第四关——柯南的小学时光

input（）函数

1.input()函数的使用

input()函数是输入函数，当你在函数的括号内写出问题时，input()函数会将此问题原样显示在屏幕上，并在终端区域等待你针对此问题的回答。input（）函数输入的值必定是字符串。

2.input（）函数结果的赋值

把input()函数收集到的信息保存到一个变量中，这个变量就保存了信息，以后直接打印变量名，就可以得到结果。

#书写代码
lover = input('请柯南输入喜欢女生的名字：')
# 运用input()函数收集信息
str='是我的最爱！'
print(lover+str)

3.input()的数据类型

【if dream =='A'】，如果这里'A'去掉引号就会报错，代码报错，提示的是一个变量A没有被赋值，因为一旦去掉引号，字符串‘A’就会变成变量A，一边是赋值的变量dream，一边是未被赋值的变量A，它们不会相等。

4.input（）数据类型的强制转换

int()函数，直接将input()函数输入的数据变成整数。

彩蛋——NLP分析外卖用户评论

1.差评分析

#coding=utf-8
import matplotlib.pyplot as plt
from wordcloud import WordCloud, ImageColorGenerator
import PIL.Image as Image
import numpy as np
import jieba
#导入必备的模块
stoplist = [line.strip() for line in open('E:\pythonNLP\stopword.txt','r',encoding="utf8").readlines() ]
#导入停用词
text_from_file_with_apath = open('comment.txt',encoding="utf8").read()
#打开本地数据文件comment.txt.注意文件名不能用中文
for stop in stoplist:
    jieba.del_word(stop)
#去除停用词
wordlist_after_jieba = jieba.cut(text_from_file_with_apath, cut_all=False)
wl_space_split = " ".join(wordlist_after_jieba)
#用jieba模块进行挖掘关键词
mask_bg = np.array(Image.open('E:\\pythonNLP\\tianmao.jpg'))
#获取背景图片,new.jpg
my_wordcloud = WordCloud(background_color="white",
                        mask=mask_bg,
                        width=200, height=100,
                        font_path="data/simhei.ttf",
                        max_words=400,
                        max_font_size=100,
                        min_font_size=20,
                        random_state=42).generate(wl_space_split)
#用wordcloud设计显示字体
image_colors=ImageColorGenerator(mask_bg)
plt.imshow(my_wordcloud.recolor(color_func=image_colors))
#背景图片颜色与字体匹配
plt.imshow(my_wordcloud)
#显示图片
plt.axis("off")
# 关闭坐标轴
plt.show()
#显示词云图

2.外卖评论分析

from snownlp import SnowNLP
import pygal
file="E:\pythonNLP\外卖.txt"
file1="comment.txt"
x=0
#好评计数
k=0
#中评计数
y=0
#差评计数
z=0
#总数
with open(file,"r",encoding="utf-8") as text:
    #打开目标文件
    with open(file1, "w", encoding="utf-8") as text1:
        #打开保存差评的文件
        for comment in text:
            z+=1
            s=SnowNLP(comment)
            #文本分析
            s=s.sentiments
            #情感系数
            if s>0.5:
                x+=1
            elif s==0.5:
                k+=1
            else:
                text1.write(comment)
                #写入差评数
                y+=1
print("好评数："+str(x))
print("差评数："+str(y))
print("中评数："+str(k))
print("总评论数："+str(z))
print("差评率："+str( round(y/z,2)*100)+"%")

a= int(round(x/z,2)*100)
b= int(round(k/z,2)*100)
c= int(round(y/z,2)*100)

pie_chart = pygal.Pie()
pie_chart.title = 'Browser usage in February 2012 (in %)'
pie_chart.add('好评率', a)
pie_chart.add('中评率', b)
pie_chart.add('差评率', c)
pie_chart.render_to_file("pie-basic.svg")