在Python中，对中文文本进行情感极性分析通常需要使用一些专门的库，如`SnowNLP`、`jieba`和`TextBlob`等。这些库可以帮助我们处理中文文本，并提取出有用的信息来进行情感分析。

以下是一个简单的例子，使用`SnowNLP`库进行中文文本的情感极性分析：

首先，你需要安装`SnowNLP`库。你可以使用pip来安装：

```sh

pip install snownlp

```

然后，你可以使用以下Python代码来进行情感分析：

```python

from snownlp import SnowNLP

def analyze_sentiment(text):

# 初始化SnowNLP对象

s = SnowNLP(text)

# 得到文本的情感值（在-1到1之间）

sentiment_score = s.sentiments

return sentiment_score

# 测试文本

text = "这是一个很好的产品！"

sentiment_score = analyze_sentiment(text)

print("情感值:", sentiment_score) # 输出类似 0.95 的正情感值

```

注意：`SnowNLP`的情感分析模型是基于已有的语料库进行训练的，所以它并不能保证100%的准确性。而且，这个模型是针对中文的，如果你对其他语言进行情感分析，可能需要使用其他工具或库。

除了`SnowNLP`之外，你还可以考虑使用基于深度学习的模型进行情感分析，如BERT、ERNIE等模型。这些模型通常需要更多的计算资源和训练数据，但它们通常能提供更准确的情感分析结果。你可以使用如`Hugging Face`这样的库来加载和使用这些模型。

另外，如果你需要进行更复杂的情感分析任务（如对文本进行更细粒度的情感分类），你可能需要使用机器学习或深度学习的技术来训练自己的模型。这通常需要大量的训练数据和计算资源，但如果你有这些资源，这可能是最准确的方法来进行情感分析。