数据可视化-《白蛇2：青蛇劫起》（2）

可视化分析

4、一周各天评论量

5、主要角色热度分析

6、可视化地图边界

这边这个前提工作我们在数据可视化-《白蛇2：青蛇劫起》（1）中已经运行过了，在这边再次放一下，方便观看使用，详情看数据可视化-《白蛇2：青蛇劫起》（1）中的步骤后再过来观看更有连续感。

工具包引入：

#数据处理
import numpy as np
import pandas as pd#可视化
import matplotlib.pyplot as plt
import seaborn as snsfrom pyecharts.charts import Map
from pyecharts import options as opts
from pyecharts.globals import ThemeType, SymbolType, ChartType

读取表格

df = pd.read_excel(r"C:\Users\1\Desktop\数据分析\白蛇(含省份)数据.xlsx")

可视化分析

4、一周各天评论量

首先我们进行查看，一周内各天评论量，代码如下：

df['评论时间'].dt.dayofweek.value_counts()#默认0星期一；1星期二

可以看到每天的具体评论量，其中0默认为星期一，1默认为星期二以此类推。

在这里因为上面的默认跟我们平常的习惯不大相同，所以我们对它进行加1操作。

df['星期'] = df['评论时间'].dt.dayofweek+1
comment_week = df.groupby('星期')['评论'].count()

拓展一下

做可视化图形时，我们可以直接拿系统中的颜色，代码如下

colors = sns.color_palette('husl')#可直接拿系统里面的颜色
colors
#下图色块分别是从0，1，2，3，4，5排序进行索引

做一个week_day_map的字典，后面使用map()函数进行调用

week_day_map = {1:'星期一',2:'星期二',3:'星期三',4:'星期四',5:'星期五',6:'星期六',7:'星期日'
}
plt.figure(figsize=(12,5))#figure像素为12×5
plt.plot(comment_week.index,comment_week.values,color=colors[5])
plt.bar(comment_week.index,comment_week.values,color=colors[0])
plt.ylim(0,5000)#设定y轴的界限
_ = plt.xticks(comment_week.index,comment_week.index.map(week_day_map))
plt.title('一周各天评论量')
plt.xlabel('天')
plt.ylabel('评论量')

运行后的结果如下，我们可以看到一周内每天的评论量。

5、主要角色热度分析

在这里我们将主要角色都罗列出来，并用join进行连接。

names = ['小白','小青','许仙','法海','司马','孙姐','牛头帮主','蒙面男子','宝青坊主','书生']#join进行拼接
temp = '和'.join(names)
temp

#字符串的count方法，是统计这个字符串，出现某个子串的次数
temp.count('小')

学会了join，我们现在可以将评论进行连接，采用字典的方式展现它们的姓名以及受到的评论次数。采用柱状图表示，在进行排列。代码如下：

content = ''.join(df['评论'].values.tolist())name_counts = []
for name in names:count = content.count(name)name_counts.append((name,count))names_counter = pd.DataFrame(data=name_counts,columns=['姓名','次数'])#从大到小进行排列
names_counter.sort_values('次数',inplace=True,ascending=False)
plt.figure(figsize=(12,5))
plt.bar(names_counter['姓名'],names_counter['次数'])plt.title('主要角色热度评价')
plt.xlabel('角色名称')
plt.ylabel('评论次数')

运行结果可以清楚看到评论小青的人数居多，书生、蒙面男子、牛头帮主极少。

6、可视化地图边界

将每个省份的评论量进行计算，通过map来展示各个省份评论，标题命名，从而让用户能够快速、直观的看到结果。代码如下：

data = df['省份'].value_counts()c = (Map(init_opts=opts.InitOpts()).add("",[list(z) for z in zip(data.index.tolist(),data.values.tolist())],"china").set_global_opts(title_opts=opts.TitleOpts(title="评论数量的地域分布"),visualmap_opts=opts.VisualMapOpts(max_=2209,min_=53,range_color=['pink','lightpink','blue']))
)c.render_notebook()

还没有结束，继续看下一篇数据可视化-《白蛇2：青蛇劫起》（3）