豆瓣影评词云

内容复制自公众号，排版可能不耐看，不要介意哈。

既然已经爬取了数据，哪个guy不想顺手做下分析呢？前一期PythonGuy爬取电影《送你一朵小红花》的豆瓣影评，现在准备对数据进行简单分析，由于数据格式为文本，本次分析方法为对所有评论文字进行分词，记录所有词语出现次数(词频)，按升序排序后，提取关键词，作词云图。

 

依赖库：numpy、wordcloud、PIL、matplotlib、jieba

 

---

 

 1.分词 

 

分词选用jieba，国人开发的一款优秀中文分词第三方库，其利用中文词库，确定汉字之间的关联概率，概率大的组成词语，形成分词结果，除了分词，用户还可以添加自定义词语。

本例使用jieba.analyse包对评论分词后统计词频，并提取词频前200个词语。

 

 

分词

参数解释：

1. sentence：待分词文本

2. topk：提取关键字个数

3. withWeight：是否返回每个关键词权重

4. allowPOS：是否允许提取关键词词性，默认为allowPOS='ns';'n','vn','v'，提取地面，名词、动名词，动词

 

评论(部分原始数据)

 

精确模式分词

 

提取200个关键词

 

---

 

 2.创建词云图 

 

使用第三方库wordcloud创建词云，首先创建一个WordCloud对象

 

 

部分参数说明：

1. width：图像宽度

2. height：图像高度

3. font_path：指定字体路径

4. mode：颜色模型

5. max_font_size：最大字体大小

6. random_sate：随机颜色种子

7. mask：掩膜

8. scale：比例，参数大小和图像分辨率呈正相关

9. background_color：背景色

10. relative_scaling：单词出现频率对字体大小的权重

调用generate_from_frequencies(freq)方法创建词云，字典参数freq:词语为键，词频为值

 

 

所选掩膜图像

 

读取图片做掩膜图像

 

根据掩膜生成词语颜色

 

 

---

 

 3.结果 

 

生成影评词云图

 

分析：

观众对电影的评论褒贬不一，推测该电影易烊千玺主演，类型为青春偶像片，猜测大部分观众不是单纯为看电影而买单。至于剧情，大概是以男主/女主与病魔对抗为主线，展开一系列关乎爱情、亲情、青春的思考。

 

 

 

 

 

以上分析受限于作者认知水平，如有冒犯，你好像也拿我没办法。