器使用 Python 語言編寫，例如 Ubuntu 的 Ubiquity 安裝器、Red Hat Linux 和 Fedora 的 Anaconda 安裝器等等。
另外，Python 標准庫中包含了多個可用來調用操作系統功能的庫。例如，通過 pywin32 這個軟體包，我們能訪問 Windows 的 COM 服務以及其他 Windows API；使用 IronPython，我們能夠直接調用 .Net Framework。
通常情況下，Python 編寫的系統管理腳本，無論是可讀性，還是性能、代碼重用度以及擴展性方面，都優於普通的 shell 腳本。
游戲開發
很多游戲使用 C++ 編寫圖形顯示等高性能模塊，而使用 Python 或 Lua 編寫游戲的邏輯。和 Python 相比，Lua 的功能更簡單，體積更小；而 Python 則支持更多的特性和數據類型。
編寫伺服器軟體
Python 對於各種網路協議的支持很完善，所以經常被用於編寫伺服器軟體以及網路爬蟲。
比如說，Python 的第三方庫 Twisted，它支持非同步網路編程和多數標準的網路協議（包含客戶端和伺服器端），並且提供了多種工具，因此被廣泛用於編寫高性能的伺服器軟體。
科學計算
NumPy、SciPy、Matplotlib 可以讓 Python 程序員編寫科學計算程序。
以上都只是 Python 應用領域的冰山一角，總的來說，Python 語言不僅可以應用到網路編程、游戲開發等領域，還可以在圖形圖像處理、只能機器人、爬取數據、自動化運維等多方面展露頭角，為開發者提供簡約、優雅的編程體驗。

㈥ 如何用Python做情感分析

可以使用snownlp包，也可以用nltk 和 scikit-learn 結合，或者自己寫演算法實現。
簡單話就是情感詞典的匹配，想提高效果的需要考慮特徵之間的搭配，語法順序等，可以查詢搜索相關的入門例子和演算法詳細了解。

㈦ Python一般可以用來干什麼呢

Python實際上是一種編程語言，在許多領域中都有廣泛的應用，例如最熱門的大數據分析，人工智慧，Web開發等。

1989年聖誕節，阿姆斯特丹，為了度過無聊的聖誕節，年輕人Guido決定開發一種新的編程語言。 Python(Boa Constrictor)的名字是因為他是Monty Python喜劇小組的粉絲。你看，技術是如此隨意...

㈧ 最受歡迎的 15 大 Python 庫有哪些

1、Pandas：是一個Python包，旨在通過「標記」和「關系」數據進行工作，簡單直觀。它設計用於快速簡單的數據操作、聚合和可視化，是數據整理的完美工具。
2、Numpy：是專門為Python中科學計算而設計的軟體集合，它為Python中的n維數組和矩陣的操作提供了大量有用的功能。該庫提供了NumPy數組類型的數學運算向量化，可以改善性能，從而加快執行速度。
3、SciPy：是一個工程和科學軟體庫，包含線性代數，優化，集成和統計的模塊。SciPy庫的主要功能是建立在NumPy上，通過其特定子模塊提供有效的數值常式，並作為數字積分、優化和其他常式。
4、Matplotlib：為輕松生成簡單而強大的可視化而量身定製，它使Python成為像MatLab或Mathematica這樣的科學工具的競爭對手。
5、Seaborn：主要關注統計模型的可視化(包括熱圖)，Seaborn高度依賴於Matplotlib。
6、Bokeh：獨立於Matplotlib，主要焦點是交互性，它通過現代瀏覽器以數據驅動文檔的風格呈現。
7、Plotly：是一個基於Web用於構建可視化的工具箱，提供API給一些編程語言(Python在內)。
8、Scikits：是Scikits
Stack額外的軟體包，專為像圖像處理和機器學習輔助等特定功能而設計。它建立在SciPy之上，中集成了有質量的代碼和良好的文檔、簡單易用並且十分高效，是使用Python進行機器學習的實際行業標准。
9、Theano：是一個Python軟體包，它定義了與NumPy類似的多維數組，以及數學運算和表達式。此庫是被編譯的，可實現在所有架構上的高效運行。
10、TensorFlow：是數據流圖計算的開源庫，旨在滿足谷歌對訓練神經網路的高需求，並且是基於神經網路的機器學習系統DistBelief的繼任者，可以在大型數據集上快速訓練神經網路。
11、Keras：是一個用Python編寫的開源的庫，用於在高層的介面上構建神經網路。它簡單易懂，具有高級可擴展性。
12、NLTK：主要用於符號學和統計學自然語言處理(NLP) 的常見任務，旨在促進NLP及相關領域(語言學，認知科學人工智慧等)的教學和研究。
13、Gensim：是一個用於Python的開源庫，為有向量空間模型和主題模型的工作提供了使用工具。這個庫是為了高效處理大量文本而設計，不僅可以進行內存處理，還可以通過廣泛使用NumPy數據結構和SciPy操作來獲得更高的效率。