python 豆瓣电影影评数据可视化

 import  requests
 from bs4 import BeautifulSoup
 import pandas as pd
    
u1 = "https://movie.douban.com/subject/26100958/comments?start=0&limit=20&sort=new_score&status=P"
def urls():  # 获取多个网址
    urllist = []
    value = [x * 10 for x in range(1, 40) if x % 2 == 0]  # 列表生成式
    for i in value:
        urllist.append(
            "https://movie.douban.com/subject/26100958/comments?start=%d&limit=20&sort=new_score&status=P" % i)
    return urllist


urllist = urls()


def data():
    spanlist = []  # 放在循环之外
    for i in urllist:
        re = requests.get(i)
        soup = BeautifulSoup(re.text, 'lxml')
        span = soup.find_all('span', class_='short')
        for i in span:
            spanlist.append(i.text)
    df = pd.DataFrame({'影评': spanlist})
    return df


df = data()
txt = str(df.values)
dic = {}
name = ['黑寡妇', '灭霸', '美队', '钢铁侠', '雷神', '奇异博士', '星爵', '浩克', '黑豹', '蜘蛛侠', '惊奇队长']
for i in name:
    dic[i] = txt.count(i)
print(dic)  # {'黑寡妇': 7, '灭霸': 19, '美队': 15,}
df = pd.DataFrame(dic.values(), dic.keys())
#df.to_excel('./10.xls')  #导出到excel

  
  

可视化效果图:
在这里插入图片描述
在这里插入图片描述

  • 2
    点赞
  • 32
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python豆瓣电影影评数据是使用Python编程语言对豆瓣电影影评数据进行分析和可展示的过程。通过对影评数据的处理和分析,可以帮助我们了解电影的评分分布、用户评论的情感倾向等信息。 以下是一种可能的实现方式: 1. 数据获取:首先,你可以使用Python的网络爬虫库(如Requests或Scrapy)获取豆瓣电影影评数据。可以通过豆瓣提供的API或者直接爬取网页来获取数据。 2. 数据清洗和处理:获取到的数据可能包含一些无效或者冗余的信息,需要进行数据清洗和处理。可以使用Python数据处理库(如Pandas)对数据进行清洗、去重、格式转换等操作。 3. 数据分析:在清洗和处理完数据后,可以使用Python数据分析库(如Matplotlib、Seaborn、Plotly等)对数据进行分析。可以绘制柱状图、折线图、散点图等来展示电影评分分布、评论数量随时间的变等信息。 4. 情感分析:除了基本的统计信息外,你还可以使用Python的自然语言处理库(如NLTK、TextBlob等)对影评文本进行情感分析。可以通过对评论文本进行情感倾向判断,绘制情感极性分布图或者词云图来展示用户对电影的评价情感。 5. 结果展示:最后,使用Python的可库将分析结果进行可展示。可以生成图表、热力图、词云等形式的图像,以直观的方式展示豆瓣电影影评数据的分析结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值