用户情感可视化分析—

数据链接：https://pan.baidu.com/s/1zzKSJJEhYr20aUtWSPgQWQ
提取码：1234

#导入相关库并读取数据
%matplotlib inline
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
data  = pd.read_csv("D:/天池竞赛/用户情感分析/earphone_sentiment.csv",encoding="gbk")
data

#词云
from wordcloud import WordCloud
import jieba
from PIL import Image

#对列表中每条评论数据进行处理，去掉停用词和符号
from string import punctuation
add_punc='，。、【 】 “”：；（）《》‘’{}？！⑦()、%^>℃：.”“^-——=&#@￥'
stop_words={'你','我','的','了','人','都','和','在','不','比','就','但','也','是','有','吧','很','还','啊','个','说','会','去','用','这','就是','但是','还是','还有','不是','现在','的话','觉得','不过','只是','因为','什么','如果','而且','森林','看看','没有','等','没','要','那','所以','自己','看过','这个','知道','一个','或者','后','吗','看'}
stop=add_punc+punctuation+str(stop_words)
list = data["content"].tolist()
ls = []
for i in list:words = jieba.lcut(i)for s in words:if s.strip() in stop:passelse:ls.append(s.strip())

#导入地图形状，构造词云
mask=np.array(Image.open("D:/天池竞赛/用户情感分析/map.jpg"))
wc =WordCloud(scale=6,font_path='simhei.ttf',     background_color='white',   max_font_size=500,           min_font_size=5,max_words=400,collocations=False,font_step=1,mask=mask
)

s=wc.generate(' '.join(ls))
fig,axes = plt.subplots(figsize=(18,18))
plt.axis('off')
plt.imshow(s)
wc.to_file('wc.jpg')

#柱状图
plt.figure(figsize=(20,8))
data['subject'].value_counts().plot.bar()

plt.figure(figsize=(20,8))
data['sentiment_word'].value_counts().plot.bar()

plt.figure(figsize=(10,8))
#将1，0，-1分别进行替换
data['sentiment_value'].replace(1,"好评",inplace=True)
data['sentiment_value'].replace(-1,"差评",inplace=True)
data['sentiment_value'].replace(0,"未填写或中评",inplace=True)
data['sentiment_value'].value_counts().plot.bar()

#相关性系数热力图
import seaborn as sns
one_hot_1 = pd.get_dummies(data["subject"])
plt.figure(figsize=(15,15))
sns.heatmap(one_hot_1.corr(),cmap='YlGnBu')

one_hot_2 = pd.get_dummies(data["sentiment_word"])
plt.figure(figsize=(15,15))
sns.heatmap(one_hot_2.corr(),cmap='YlGnBu')

one_hot_3 = pd.get_dummies(data['sentiment_value'])
plt.figure(figsize=(10,10))
data['sentiment_value'].replace(1,"好评",inplace=True)
data['sentiment_value'].replace(-1,"差评",inplace=True)
data['sentiment_value'].replace(0,"未填写或中评",inplace=True)
sns.heatmap(one_hot_3.corr(),cmap='YlGnBu')

用户情感可视化分析——天池竞赛相关推荐

天池比赛——用户情感可视化分析
天池比赛--用户情感可视化分析目录天池比赛--用户情感可视化分析前言一.读取数据,查看基本情况并做数据预处理引入相关库读取数据,基础分析数据空值处理,数据映射对评论进行分词分析二.词 ...
天池：数据分析达人赛1:用户情感可视化分析
[教学赛]数据分析达人赛1:用户情感可视化分析赛题背景赛题以网络舆情分析为背景,要求选手根据用户的评论来对品牌的议题进行数据分析与可视化.通过这道赛题来引导常用的数据可视化图表,以及数据分析方法, ...
【天池学习赛】数据分析达人赛1:用户情感可视化分析
赛题简介赛题以网络舆情分析为背景,要求选手根据用户的评论来对品牌的议题进行数据分析与可视化.通过这道赛题来引导常用的数据可视化图表,以及数据分析方法,对感兴趣的内容进行探索性数据分析. 赛题数据数 ...
【数据分析】数据分析达人赛1:用户情感可视化分析
目录赛题背景赛题数据 1.导入数据分组 2.文本清洗 3.绘制词云 4.情感分析 (SnowNLP计算情感得分) 5.绘制不同情感值的柱形图 6.不同主题下的情感得分柱形图 7.绘制不同情感词下的 ...
Tableau和BDP，哪个才是最适合中国用户的可视化分析工具？
本人数据分析师一枚,除了工作所需,自己对数据分析.数据可视化的产品工具都比较感兴趣,喜欢混迹于各种数据论坛,也发现和使用了不少数据工具,也积累了很多亲身经历.这两年数据可视化在国内越来越受到关注,今天 ...
毕设——电商产品评论数据的用户情感倾向分析
1.主要研究内容包括:(1)在查阅国内外文献资料的基础上,了解电商产品评论数据情感分析关键技术流程及国内外研究现状:(2)采用网络爬虫工具(如八爪鱼采集器)采集评论数据,实现文本去重.压缩去词等文本评 ...
超市产品关联性分析——天池竞赛
天池大赛产品关联性分析数据集:https://pan.baidu.com/s/1CFxIDu8enrCbj50JQlHiMg 提取码:1234 #首先进行数据预处理 import pandas as ...
基于Python股票网站数据爬虫情感可视化分析设计
开发软件:Pycharm 开发环境: Python3.6 开发技术:Requests,Pandas,numpy,csv,Matplotlib,SnowNLP,seaborn (1)getData爬取 ...
TableauBDP，哪个才是最适合中国用户的数据可视化分析工具？
作者:pledge 本人数据分析师一枚,除了工作所需,自己对数据分析.数据可视化的产品工具都比较感兴趣,喜欢混迹于各种数据论坛,也发现和使用了不少数据工具,也积累了很多亲身经历.这两年数据可视化在国内 ...

用户情感可视化分析——天池竞赛

用户情感可视化分析——天池竞赛相关推荐

最新文章

热门文章