【資料視覺化】周杰倫新歌《Mojito》豆瓣短評資料

helaoshi發表於2020-06-26

豆瓣音樂短評資料分析

資料來源:豆瓣音樂短評

資料量:498條。

資料讀入

In [1]:
# 匯入包import numpy as np import pandas as pd import jieba  import time  import requests from pyecharts.charts import Pie, Bar, Line, Pagefrom pyecharts import options as opts from pyecharts.globals import SymbolType
In [2]:
# 讀入資料df_douban = pd.read_csv('/home/kesci/input/mojito6931/Mojito豆瓣短評資料6.12.csv')df_douban.head()
Out[2]:
user_name user_url rating_num comment_time content vote_count
0 銳利修蕊 user-stars allstar20 rating 2020-06-12 比前幾首玩票性質的單曲當然是認真了很多。但是這個歌有任何令人驚喜的地方嗎?沒有,好久沒聽到能... 1238
1 twotwo user-stars allstar20 rating 2020-06-12 建議周杰倫老老實實過婚後生活吧,演唱會水時長,發新歌感覺純粹為了去古巴旅遊順便拍了個vlog... 1038
2 Costi user-stars allstar50 rating 2020-06-12 二十年鐵粉夏日落淚。一個有趣的小知識,如果有人吐槽「周郎才盡」足夠早,到今天也差不多十五年了... 930
3 Santé NaN 2020-06-12 屬於那種Spotify 新歌推送,聽到會直接切走的歌 259
4 月山行 NaN 2020-06-12 比前幾首好很多了,但還沒有達到周杰倫的正常水平。感覺他的問題是生活太滋潤了,沒有早年的傷春悲... 122
In [3]:
# 重複值df_douban.duplicated().sum()
Out[3]:
0
In [4]:
df_douban.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 498 entries, 0 to 497
Data columns (total 6 columns):
user_name       498 non-null object
user_url        498 non-null object
rating_num      467 non-null object
comment_time    498 non-null object
content         498 non-null object
vote_count      498 non-null int64
dtypes: int64(1), object(5)
memory usage: 23.4+ KB

資料預處理

  1. 刪除多餘的列:user_url、comment_time
  2. rating_num:提取星級
  3. content:分詞和關鍵詞提取
In [5]:
# 提取星級df_douban['star'] = df_douban.rating_num.str.extract(r'(\d)')# 刪除列df_douban = df_douban.drop(['rating_num', 'user_url', 'comment_time'], axis=1) df_douban.head(3)
Out[5]:
user_name content vote_count star
0 銳利修蕊 比前幾首玩票性質的單曲當然是認真了很多。但是這個歌有任何令人驚喜的地方嗎?沒有,好久沒聽到能... 1238 2
1 twotwo 建議周杰倫老老實實過婚後生活吧,演唱會水時長,發新歌感覺純粹為了去古巴旅遊順便拍了個vlog... 1038 2
2 Costi 二十年鐵粉夏日落淚。一個有趣的小知識,如果有人吐槽「周郎才盡」足夠早,到今天也差不多十五年了... 930 5
In [6]:
# 異常值df_douban['content'] = df_douban.content.replace('?', '微笑')
In [7]:
# 輸入API Key和Secret Keyak = 'iBrqRI4BQunrDH7Bi1060bBG'sk = 'IkBdZFZQ2kBKVp3i1iXlDVcZzPQdGNmP'host = '{}&client_secret={}'.format(ak, sk)# 發起請求r = requests.post(host) # 獲取tokentoken = r.json()['access_token']def get_sentiment_score(text):
    """    輸入文字,返回情感傾向得分    """
    url = '{}'.format(token)
    data = {
        'text': text
    } 
    data = json.dumps(data)  #字典-字串
    # 發起請求
    try:
        res = requests.post(url, data=data, timeout=3)
        items_score = res.json()['items']
    except Exception as e:
        time.sleep(3)  
        res = requests.post(url, data=data, timeout=3)
        items_score = res.json()['items']
    return items_score
In [8]:
score_list = [] step = 0for i in df_douban['content']:
    score = get_sentiment_score(i)
    # 列印進度
    step += 1
    print('我正在獲取第{}個評分'.format(step), end='\r') 
    score_list.append(score)
我正在獲取第498個評分
In [9]:
# 提取正負機率positive_prob = [i[0]['positive_prob'] for i in score_list]negative_prob = [i[0]['negative_prob'] for i in score_list]df_douban['positive_prob'] = positive_probdf_douban['negative_prob'] = negative_prob# 正負向df_douban['label'] = ['正向' if i >0.5 else '負向' for i in df_douban.positive_prob]df_douban.head()
Out[9]:
user_name content vote_count star positive_prob negative_prob label
0 銳利修蕊 比前幾首玩票性質的單曲當然是認真了很多。但是這個歌有任何令人驚喜的地方嗎?沒有,好久沒聽到能... 1238 2 0.989113 0.010887 正向
1 twotwo 建議周杰倫老老實實過婚後生活吧,演唱會水時長,發新歌感覺純粹為了去古巴旅遊順便拍了個vlog... 1038 2 0.000569 0.999431 負向
2 Costi 二十年鐵粉夏日落淚。一個有趣的小知識,如果有人吐槽「周郎才盡」足夠早,到今天也差不多十五年了... 930 5 0.353984 0.646016 負向
3 Santé 屬於那種Spotify 新歌推送,聽到會直接切走的歌 259 NaN 0.958526 0.041474 正向
4 月山行 比前幾首好很多了,但還沒有達到周杰倫的正常水平。感覺他的問題是生活太滋潤了,沒有早年的傷春悲... 122 NaN 0.997686 0.002314 正向

資料視覺化

豆瓣短評評分佔比

In [10]:
# 計數star_num = df_douban.star.value_counts()star_num = star_num.sort_index()star_num
Out[10]:
1     20
2     83
3    185
4    102
5     77
Name: star, dtype: int64
In [11]:
# 資料對data_pair = [list(z) for z in zip([i+'星' for i in star_num.index], star_num.values.tolist())]# 餅圖pie1 = Pie(init_opts=opts.InitOpts(width='1350px', height='750px'))pie1.add('', data_pair, radius=['35%', '60%'])pie1.set_global_opts(title_opts=opts.TitleOpts(title='豆瓣短評評分佔比'), 
                     legend_opts=opts.LegendOpts(orient='vertical', pos_top='15%', pos_left='2%')
                    ) pie1.set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{d}%'))pie1.render_notebook()
Out[11]:

基於百度AI評論情感得分

In [12]:
bins = [0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0] score_num = pd.cut(df_douban.positive_prob, bins=bins)score_num = score_num.value_counts().sort_index()score_num
Out[12]:
(0.0, 0.1]    161
(0.1, 0.2]     24
(0.2, 0.3]     12
(0.3, 0.4]     13
(0.4, 0.5]     20
(0.5, 0.6]     12
(0.6, 0.7]     16
(0.7, 0.8]     11
(0.8, 0.9]     31
(0.9, 1.0]    198
Name: positive_prob, dtype: int64
In [13]:
# 柱形圖bar1 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))bar1.add_xaxis(score_num.index.astype('str').tolist())bar1.add_yaxis('', score_num.values.tolist(), category_gap='0%')bar1.set_global_opts(title_opts=opts.TitleOpts(title='基於百度AI評論情感得分'), 
                     visualmap_opts=opts.VisualMapOpts(max_=200))bar1.render_notebook()
Out[13]:

豆瓣正向評分詞雲圖-正向評分的原因?

In [14]:
def get_cut_words(content_series):
    # 讀入停用詞表
    stop_words = [] 
    
    with open(r"/home/kesci/input/stop6931/哈工大停用詞表.txt", 'r', encoding='gb18030') as f:
        lines = f.readlines()
        for line in lines:
            stop_words.append(line.strip())
    # 新增關鍵詞
    my_words = ['周杰倫', '一首歌']  
    for i in my_words:
        jieba.add_word(i) #     自定義停用詞
    my_stop_words = ['歌有', '真的', '這首', '一首', '一點', 
                    '反正', '一段', '一句', '首歌'] 
    stop_words.extend(my_stop_words)               
    # 分詞
    word_num = jieba.lcut(content_series.str.cat(sep='。'), cut_all=False)
    # 條件篩選
    word_num_selected = [i for i in word_num if i not in stop_words and len(i)>=2]
    
    return word_num_selected
In [15]:
text1 = get_cut_words(content_series=df_douban[(df_douban.star=='4')|(df_douban.star=='5')]['content'])text1[:5]
Building prefix dict from the default dictionary ...
Dumping model to file cache /tmp/jieba.cache
Loading model cost 0.803 seconds.
Prefix dict has been built succesfully.
Out[15]:
['二十年', '鐵粉', '夏日', '落淚', '有趣']
In [16]:
! pip install stylecloud
Collecting stylecloud
  Downloading (262kB)
    100% |████████████████████████████████| 266kB 1.4MB/s ta 0:00:01
Requirement already satisfied: wordcloud in /opt/conda/lib/python3.6/site-packages (from stylecloud)
Collecting icon-font-to-png (from stylecloud)
  Downloading (161kB)
    100% |████████████████████████████████| 163kB 2.3MB/s ta 0:00:01
Collecting palettable (from stylecloud)
  Downloading (111kB)
    100% |████████████████████████████████| 112kB 2.5MB/s ta 0:00:01
Collecting fire (from stylecloud)
  Downloading (81kB)
    100% |████████████████████████████████| 81kB 2.9MB/s ta 0:00:011
Requirement already satisfied: matplotlib in /opt/conda/lib/python3.6/site-packages (from stylecloud)
Requirement already satisfied: numpy>=1.6.1 in /opt/conda/lib/python3.6/site-packages (from wordcloud->stylecloud)
Requirement already satisfied: pillow in /opt/conda/lib/python3.6/site-packages (from wordcloud->stylecloud)
Requirement already satisfied: requests>=2.12.5 in /opt/conda/lib/python3.6/site-packages (from icon-font-to-png->stylecloud)
Requirement already satisfied: six>=1.10.0 in /opt/conda/lib/python3.6/site-packages (from icon-font-to-png->stylecloud)
Collecting tinycss>=0.4 (from icon-font-to-png->stylecloud)
  Downloading (87kB)
    100% |████████████████████████████████| 92kB 3.0MB/s ta 0:00:011
Requirement already satisfied: termcolor in /opt/conda/lib/python3.6/site-packages (from fire->stylecloud)
Requirement already satisfied: pyparsing!=2.0.4,!=2.1.2,!=2.1.6,>=2.0.1 in /opt/conda/lib/python3.6/site-packages (from matplotlib->stylecloud)
Requirement already satisfied: python-dateutil>=2.1 in /opt/conda/lib/python3.6/site-packages (from matplotlib->stylecloud)
Requirement already satisfied: kiwisolver>=1.0.1 in /opt/conda/lib/python3.6/site-packages (from matplotlib->stylecloud)
Requirement already satisfied: cycler>=0.10 in /opt/conda/lib/python3.6/site-packages (from matplotlib->stylecloud)
Requirement already satisfied: chardet<3.1.0,>=3.0.2 in /opt/conda/lib/python3.6/site-packages (from requests>=2.12.5->icon-font-to-png->stylecloud)
Requirement already satisfied: idna<2.7,>=2.5 in /opt/conda/lib/python3.6/site-packages (from requests>=2.12.5->icon-font-to-png->stylecloud)
Requirement already satisfied: urllib3<1.23,>=1.21.1 in /opt/conda/lib/python3.6/site-packages (from requests>=2.12.5->icon-font-to-png->stylecloud)
Requirement already satisfied: certifi>=2017.4.17 in /opt/conda/lib/python3.6/site-packages (from requests>=2.12.5->icon-font-to-png->stylecloud)
Requirement already satisfied: setuptools in /opt/conda/lib/python3.6/site-packages (from kiwisolver>=1.0.1->matplotlib->stylecloud)
Building wheels for collected packages: stylecloud, fire, tinycss
  Running setup.py bdist_wheel for stylecloud ... done
  Stored in directory: /home/kesci/.cache/pip/wheels/fb/19/e2/5e95c310c5a86586048ced770f35e60a8221be7ef0138f61ca
  Running setup.py bdist_wheel for fire ... done
  Stored in directory: /home/kesci/.cache/pip/wheels/c1/61/df/768b03527bf006b546dce284eb4249b185669e65afc5fbb2ac
  Running setup.py bdist_wheel for tinycss ... done
  Stored in directory: /home/kesci/.cache/pip/wheels/1b/26/08/7390b2e6d5eb3403ef35647f09576459ca567d00ac725307d5
Successfully built stylecloud fire tinycss
Installing collected packages: tinycss, icon-font-to-png, palettable, fire, stylecloud
Successfully installed fire-0.3.1 icon-font-to-png-0.4.1 palettable-3.3.0 stylecloud-0.5.1 tinycss-0.4You are using pip version 9.0.1, however version 20.1.1 is available.
You should consider upgrading via the 'pip install --upgrade pip' command.
In [17]:
import stylecloudfrom IPython.display import Image # 用於在jupyter lab中顯示本地圖片# 繪製詞雲圖stylecloud.gen_stylecloud(text=' '.join(text1), 
                          max_words=1000,
                          collocations=False,
                          font_path=r'/home/kesci/input/經典綜藝體簡.TTF',
                          icon_name='fas fa-thumbs-up',
                          size=612,
                          output_name='豆瓣正向評分詞雲圖.png')Image(filename='豆瓣正向評分詞雲圖.png')
Out[17]:
【資料視覺化】周杰倫新歌《Mojito》豆瓣短評資料

豆瓣負向評分詞雲圖-負向評分的原因?

In [18]:
text2 = get_cut_words(content_series=df_douban[(df_douban.star=='1')|(df_douban.star=='2')]['content'])text2[:5]
Out[18]:
['比前', '幾首', '玩票性質', '單曲', '當然']
In [19]:
# 繪製詞雲圖stylecloud.gen_stylecloud(text=' '.join(text2), 
                          max_words=1000,
                          collocations=False,
                          font_path=r'/home/kesci/input/經典綜藝體簡.TTF',
                          icon_name='fas fa-thumbs-down',
                          size=612,
                          output_name='豆瓣負向評分詞雲圖.png')Image(filename='豆瓣負向評分詞雲圖.png')
Out[19]:
【資料視覺化】周杰倫新歌《Mojito》豆瓣短評資料
In [20]:
page = Page()page = page.add(pie1, bar1)page.render('Mojito豆瓣資料分析.html')


來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69977871/viewspace-2700670/,如需轉載,請註明出處,否則將追究法律責任。

相關文章