大家好，我是Python進階者。

前言

前幾天有個學(xué)生娃子找我?guī)兔ψ鳇c可視化的作業(yè)，作業(yè)內(nèi)容包括采集網(wǎng)易云音樂熱評評論內(nèi)容，數(shù)據(jù)量1W作業(yè)足夠，然后就是做點數(shù)據(jù)分析相關(guān)的工作即可。這份大作業(yè)里邊有網(wǎng)絡(luò)爬蟲，有數(shù)據(jù)分析和數(shù)據(jù)處理，還有可視化，算是一個大實驗了，還需要上交實驗報告。這里拿出來部分知識點，給大家分享。學(xué)生娃的作業(yè)，參考了這個文章：網(wǎng)易云音樂評論爬取。

數(shù)據(jù)來源

首先是數(shù)據(jù)來源，來自網(wǎng)易云音樂熱評，代碼這里就不放出來了，調(diào)用了API獲取的，抓取難度就少了許多，這里不在贅述了。

分析過程

時間處理

下面的代碼主要是評論時間分布，主要是針對時間列做了數(shù)據(jù)處理，常規(guī)操作，你也對照的去以日期和月份去挖掘下有意思的事情。

import pandas as pd 
from pyecharts import Line 
 
# 讀取數(shù)據(jù) 
df = pd.read_csv('music_comments.csv', header=None, names=['name', 'userid', 'age', 'gender', 'city', 'text', 'comment', 'commentid', 'praise', 'date'], encoding='utf-8-sig') 
# 根據(jù)評論ID去重 
df = df.drop_duplicates('commentid') 
df = df.dropna() 
# 獲取時間 
df['time'] = [int(i.split(' ')[1].split(':')[0]) for i in df['date']] 
 
# 分組匯總 
date_message = df.groupby(['time']) 
date_com = date_message['time'].agg(['count']) 
date_com.reset_index(inplace=True) 
 
# 繪制走勢圖 
attr = date_com['time'] 
v1 = date_com['count'] 
line = Line("歌曲被爆抄襲后-評論的時間分布", title_pos='center', title_top='18', width=800, height=400) 
line.add("", attr, v1, is_smooth=True, is_fill=True, area_color="#000", is_xaxislabel_align=True, xaxis_min="dataMin", area_opacity=0.3, mark_point=["max"], mark_point_symbol="pin", mark_point_symbolsize=55) 
line.render("歌曲被爆抄襲后-評論的時間分布.html") 

運行之后，得到的效果圖如下所示：

可以看到評論的小伙伴喜歡在下午臨近下班和晚上的時候進行評論。

用戶評論數(shù)量

代碼和上面差不多，只需要更改下數(shù)據(jù)即可。

import pandas as pd 
 
# 讀取數(shù)據(jù) 
df = pd.read_csv('music_comments.csv', header=None, names=['name', 'userid', 'age', 'gender', 'city', 'text', 'comment', 'commentid', 'praise', 'date'], encoding='utf-8-sig') 
# 根據(jù)評論ID去重 
df = df.drop_duplicates('commentid') 
df = df.dropna() 
# 分組匯總 
user_message = df.groupby(['userid']) 
user_com = user_message['userid'].agg(['count']) 
user_com.reset_index(inplace=True) 
user_com_last = user_com.sort_values('count', ascending=False)[0:10] 
print(user_com_last) 

運行之后，得到的結(jié)果如下所示：

可以看到有忠粉，狂粉，評論數(shù)據(jù)上百，恐怖如斯。

評論詞云

詞云這個老生常談了，經(jīng)常做，直接套用模板，改下底圖即可，代碼如下：

from wordcloud import WordCloud 
import matplotlib.pyplot as plt 
import pandas as pd 
import random 
import jieba 
 
 
# 設(shè)置文本隨機顏色 
def random_color_func(word=None, font_size=None, position=None, orientation=None, font_path=None, random_state=None): 
    h, s, l = random.choice([(188, 72, 53), (253, 63, 56), (12, 78, 69)]) 
    return "hsl({}, {}%, {}%)".format(h, s, l) 
 
 
# 讀取信息 
df = pd.read_csv('music_comments.csv', header=None, names=['name', 'userid', 'age', 'gender', 'city', 'text', 'comment', 'commentid', 'praise', 'date'], encoding='utf-8-sig') 
# 根據(jù)評論ID去重 
df = df.drop_duplicates('commentid') 
df = df.dropna() 
words = pd.read_csv('chineseStopWords.txt', encoding='gbk', sep='\t', names=['stopword']) 
# 分詞 
text = '' 
for line in df['comment']: 
    text += ' '.join(jieba.cut(str(line), cut_all=False)) 
# 停用詞 
stopwords = set('') 
stopwords.update(words['stopword']) 
backgroud_Image = plt.imread('music.jpg') 
 
wc = WordCloud( 
    background_color='white', 
    mask=backgroud_Image, 
    font_path='FZSTK.TTF', 
    max_words=2000, 
    max_font_size=250, 
    min_font_size=15, 
    color_func=random_color_func, 
    prefer_horizontal=1, 
    random_state=50, 
    stopwords=stopwords 
) 
 
wc.generate_from_text(text) 
# img_colors = ImageColorGenerator(backgroud_Image) 
# 看看詞頻高的有哪些 
process_word = WordCloud.process_text(wc, text) 
sort = sorted(process_word.items(), key=lambda e: e[1], reverse=True) 
print(sort[:50]) 
plt.imshow(wc) 
plt.axis('off') 
wc.to_file("網(wǎng)易云音樂評論詞云.jpg") 
print('生成詞云成功!') 

最后生成的詞云圖如下所示：

用戶年齡

代碼和上面差不多，只需要更改下數(shù)據(jù)即可，這里直接放效果圖了，如下圖所示：

感覺還是年輕的粉絲居多啊!

地區(qū)分布

這個代碼稍微復(fù)雜一些了，畢竟涉及到地圖，代碼如下：

import pandas as pd 
from pyecharts import Map 
 
 
def city_group(cityCode): 
    """ 
    城市編碼 
    """ 
    city_map = { 
        '11': '北京', 
        '12': '天津', 
        '31': '上海', 
        '50': '重慶', 
        '5e': '重慶', 
        '81': '香港', 
        '82': '澳門', 
        '13': '河北', 
        '14': '山西', 
        '15': '內(nèi)蒙古', 
        '21': '遼寧', 
        '22': '吉林', 
        '23': '黑龍江', 
        '32': '江蘇', 
        '33': '浙江', 
        '34': '安徽', 
        '35': '福建', 
        '36': '江西', 
        '37': '山東', 
        '41': '河南', 
        '42': '湖北', 
        '43': '湖南', 
        '44': '廣東', 
        '45': '廣西', 
        '46': '海南', 
        '51': '四川', 
        '52': '貴州', 
        '53': '云南', 
        '54': '西藏', 
        '61': '陜西', 
        '62': '甘肅', 
        '63': '青海', 
        '64': '寧夏', 
        '65': '新疆', 
        '71': '臺灣', 
        '10': '其他', 
    } 
    cityCode = str(cityCode) 
    return city_map[cityCode[:2]] 
 
 
# 讀取數(shù)據(jù) 
df = pd.read_csv('music_comments.csv', header=None, names=['name', 'userid', 'age', 'gender', 'city', 'text', 'comment', 'commentid', 'praise', 'date'], encoding='utf-8-sig') 
# 根據(jù)評論ID去重 
df = df.drop_duplicates('commentid') 
df = df.dropna() 
# 進行省份匹配 
df['location'] = df['city'].apply(city_group) 
 
# 分組匯總 
loc_message = df.groupby(['location']) 
loc_com = loc_message['location'].agg(['count']) 
loc_com.reset_index(inplace=True) 
 
# 繪制地圖 
value = [i for i in loc_com['count']] 
attr = [i for i in loc_com['location']] 
print(value) 
print(attr) 
map = Map("歌曲被爆抄襲后評論用戶的地區(qū)分布圖", title_pos='center', title_top=0) 
map.add("", attr, value, maptype="china", is_visualmap=True, visual_text_color="#000", is_map_symbol_show=False, visual_range=[0, 60]) 
map.render('歌曲被爆抄襲后評論用戶的地區(qū)分布圖.html') 

最后得到的效果圖如下所示：

可以看到四川、廣東省的評論數(shù)量居多。

粉絲性別

代碼和上面的差不多，這里不再贅述，直接上效果圖了。

可以看到女粉絲占據(jù)了大頭。

總結(jié)

大家好，我是Python進階者。這篇文章主要基于網(wǎng)易云熱評數(shù)據(jù)，利用了Python中的數(shù)據(jù)處理庫pandas進行數(shù)據(jù)處理和分析，并利用可視化庫pyecharts給大家分享了相關(guān)圖形的制作方法，并發(fā)現(xiàn)了一些有趣的數(shù)據(jù)分析結(jié)果。