MongoDB 实战（一）基于PyMongo的电影影评分析 | 对数据结果进行可视化展示以及分析 | 评论词云 | 分时间段分析

Gitee 仓库地址： https://gitee.com/ccuni/pymongo-douban-comment-analysis

一、运行环境

---

• Windows10
• python 3.9
• Anaconda3 + jupyter
• mongodb 5.0.6
• PyMongo 3.5.1
• wordcloud-1.8.1

anaconda 安装 wordcloud的命令

conda install -c conda-forge wordcloud

二、实战介绍

---

数据来源基于Python的第三方库，即requests库，bs4库，re库爬取豆瓣网TOP10的电影信息，以及它们的部分影评信息（100个左右）。

将爬取的信息进行预处理，封装成dict字典，借助 pymongo库 连接本机的 MongoDB，向数据库插入之前爬取的真实数据，然后分别使用MongoDB提供的map_reduce机制以及agreegate机制来聚合、分组、汇总计算数据，以MongoDB为基础，存储影视信息和评论信息，同时分析电影的综合价值。

三、获取数据

---

这一部分可参考Gitee仓库：https://gitee.com/ccuni/pymongo-douban-comment-analysis

四、PyMongo 实战

---

4.1 连接MongoDB、创建集合

from pymongo import MongoClient
from random import randint
client = MongoClient('localhost', 27017)

db = client.mv
# 创建电影信息集合
ct_mv_info = db.dc_mv_info
# 创建影评集合
ct_mv_review = db.dc_mv_review

# 查看创建结果
ct_mv_review

4.2 向 MongoDB 插入文档

这里先将DataFrame的影视信息转化为dict字典格式

dc_mv = []
index = 0 
for x in mv_data.values.tolist():
    dict_info = {
   }
    # 指定文档的_id为电影ID
    dict_info['_id'] = mv_data['mv_id'][index]
    index += 1
    # i 用于循环遍历取DF列表数据
    i = 0
    for key, v in mv_data.items():
        dict_info[key] = x[i]
        i += 1
    # 指定文档的
    dc_mv.append(dict_info)
dc_mv

# 插入前 先清空
ct_mv_info.delete_many({
   })
# 插入文档
ct_mv_info.insert_many(dc_mv)

4.3 查询MongoDB的数据

ct_mv_info.find_one()

4.4 同样的操作插入影评

先处理信息，将原先的DataFrame的影评信息转化为可插入到MongoDB的dict字典

# list_mv[1] 输出结果 dict_keys(['reviews', 'star'])
# 查询保存的列表数据
# for x in list_mv[1].values.to_list():
#     print(x)
'''
    根据之前的存储信息获取所有电影的影评, 封装成可插入MongoDB的 dict
'''
def getAllReviews() -> list[list]:
    index = 0
    reviews = []
    for i in range(len(list_mv)):
        # 获取每一列
        rv_cols = list_mv[0]['reviews'].columns
        # 表示当前的评论标号
        i = 0
        # 记录当前电影的所有影评信息
        dc_reviews = []
        for k, rows in list_mv[index]['reviews'].iterrows():
            # 根据电影ID和当前的评论序号定义_id
            dict_info = {
   '_id' : mv_data['mv_id']