先上图:
申明:采用图像仅用作美化词云展示效果,评论内容与图像无关!
更新2021年2月23日
[*]修改了目录结构,使其看起来更加清晰明了
[*]取消了jieba分词,让词云还原评论本质
[*]尝试使用pyecharts作图(TODO)未完成
功能实现:
[*]获取程序运行路径,方便服务器部署
[*]pandas 读取csv指定列保存到txt
[*]使用中文分词 jieba 对评论做语言处理
[*]使用停用词排除干扰
[*]使用 Worldcloud 创建词云
[*]使用自定义画像美化词云
注意:worldcloud 使用pip install 无法直接安装成功(macos,linux 未测试)安装worldcloud 需要whl文件,imgs文件夹中附带了适配win10 64位 python3.9版本的whl文件,相同环境可以直接使用 pip install 绝对路径+wordcloud-1.8.1-cp39-cp39-win_amd64.whl安装其他python版本的可以到这里下载whl文件 https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud最后建议脚本运行环境为python 3.8以上 因为脚本使用了3.8版本的新特性代码展示:from wordcloud import WordCloud
from imageio import imread
import pandas as pd
import os
import logging as log
# 设置停用词
stopword = ['什么', '没有', '真的', '这种', '那里',
'就是', '可以', '一个', '还是', '最后',
'这个', '但是', '总之', '不要', '这部',
'一部', '故事', '这么', '出来', '应该',
'电影', '不是', '为了', '还有', '你们',
'系列', '觉得', '自己', '已经', '整个',
'一直', '还是', '出来', '完全', '看到'
'那个', '之后', '除了', '其中', '长泽雅美',
'陈思诚', '妻夫木聪', '浅野忠信', '铃木保奈美',
'the','world','大过年的','三浦友和']
# def fenci():
# # 设置用户字典
# jieba.load_userdict(parent_dir+"\\imgs\\自定义字典.txt")
# with open(filepath, "r", encoding="utf8") as f:
# file = f.read()
#
# # 数据清洗
# wordslist = jieba.lcut(file)
# with open(parent_dir + "\\tmp\\分词结果.txt", "w", encoding="utf8") as f:
# f.write(" ".join(wordslist))
# log.info("数据分词完毕,开始清洗...")
# regworld = list()
# for i in wordslist:
# if len(i) > 1:
# regworld.append(i)
#
#
# outworld = list()
# for i in regworld:
# if i not in stopword:
# outworld.append(i)
# with open(parent_dir+"\\tmp\\清洗结果.txt", "w", encoding="utf8") as f:
# f.write(" ".join(outworld))
# words = " ".join(outworld)
# return words
def creatCiYun(words):
log.info("数据清洗完毕,开始画图...")
fontpath = parent_dir + "\\imgs\\Alibaba-PuHuiTi-Regular.ttf"
bgpic = imread(parent_dir + "\\imgs\\3.png")
wc = WordCloud(font_path=fontpath,stopwords=stopword,
mask=bgpic,scale=3,
background_color='white', )
wc = wc.generate(words)
wc.to_file(parent_dir + "\\tmp\\唐探3.png")
if __name__ == '__main__':
# 日志初始化
log.basicConfig(level=log.INFO, format='%(asctime)s - %(filename)s - %(levelname)s: %(message)s')
# 获取相对路径
parent_dir = os.path.dirname(os.path.abspath(__file__))
log.debug(f"程序运行路径{parent_dir}")
filepath = parent_dir + "\\tmp\\tempdata.txt"
# 判断程序是否首次运行,是则读取csv,非首次运行不需要读取csv
try:
f = open(filepath, "r")
f.close()
except IOError:
log.info("初始化中....")
f = open(filepath, "w", encoding="utf8")
f.close()
# 读取评论
df = pd.read_csv(parent_dir + '\\imgs\\Ori.csv', usecols=)
# 提取所有评论写入txt,为分词做准备工作
df.to_csv(filepath, sep="\t", index=False, header=None)
# data = fenci()
with open(parent_dir+"\\tmp\\tempdata.txt","r",encoding="utf8") as f:
data = f.read()
creatCiYun(data)
补充一下项目地址,不然没有图像,字体资源,程序无法直接运行https://gitee.com/Rt_hum/three-words-of-tang-tan
感谢论坛的活动,学习了词云可视化
看我的！ 看我的！……
半天没相应
咋至今也没有最佳答案呢。？ 这是一个很有趣的挑战！在这里，我将演示如何使用Python库Pandas和Matplotlib来处理和可视化唐探3口碑数据。
首先，让我们导入必要的库并加载数据：
```python
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('Ori.csv')
```
接下来，我们可以检查一下数据的前几行和概览：
```python
print(df.head())
print(df.info())
```
根据数据概览，我们可以看到数据集包含4个列：电影名称、评分、评论和时间戳。其中，时间戳列没有用，可以删除。
```python
df.drop('timestamp', axis=1, inplace=True)
```
接下来，让我们来看一下唐探3的整体评分分布：
```python
plt.hist(df['rating'], bins=10, edgecolor='black')
plt.title('唐探3评分分布')
plt.xlabel('评分')
plt.ylabel('数量')
plt.show()
```
这将绘制唐探3的评分直方图。
我们也可以使用箱形图来显示唐探3的评分分布：
```python
plt.boxplot(df['rating'], vert=False)
plt.title('唐探3评分分布')
plt.xlabel('评分')
plt.yticks([])
plt.show()
```
下一步，我们将使用词云来显示唐探3评论中最常用的词汇。我们将使用Python库wordcloud和jieba来实现。
```python
from wordcloud import WordCloud
import jieba
# 将所有评论拼接成一个字符串
comments = ' '.join(df['comment'])
# 使用jieba进行中文分词
words = ' '.join(jieba.cut(comments))
# 生成词云
wc = WordCloud(background_color='white', width=800, height=400).generate(words)
# 显示词云
plt.imshow(wc, interpolation='bilinear')
plt.axis('off')
plt.show()
```
最后，我们可以使用柱形图来显示唐探3的评分随时间的变化趋势：
```python
# 将时间戳转换为datetime类型
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d %H:%M:%S')
# 按照日期对评分进行平均
df = df.groupby('date')['rating'].mean().reset_index()
# 绘制柱形图
plt.bar(df['date'], df['rating'])
plt.title('唐探3评分变化趋势')
plt.xlabel('日期')
plt.ylabel('评分')
plt.show()
```
这将绘制唐探3的评分随时间的变化趋势图。
综上，这些代码可以让我们从不同角度分析唐探3的口碑数据。你可以进一步加工这些代码，制作出更漂亮的图表。
页:
1
[2]