ビンビンステーションBからの何千ものコメントをクロールして、みんなが言ったことを確認してください！

データ解析

パンダをpddata = pd.read_excel（r "bingbing.xlsx"）としてインポートします
data.head（）

 

 

	ユーザー	性別	グレード	コメント	お気に入り

 

データの前処理

データの説明

data.describe（）

 

 

	グレード	お気に入り

 

空の値を削除する

data.dropna（）

 

 

	ユーザー	性別	グレード	コメント	お気に入り

 

1180行×5列

空の値を削除する

data.drop_duplicates（）

 

 

	ユーザー	性別	グレード	コメント	お気に入り

 

1179行×5列

視覚化

TOP20のように

df1 = data.sort_values（by = "点赞"、ascending = False）.head（20）from pyecharts import options as opts 
from pyecharts.charts import Bar 
from pyecharts.faker import Faker 

c1 =（
    Bar（）。
    add_xaxis（df1 ["评论"]。to_list（））。
    add_yaxis（ "点赞数"、df1 ["点赞"]。to_list（）、color = Faker.rand_color（））。
    set_global_opts（
        title_opts = opts.TitleOpts（title = "评论熱度Top20"）、
        datazoom_opts = [opts.DataZoomOpts（）、opts.DataZoomOpts（type_ = "inside"）]、
    ）。
    render_notebook（）
）
c1

 

 

グレード分布

。。データ等级.value_counts（）sort_index（昇順= False）が6 165 
5 502 
4 312 
3 138 
2 63
名：等级、DTYPE：int64from pyechartsインポートオプションOPTSとして
pyecharts.chartsからは、パイをインポート
pyecharts.fakerインポート偽物から

C2 = （
    Pie（）。
    add（
        ""、
        [list（z）for z in zip（[str（i）for i in range（2,7）]、[63,138,312,502,165]）]、
        radius = ["40％"、 "75％"]、
    ）。
    set_global_opts（
        title_opts = opts.TitleOpts（title = "等级分布"）、
        legend_opts = opts.LegendOpts（orient = "vertical"、pos_top = "15％"、pos_left = "2％"） 、 
    ）
    .set_series_opts（label_opts = opts.LabelOpts（formatter = "{b}：{c}"））。
    .render_notebook（）
）
c2

 

 

性別の分布

data.nicand.value_counts（）。sort_index（ascending = False）from pyecharts import options as opts 
from pyecharts.charts import Pie 
from pyecharts.faker import Faker 

c4 =（
    Pie（）。
    add（
        ""、
        [list（z）for z in zip（["男"、 "女"、 "保密"]、["404"、 '103'、 '673']）]、
        radius = ["40％"、 "75％"]、
    ）
    。 set_global_opts（
        title_opts = opts.TitleOpts（title = "性的ダウンロード"）、
        legend_opts = opts.LegendOpts（orient = "vertical"、pos_top = "15％"、pos_left = "2％"）、
    ）。
    set_series_opts（label_opts = opts .LabelOpts（formatter = "{b}：{c}"））
    。render_notebook（） 
    
）
c4

 

 

ワードクラウド図を描く

from wordcloud import WordCloud 
import jieba 
from tkinter import _flatten 
from matplotlib.pyplot import imread 
from PIL import Image、ImageDraw、ImageFont 
import matplotlib.pyplot as pltwith open（ 'stoplist.txt'、 'r'、encoding = 'utf-8'） as f：
    stopWords = f.read（）
with open（ '停用词.txt'、 'r'、encoding = 'utf-8'）as t：
    stopWord = t.read（）
total = stopWord.split（） + stopWords.split（）def my_word_cloud（data = None、stopWords = None、img = None）：
    dataCut = data.apply（jieba.lcut）＃分词
    dataAfter = dataCut.apply（lambda x：[i for i in x if私はstopWordsにありません]）＃去除停词wordFre 
    = pd.Series（_flatten（list（dataAfter）））。value_counts（）＃を计词
    mask = plt。imread（img）
    频plt。figure（figsize =（20,20））
    wc = WordCloud（scale = 10、font_path = 'C：/Windows/Fonts/STXINGKA.TTF',mask=mask,background_color= "white"、）
    wc.fit_words（wordFre）
    plt.imshow（wc）
    plt.axis（ 'off'）my_word_cloud（data = data ["评论"]、stopWords = stopWords、img = "1.jpeg"）

データ収集

追記

最近、多くの友人がプライベートメッセージを通じてPythonの学習問題について相談しました。コミュニケーションを促進するには、青をクリックしてディスカッションに参加し、自分でリソースベースに回答してください