我用Python爬了12万条影评,告诉你《战狼》都在说些啥(2)

当前位置:

首页 > Python基础教程 >

我用Python爬了12万条影评,告诉你《战狼》都在说些啥(2)

以上代码注意设置你自己的 User-Agent，Cookie，CSV 保存路径等。

爬取的内容保存成 CSV 格式的文件，保存的文件内容如下:

数据清洗

本文用 R语言来处理数据，虽然在爬取的时候已经非常注意爬取内容的结构了，但是还是不可避免的有一些值不是我们想要的。

比如有的评论内容会出现在评论者这一项中，所以还是有必要进行一下数据的清洗。

首先加载要用到的所有包：

1

2

3

4

5

6

						library(data.table)

						library(plotly)

						library(stringr)

						library(jiebaR)

						library(wordcloud2)

						library(magrittr)

导入数据并清洗：

1

2

3

4

						dt<-fread(file.choose()) #导入数据

						dt[,c("V8","V9","V10","V11","V12","V13"):=NULL] #删除空列

						#一条命令清洗数据

						my_dt<-dt[str_detect(赞成评论数,"d+")][评论有用=='有用'][是否看过=="看过"][五星数%in%c("很差","较差","还行","推荐","力荐")]

数据浅析

先来看一看通过星星数评论的情况：

1	`plot_ly(my_dt[,.(.N),by=.(五星数)],type` `=` `'bar',x=~五星数,y=~N)`

五角星的个数对应 5 个等级，5 颗星代表力荐，4 颗星代表推荐，3 颗星代表还行，2 颗星代表较差，1 颗星代表很差。

通过五角星的评论显而易见，我们有理由相信绝大部分观看者对这部影片持满意态度。

对评论结果的云图展示

首先我们应该先进行评论的分词：

						wk <- worker()

						sw<-function(x){wk<=x}

						segwords<-lapply(my_dt[,评论内容],sw)

						my_segwords<-unlist(segwords) #不要列表

						#去除停止词

						st<-readLines(file.choose()) #读取停止词

						stopwords<-c(NULL)

						for(i in 1:length(st))

						{

						  stopwords[i]<-st[i]

						}

						seg_Words<-filter_segment(my_segwords,stopwords)  #去除中文停止词

栏目列表