使用Python对用户评论进行情感分析并判断其态度是正面还是负面，通常需要借助一些情感分析库或API。其中，比较常用的库包括NLTK、TextBlob、VADER等。下面我将以VADER（Valence Aware Dictionary and sEntiment Reasoner）为例，介绍如何使用Python进行情感分析。

1. 安装必要的库

首先，你需要安装必要的Python库。你可以使用pip来安装vaderSentiment库：

```shell

pip install vaderSentiment

```

2. 导入必要的模块

在Python脚本中，导入所需的模块：

```python

from vaderSentiment.vaderSentiment import PolarityScores

```

3. 定义评论并进行情感分析

定义一个用户评论，并使用VADER进行情感分析。例如：

```python

comment = "我真的很喜欢这个产品！它的质量非常好，价格也很合理。"

scores = PolarityScores.polarity_scores(comment)

```

这里，`PolarityScores.polarity_scores()`函数将返回一个字典，其中包含评论的多个情感分析指标，如“compound”、“pos”、“neu”和“neg”。其中，“compound”指标表示整体情感倾向（正值表示正面情感，负值表示负面情感）。

4. 判断情感倾向

根据“compound”指标的值，可以判断评论的情感倾向。例如：

```python

if scores['compound'] > 0:

print("正面情感")

elif scores['compound'] < 0:

print("负面情感")

else:

print("中性情感")

```

当然，除了VADER之外，还有其他一些情感分析工具和库可供选择，如NLTK的NLP模块、TextBlob等。你可以根据自己的需求和偏好选择合适的工具进行情感分析。同时，需要注意的是，情感分析是一个复杂的问题，不同的工具和方法可能会得到不同的结果。因此，在使用任何情感分析工具时，都需要进行充分的测试和验证，以确保其准确性和可靠性。