快捷導(dǎo)航

Python實(shí)現(xiàn)爬取并分析電商評論

更新時間：2020年06月19日 10:10:00 作者：夏日的向日葵

這篇文章主要介紹了Python實(shí)現(xiàn)爬取并分析電商評論,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下

　　現(xiàn)如今各種APP、微信訂閱號、微博、購物網(wǎng)站等網(wǎng)站都允許用戶發(fā)表一些個人看法、意見、態(tài)度、評價、立場等信息。針對這些數(shù)據(jù)，我們可以利用情感分析技術(shù)對其進(jìn)行分析，總結(jié)出大量的有價值信息。例如對商品評論的分析，可以了解用戶對商品的滿意度，進(jìn)而改進(jìn)產(chǎn)品；通過對一個人分布內(nèi)容的分析，了解他的情緒變化，哪種情緒多，哪種情緒少，進(jìn)而分析他的性格。怎樣知道哪些評論是正面的，哪些評論是負(fù)面的呢？正面評價的概率是多少呢？

　　利用python的第三方模塊SnowNLP可以實(shí)現(xiàn)對評論內(nèi)容的情感分析預(yù)測，SnowNLP可以方便的處理中文文本內(nèi)容，如中文分詞、詞性標(biāo)注、情感分析、文本分類、提取文本關(guān)鍵詞、文本相似度計(jì)算等。大概大于等于0.5，可以判斷為正面評價——積極情感，小于0.5，可以判斷為負(fù)面評價——消極情感。

　　下面分析一組京東上某產(chǎn)品的評論數(shù)據(jù)并生成折線圖：

部分源數(shù)據(jù)：

實(shí)現(xiàn)過程：

#加載情感分析模塊
from snownlp import SnowNLP
#from snownlp import sentiment
import pandas as pd
import matplotlib.pyplot as plt
#導(dǎo)入樣例數(shù)據(jù)
aa ='F:\\python入門\\python編程錦囊\\Code（實(shí)例源碼及使用說明）\\Code（實(shí)例源碼及使用說明）\\Code（實(shí)例源碼及使用說明）\\09\\data\\京東評論.xls'
#讀取文本數(shù)據(jù)
df=pd.read_excel(aa)
#提取所有數(shù)據(jù)
df1=df.iloc[:,3]
print('將提取的數(shù)據(jù)打印出來：\n',df1)
#遍歷每條評論進(jìn)行預(yù)測
values=[SnowNLP(i).sentiments for i in df1]
#輸出積極的概率，大于0.5積極的，小于0.5消極的
#myval保存預(yù)測值
myval=[]
good=0
bad=0
for i in values:
  if (i>=0.5):
    myval.append("正面")
    good=good+1
  else:
    myval.append("負(fù)面")
    bad=bad+1
df['預(yù)測值']=values
df['評價類別']=myval
#將結(jié)果輸出到Excel
df.to_excel('F:\\python入門\\python編程錦囊\\Code（實(shí)例源碼及使用說明）\\Code（實(shí)例源碼及使用說明）\\Code（實(shí)例源碼及使用說明）\\09\\data\\result2.xls')
rate=good/(good+bad)
print('好評率','%.f%%' % (rate * 100)) #格式化為百分比
#作圖
y=values
plt.rc('font', family='SimHei', size=10)
plt.plot(y, marker='o', mec='r', mfc='w',label=u'評價分值')
plt.xlabel('用戶')
plt.ylabel('評價分值')
# 讓圖例生效
plt.legend()
#添加標(biāo)題
plt.title('京東評論情感分析',family='SimHei',size=14,color='blue')
plt.show()

Excel結(jié)果：