酒店评价数据分析
描述
根据附件文件对酒店评价数据进行分析,本题使用jieba库中的lcut函数对数据进行分词。(comment.csv)
import jieba
test_str = '武汉理工大学是一所世人仰慕的大学' result = jieba.lcut(test_str) # 参数是字符串,结果是将字符串切分为词的列表 print(result) # ['武汉理工大学', '是', '一所', '世人', '仰慕', '的', '大学'
文件数据每行包括评论属性和评论内容两个数据,其中评论属性中’1‘代表好评,’0‘代表差评。
要求实现以下功能:
文件编码格式为GBK,读取函数示例如下:
with open('comment.csv', 'r', encoding='GBK') as f: ls=[i.strip().split(',',maxsplit=1) for i in f.readlines()[1:]
输入n
- 如果n为’总评‘,分别输出该文件评论总数,好评条数,差评条数,输出格式参照示例一。
- 如果n为’平均‘,输出该文件中所有评论内容的平均长度(不需要排除字母,标点符号和数字),输出四舍五入后的整数,输出格式参照示例二。
- 如果n为’好评‘,对文件中所有好评进行词频分析,并输出词频出现最多的前15个词以及出现次数,输出格式参照示例三
- 如果n为’差评‘,对文件中所有差评进行词频分析,并输出词频出现最多的前15个词以及出现次数,输出格式参照示例四
注:3,4两项功能中统计的词语,要求长度不小于2,不是数字组成,并且不是排除词
#排除词 ex=['不错','比较','可以','感觉','没有', '我们','就是','还是','非常','但是', '不过','有点','一个','一般','下次', '携程','不是','晚上','而且','他们', '什么','不好','时候','知道','这样', '这个','还有','总体','位置','客人', '因为','如果','这里','很多','选择', '居然','不能','实在','不会','这家', '结果','发现','竟然','已经','自己', '问题','不要','地方','只有','第二天', '酒店','房间','虽然']
- 如果n非以上输入,输出’无数据‘,格式参照示例五
输入输出示例
示例只是输出格式示例,其中数据均与题目无关!
文件获取方式:
链接:https://pan.baidu.com/s/1cv60Ed9v35vpai1ZbbWOng?pwd=ic0z
提取码:ic0z
import jieba
def readfile():
with open('E:\Code FILE\PythonFILE\程序设计作业\comment.csv', 'r') as f:
ls = [i.strip().split(',', maxsplit=1) for i in f.readlines()][1:]
return ls
def pj(lsn,n):
a=0
if n=='好评':
a=1
ls_good=[]
for x in ls:
if x[0][0]==str(a):
ls_good.append(x)
# print(ls_good)
dict={}
for x in ls_good:
ls_word=jieba.lcut(x[0])
for key in ls_word:
if key not in ex:
dict[key] = dict.get(key, 0) + 1
# print(dict)
ls1 = sorted(dict.items(), key=lambda x: x[1] ,reverse=1)
ls2=[]
for x in ls1:
if 2<=len(x[0])<=3:
ls2.append(x)
print('输出:')
for x in ls2[:15]:
print(x[0],x[1])
ex=['不错','比较','可以','感觉','没有', '我们','就是','还是','非常','但是', '不过','有点','一个','一般','下次', '携程','不是','晚上','而且','他们', '什么','不好','时候','知道','这样', '这个','还有','总体','位置','客人', '因为','如果','这里','很多','选择', '居然','不能','实在','不会','这家', '结果','发现','竟然','已经','自己', '问题','不要','地方','只有','第二天', '酒店','房间','虽然']
ls=readfile()
# print(ls)
n=input('输入:')
if n in['好评','差评']:
pj(ls,n)