豆瓣短评大数据分析：探索用户观影趋势与情感倾向

最新推荐文章于 2024-07-27 17:26:03 发布

放学-别走

最新推荐文章于 2024-07-27 17:26:03 发布

阅读量667

点赞数 7

文章标签：数据分析 python 数据挖掘 mapreduce

本文链接：https://blog.csdn.net/lhyandlwl/article/details/137013448

版权

本文通过Python编程，对豆瓣短评数据进行IP属地分布、评分偏好和情感倾向分析，包括使用MapReduce技术统计评分分布，以及生成词云图展示高频关键词。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

豆瓣短评大数据分析：探索用户观影趋势与情感倾向

在本文中，我们将结合Python编程和大数据分析的技术，对豆瓣短评数据进行探索性分析，以洞察用户的地域分布、评分偏好以及对影片的情感倾向。

1. 评论者IP属地分布分析

我们首先利用Python的Pandas库加载豆瓣短评数据，并统计不同IP属地的评论数量。接下来，我们使用Matplotlib库绘制饼图，展示前十个IP属地的评论数量占比。

import pandas as pd
import matplotlib.pyplot as plt

# 加载豆瓣短评数据
data = pd.read_csv('豆瓣短评.csv')

# 统计不同IP属地的评论数量
ip_counts = data['评论者IP属地'].value_counts()

# 选择前10个IP属地进行绘制
top_10_ip = ip_counts.head(10)

# 绘制饼图
plt.figure(figsize=(8, 8))
plt.rcParams['font.family'] = 'Arial Unicode MS'
plt.pie(top_10_ip, labels=top_10_ip.index, autopct='%1.1f%%', startangle=140)
plt.title('评论者IP属地分布（前10）')
plt.axis('equal')
plt.show()

import pandas as pd
import matplotlib.pyplot as plt

# 加载CSV文件数据到DataFrame
data = pd