Python分析了京东7万+条评论，仅用3分钟，结果发现……

之前学习Python爬虫采集，为了练手用Scrapy写了一个爬虫，整整采集了京东平台vivo旗舰店7万多条评论。一直也没觉得这些评论数据有啥用，就留在MongoDB中吃灰。最近学了jieba和wordcloud之后，突发奇想着分析下这7万多条评论数据，然后生成一个词云图（如下图）。从词云图中可以知道vivo的口碑还是挺好的，拍照效果、外形外观和运行速度这三方面是消费者比较认可的。

一、导入评论数据集

7万多条评论数据，假设每条评论分词后有10个词，那可就是70多万个词，说多不算多，但是说少也不少了。

如果传统地使用循环语句逐条读取数据处理，那还真不知道得处理多久。所以这里使用数据分析神器（pandas）来处理，先将数据集导入：

df = pd.read_csv('jd_goods_comment.csv')

如果需要数据集“jd_goods_comment.csv”的，可以关注微信公众号【愤怒的it男】，私聊号主获取。

二、评论分词拼接

通过apply()方法对每一条评论数据进行分词，然后再使用join()将每个词以空格为间隔拼接成字符串，最后使用聚合函数sum()将每一条处理后的评论字符串拼接成一长串字符串。

def segmentation(x):
    return ' '.join(jieba.lcut(x))+' '

text = df['content'].apply(segmentation).sum()

三、生成词云图

这里将上面的长串字符串生成词云图，设置词云图背景为白色，字体为“FZYTK.TTF”，蒙版为“angry_it_man_mask.png”

mask_picture = np.array(Image.open('angry_it_man_mask.png'))
wc = WordCloud(background_color='white',font_path='FZYTK.TTF',mask=mask_picture)
wc.generate(text)
wc.to_file('wordcloud.png')

如果需要字体文件“FZYTK.TTF”和蒙版图片“angry_it_man_mask.png”的，可以关注微信公众号【愤怒的it男】，私聊号主获取。

四、完整代码

import pandas as pd
import jieba
from PIL import Image
from wordcloud import WordCloud
import numpy as np
import time
 
start_time = time.time()

def segmentation(x):
    return ' '.join(jieba.lcut(x))+' '

df = pd.read_csv('jd_goods_comment.csv')
text = df['content'].apply(segmentation).sum()

mask_picture = np.array(Image.open('angry_it_man_mask.png'))
wc = WordCloud(background_color='white',font_path='FZYTK.TTF',mask=mask_picture)
wc.generate(text)
wc.to_file('wordcloud.png')

end_time = time.time()

print("代码执行时间：", end_time - start_time)

从数据处理到词云图生成，整个过程只用了3分钟左右，个人还是挺满意的。