先介紹一些語(yǔ)句

%matplotlib inline 可以在Ipython編譯器里直接使用，功能是可以內(nèi)嵌繪圖，并且可以省略掉plt.show()這一步，是一個(gè)魔法函數(shù)。

data['comment_star'].value_counts()? # 將data的對(duì)應(yīng)name的列的元素排序統(tǒng)計(jì)。

data.log[3]? # 提取DataFrame對(duì)應(yīng)index的那一行裝換成Series并把列的name轉(zhuǎn)為index。

data.log[3, 'x']? # 在上面的基礎(chǔ)上提取index為‘x’的元素（注意是從Series提取）

Series.index() Series.values() 分別提取Series的值與索引 輸出<class 'numpy.ndarray'>

Series類的str屬性:針對(duì)字符串進(jìn)行處理

findall() 查找所有符合正則表達(dá)式的字符并以數(shù)組形式返回,get() 獲取指定位置的字符串

import pandas as pd

from pandas import Series,DataFrame

from matplotlib import pyplot as plt

import seaborn as sns

from wordcloud import WordCloud, STOPWORDS

from PIL import Image #導(dǎo)入模塊PIL(Python Imaging Library)圖像處理庫(kù)

import numpy as np #導(dǎo)入模塊numpy，多維數(shù)組

import matplotlib

%matplotlib inline

data = pd.read_csv('input.csv')

data.loc[data['comment_star'] == 'sml-str1','comment_star'] = 'sml-str10'

# 將data"comment_star"列的數(shù)據(jù)'sml-str1'轉(zhuǎn)為'sml-str10'

data['stars'] = data['comment_star'].str.findall(r'\d+').str.get(0)? # 提取數(shù)字?

data['stars'] = data['stars'].astype('float')/10? # 將分?jǐn)?shù)縮小10倍

sns.countplot(data=data, x='stars')

data.comment_time = pd.to_datetime(data.comment_time.str.findall(r'\d{4}-\d{2}-\d{2} .+').str.get(0))? # 切分時(shí)間方便之后分析

data['year'] = data.comment_time.dt.year

data['month'] = data.comment_time.dt.month

data['weekday'] = data.comment_time.dt.weekday

data['hour'] = data.comment_time.dt.hour

df=data.groupby(['hour', 'weekday']).count()? # 以指定的這兩個(gè)name進(jìn)行分組

fig1, ax1=plt.subplots(figsize=(14,4))

print(fig1, type(ax1))

df['cus_id'].unstack().plot(ax=ax1, style='-.')

data['comment_len'] = data['cus_comment'].str.len()? # 查看評(píng)論長(zhǎng)度

fig2, ax2=plt.subplots()

sns.boxplot(x='stars',y='comment_len',data=data,ax=ax2)

ax2.set_ylim(0,600)? # 設(shè)置最大y值

data['cus_comment1'] = data['cus_comment'].str.replace(r'[^\u4e00-\u9fa5]','').str.replace('收起評(píng)論','')? # 使用Unicode 消去非中文字符

#中文分詞

import jieba

infile = open("stopwords.txt",encoding='utf-8')

stopwords_lst = infile.readlines()

STOPWORDS = [x.strip() for x in stopwords_lst]

stopwords = set(STOPWORDS)? # 設(shè)置停用詞

data['cus_comment1'].fillna(' ',inplace=True)? # 將None數(shù)據(jù)轉(zhuǎn)為空格

data['cus_comment1'] = data['cus_comment1'].apply(lambda x:' '.join(jieba.cut(x)))? # 分詞

data[['cus_id','stars','cus_comment1']].to_csv(path_or_buf='data-out.csv')? # 保存為csv

matplotlib.rcParams['font.sans-serif'] = ['KaiTi']#作圖的中文

matplotlib.rcParams['font.serif'] = ['KaiTi']#作圖的中文

def ciyun(shop_ID='all'):

? ? texts = data['cus_comment1']

? ? if shop_ID == 'all':

? ? ? ? text = ' '.join(texts)

? ? else:

? ? ? ? text = ' '.join(texts[data['shopID']==shop_ID])

? ? wc = WordCloud(font_path="simsun.ttc", background_color='white', max_words=100, ????????stopwords=stopwords, max_font_size=80, random_state=42, margin=3)? # 配置詞云參數(shù)

? ? wc.generate(text)? # 生成詞云

? ? plt.imshow(wc,interpolation="bilinear")? # 作圖

? ? plt.axis("off")? # 不顯示坐標(biāo)軸

? ? ? ??

總結(jié)：

主要使用pandas、matplolib、seaborn

本次程序?qū)崿F(xiàn)了分析總打分?jǐn)?shù)、商品打分?jǐn)?shù)、消費(fèi)時(shí)間，將分詞保存為csv，詞云展示評(píng)價(jià)