如何批量處理評論資訊情感分析，並且在時間軸上視覺化呈現？輿情分析並不難，讓我們用Python來實現它吧。

痛點

你是一家連鎖火鍋店的區域經理，很注重顧客對餐廳的評價。從前，你苦惱的是顧客不愛寫評價。最近因為餐廳火了，分店越來越多，寫評論的顧客也多了起來，於是你新的痛苦來了——評論太多了，讀不過來。

從我這兒，你瞭解到了情感分析這個好用的自動化工具，一下子覺得見到了曙光。

你從某知名點評網站上，找到了自己一家分店的頁面，讓助手把上面的評論和釋出時間資料弄下來。因為助手不會用爬蟲，所以只能把評論從網頁上一條條複製貼上到Excel裡。下班的時候，才弄下來27條。（注意這裡我們使用的是真實評論資料。為了避免對被評論商家造成困擾，統一將該餐廳的名稱替換為“A餐廳”。特此說明。）

好在你只是想做個試驗而已，將就了吧。你用我之前介紹的中文資訊情感分析工具，依次得出了每一條評論的情感數值。剛開始做出結果的時候，你很興奮，覺得自己找到了輿情分析的終極利器。

可是美好的時光總是短暫的。很快你就發現，如果每一條評論都分別執行一次程式，用機器來做分析，還真是不如自己挨條去讀省事兒。

怎麼辦呢？

序列

辦法自然是有的。我們可以利用《貸還是不貸：如何用Python和機器學習幫你決策？》一文介紹過的資料框，一次性處理多個資料，提升效率。

但是這還不夠，我們還可以把情感分析的結果在時間序列上視覺化出來。這樣你一眼就可以看見趨勢——近一段時間裡，大家是對餐廳究竟是更滿意了，還是越來越不滿意呢？

我們人類最擅長處理的，就是影像。因為漫長的進化史逼迫我們不斷提升對影像快速準確的處理能力，否則就會被環境淘汰掉。因此才會有“一幅圖勝過千言萬語”的說法。

準備

首先，你需要安裝Anaconda套裝。詳細的流程步驟請參考《 如何用Python做詞雲 》一文。

助手好不容易做好的Excel檔案restaurant-comments.xlsx，請從這裡下載。

用Excel開啟，如果一切正常，請將該檔案移動到我們們的工作目錄demo下。

因為本例中我們需要對中文評論作分析，因此使用的軟體包為SnowNLP。情感分析的基本應用方法，請參考《如何用Python做情感分析？》。

到你的系統“終端”(macOS, Linux)或者“命令提示符”(Windows)下，進入我們的工作目錄demo，執行以下命令。

pip install snownlp
pip install ggplot
複製程式碼

執行環境配置完畢。

在終端或者命令提示符下鍵入：

jupyter notebook
複製程式碼

如果Jupyter Notebook正確執行，下面我們就可以開始編寫程式碼了。

程式碼

我們在Jupyter Notebook中新建一個Python 2筆記本，起名為time-series。

首先我們引入資料框分析工具Pandas，簡寫成pd以方便呼叫。

import pandas as pd
複製程式碼

接著，讀入Excel資料檔案：

df = pd.read_excel("restaurant-comments.xlsx")
複製程式碼

我們看看讀入內容是否完整：

df.head()
複製程式碼

結果如下：

注意這裡的時間列。如果你的Excel檔案裡的時間格式跟此處一樣，包含了日期和時間，那麼Pandas會非常智慧地幫你把它識別為時間格式，接著往下做就可以了。

反之，如果你獲取到的時間只精確到日期，例如"2017-04-20"這樣，那麼Pandas只會把它當做字串，後面的時間序列分析無法使用字串資料。解決辦法是在這裡加入以下兩行程式碼：

from dateutil import parser
df["date"] = df.date.apply(parser.parse)
複製程式碼

這樣，你就獲得了正確的時間資料了。

確認資料完整無誤後，我們要進行情感分析了。先用第一行的評論內容做個小實驗。

text = df.comments.iloc[0]
複製程式碼

然後我們呼叫SnowNLP情感分析工具。

from snownlp import SnowNLP
s = SnowNLP(text)
複製程式碼

顯示一下SnowNLP的分析結果：

s.sentiments
複製程式碼

結果為：

0.6331975099099649
複製程式碼

情感分析數值可以正確計算。在此基礎上，我們需要定義函式，以便批量處理所有的評論資訊。

def get_sentiment_cn(text):
    s = SnowNLP(text)
    return s.sentiments
複製程式碼

然後，我們利用Python裡面強大的apply語句，來一次性處理所有評論，並且將生成的情感數值在資料框裡面單獨存為一列，稱為sentiment。

df["sentiment"] = df.comments.apply(get_sentiment_cn)
複製程式碼

我們看看情感分析結果：

df.head()
複製程式碼

新的列sentiment已經生成。我們之前介紹過，SnowNLP的結果取值範圍在0到1之間，代表了情感分析結果為正面的可能性。通過觀察前幾條資料，我們發現點評網站上，顧客對這家分店評價總體上還是正面的，而且有的評論是非常積極的。

但是少量資料的觀察，可能造成我們結論的偏頗。我們來把所有的情感分析結果數值做一下平均。使用mean()函式即可。

df.sentiment.mean()
複製程式碼

結果為：

0.7114015318571119
複製程式碼

結果數值超過0.7，整體上顧客對這家店的態度是正面的。

我們再來看看中位數值，使用的函式為median()。

df.sentiment.median()
複製程式碼

結果為：

0.9563139038622388
複製程式碼

我們發現了有趣的現象——中位數值不僅比平均值高，而且幾乎接近1（完全正面）。

這就意味著，大部分的評價一邊倒表示非常滿意。但是存在著少部分異常點，顯著拉低了平均值。

下面我們用情感的時間序列視覺化功能，直觀檢視這些異常點出現在什麼時間，以及它們的數值究竟有多低。

我們需要使用ggplot繪圖工具包。這個工具包原本只在R語言中提供，讓其他資料分析工具的使用者羨慕得流口水。幸好，後來它很快被移植到了Python平臺。

我們從ggplot中引入繪圖函式，並且讓Jupyter Notebook可以直接顯示影像。

%pylab inline
from ggplot import *
複製程式碼

這裡可能會報一些警告資訊。沒有關係，不理會就是了。

下面我們繪製圖形。這裡你可以輸入下面這一行語句。

ggplot(aes(x="date", y="sentiment"), data=df) + geom_point() + geom_line(color = 'blue') + scale_x_date(labels = date_format("%Y-%m-%d"))
複製程式碼

你可以看到ggplot的繪圖語法是多麼簡潔和人性化。只需要告訴Python自己打算用哪個資料框，從中選擇哪列作為橫軸，哪列作為縱軸，先畫點，後連線，並且可以指定連線的顏色。然後，你需要讓X軸上的日期以何種格式顯示出來。所有的引數設定跟自然語言很相似，直觀而且易於理解。

執行後，就可以看到結果圖形了。

在圖中，我們發現許多正面評價情感分析數值極端的高。同時，我們也清晰地發現了那幾個數值極低的點。對應評論的情感分析數值接近於0。這幾條評論，被Python判定為基本上沒有正面情感了。

從時間上看，最近一段時間，幾乎每隔幾天就會出現一次比較嚴重的負面評價。

作為經理，你可能如坐鍼氈。希望儘快瞭解發生了什麼事兒。你不用在資料框或者Excel檔案裡面一條條翻找情感數值最低的評論。Python資料框Pandas為你提供了非常好的排序功能。假設你希望找到所有評論裡情感分析數值最低的那條，可以這樣執行：

df.sort(['sentiment'])[:1]
複製程式碼

結果為：

情感分析結果數值幾乎就是0啊！不過這裡資料框顯示評論資訊不完全。我們需要將評論整體列印出來。

print(df.sort(['sentiment']).iloc[0].comments)
複製程式碼

評論完整資訊如下：

這次是在情人節當天過去的，以前從來沒在情人節正日子出來過，不是因為沒有男朋友，而是感覺哪哪人都多，所以特意錯開，這次實在是饞A餐廳了，所以趕在正日子也出來了，從下午四點多的時候我看排號就排到一百多了，我從家開車過去得堵的話一個小時，我一看提前兩個小時就在網上先排著號了，差不多我們是六點半到的，到那的時候我看號碼前面還有才三十多號，我想著肯定沒問題了，等一會就能吃上的，沒想到悲劇了，就從我們到那坐到等位區開始，大約是十分二十分一叫號，中途多次我都想走了，哈哈，哎，等到最後早上九點才吃上的，服務員感覺也沒以前清閒時周到了，不過這肯定的，一人負責好幾桌，今天節日這麼多人，肯定是很累的，所以大多也都是我自己跑腿，沒讓服務員給弄太多，就蝦滑讓服務員下的，然後環境來說感覺衛生方面是不錯，就是有些太吵了，味道還是一如既往的那個味道，不過A餐廳最人性化的就是看我們等了兩個多小時，上來送了我們一張打折卡，而且當次就可以使用，這點感覺還是挺好的，不愧是A餐廳，就是比一般的要人性化，不過這次就是選錯日子了，以後還是得提前預約，要不就別趕節日去，太火爆了！

通過閱讀，你可以發現這位顧客確實有了一次比較糟糕的體驗——等候的時間太長了，以至於使用了“悲劇”一詞；另外還提及服務不夠周到，以及環境吵鬧等因素。正是這些詞彙的出現，使得分析結果數值非常低。

好在顧客很通情達理，而且對該分店的人性化做法給予了正面的評價。

從這個例子，你可以看出，雖然情感分析可以幫你自動化處理很多內容，然而你不能完全依賴它。

自然語言的分析，不僅要看錶達強烈情感的關鍵詞，也需要考慮到表述方式和上下文等諸多因素。這些內容，是現在自然語言處理領域的研究前沿。我們期待著早日應用到科學家們的研究成果，提升情感分析的準確度。

不過，即便目前的情感分析自動化處理不能達到非常準確，卻依然可以幫助你快速定位到那些可能有問題的異常點(anomalies)。從效率上，比人工處理要高出許多。

你讀完這條評論，長出了一口氣。總結了經驗教訓後，你決定將人性化的服務貫徹到底。你又想到，可以收集使用者等候時長資料，用資料分析為等待就餐的顧客提供更為合理的等待時長預期。這樣就可以避免顧客一直等到很晚了。

祝賀你，經理！在資料智慧時代，你已經走在了正確的方向上。

下面，你該認真閱讀下一條負面評論了……

討論

除了情感分析和時間序列視覺化，你覺得還可以如何挖掘中文評論資訊？除了點評網站之外，你還知道哪些輿情分析的資料來源？歡迎留言分享給大家，我們一起交流討論。

喜歡請點贊。還可以微信關注和置頂我的公眾號“玉樹芝蘭”(nkwangshuyi)。

如果你對資料科學感興趣，不妨閱讀我的系列教程索引貼《如何高效入門資料科學？》，裡面還有更多的有趣問題及解法。