酒店评价数据分析
第一关:酒店评价数据分析
任务描述
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。
1. import jieba
2. test_str = '武汉理工大学是一所世人仰慕的大学'`
3. 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 `
4. 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:
1. with open('comment.csv', 'r', encoding='GBK') as f:
2. 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!
注意:
为屏蔽jieba库系统信息,本题要求在代码开始处加入如下代码:
1. import jieba
2. import logging
3. jieba.setLogLevel(logging.INFO)
示例 1
输入:
总评
输出:
总评论: 8888
好评: 6666
差评: 2222
示例 2
输入:
平均
输出:
86
示例 3
输入:
好评
输出:
好像: 1000
也许: 901
早餐: 817
偶尔: 749
环境: 694
设施: 669
无论: 596
价格: 495
干净: 428
程序: 419
服务员: 337
免费: 269
交通: 206
餐厅: 162
性价比: 154
示例 4
输入:差评
输出:
恶劣: 857
服务: 788
前台: 766
服务员: 681
早餐: 632
宾馆: 632
胡说: 502
价格: 432
退房: 344
老虎: 324
电话: 319
态度: 317
卫生间: 315
点评: 214
方便: 204
代码如下
import jieba
def dosomething(start, end):
counts = {}
k = start
while k < end:
words = jieba.lcut(ls[k][1])
for word in words:
if len(word) < 2 or word in ex or word.isdigit():
continue
else:
counts[word] = counts.get(word, 0) + 1
k += 1
items = list(counts.items())
items.sort(key=lambda x: x[1], reverse=True)
for m in range(15):
word, count = items[m]
print('{}: {}'.format(word, count))
with open('comment.csv', 'r', encoding='GBK') as f:
ls = [i.strip().split(',', maxsplit=1) for i in f.readlines()[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']
n = input()
good = 0
total = len(ls)
sums = 0
if n in ["好评", "差评", "总评", "平均"]:
for i in ls:
if i[0] == '1':
good += 1
if n == "总评":
print("总评论:", total)
print("好评:", good)
print("差评:", total - good)
elif n == "平均":
for i in ls:
sums += len(i[1])
print(sums // total)
elif n == "好评":
dosomething(0, good)
elif n == "差评":
dosomething(good, total)
else:
print("无数据")
总结
导入jieba库;
定义一个函数dosomething(start, end),用于分析给定范围内的评论数据。该函数的主要步骤包括:
遍历指定范围内的评论,并对每个评论进行分词;
对每个分词结果,去除长度小于2的词汇、数字和预设排除词列表中的词汇,并统计剩余词汇出现的次数;
将所有词汇的出现次数按照从大到小的顺序进行排序,并输出其中出现频率前15个的关键词及其出现次数。
打开一个csv文件(评论数据文件),读取其中的评论,并将每条评论存储为一个二元组(编号、文本内容)的形式;
定义一个预设排除词列表ex;
接受用户的输入n,并根据不同的n值,进行不同的操作:
若n为"总评",则输出总评论数、好评数和差评数;
若n为"平均",则计算并输出平均评论长度;
若n为"好评",则对前50%的评论进行分析,并输出其中出现频率前15个的关键词及其出现次数;
若n为"差评",则对后50%的评论进行分析,并输出其中出现频率前15个的关键词及其出现次数;
若n为其他值,则输出"无数据"。