[ 自嗨笔记#2] 微博疫情舆情分析—舆情分析部分
利用前面抓取的信息，开始分析，这里可以说都是看到大佬的文章，模仿加上自己的想象加工，确实不太了解实际业务需求，如果有业内朋友看到，欢迎帮我指正，也欢迎大家帮我出出主意，有时间会更新进文章里
Previously！[ 自嗨笔记#1] 微博疫情舆情分析—爬取部分
一、观察数据，整理
这里评论2200条非空，其他的为2257条非空，估计是用表情评论的被过滤了，其他目前看不出问题
二、建立需求
微博正文词云，以及评论词云利用snowNLP，情感分析尝试利用已有信息，挖掘深度规律
三,代码实现
正文词云
评论词云
snowNLP分析
def snownlp_c(element):try:sn=SnowNLP(element)return round(sn.sentiments,1)except:passcomment['snownlp']=comment['评论正文'].transform(snownlp_c)-0.5 #以0.5为分界线,处理为[-0.5,0.5]的区间,0.5为正向# snowNlpa = comment.groupby(by=['snownlp'])['评论正文'].count().reset_index()print(a)
其实这里用柱状图更好些
微博作者性别统计
a2=news.groupby(by=['性别'])['作者id'].count().reset_index()plt.figure()plt.pie(a2['作者id'],labels=['女','男'],labeldistance = 1.1,autopct = '%3.1f%%',shadow = False,startangle = 90,pctdistance = 0.6)plt.title('微博作者性别统计',fontproperties='SimHei')plt.show()
评论性别统计
a1=comment.groupby(by=['性别'])['id'].count().reset_index()plt.figure()plt.pie(a1['id'],labels=['女','男'],labeldistance = 1.1,autopct = '%3.1f%%',shadow = False,startangle = 90,pctdistance = 0.6)plt.title('评论区性别统计',fontproperties='SimHei')plt.show()
微博时间范围
max_date = news['发布时间'].max()min_date = news['发布时间'].min()print('时间范围',max_date,min_date)
发布疫情相关最多的微博id信息(前5)
n=news.groupby(by=['昵称'])['新闻id'].count().reset_index().sort_values(by='新闻id',axis=0,ascending=False).head()print(n)
平均评论的时间
我在三月时做过一次,当时回复是20分钟左右,回复时间变长,可能是受到大家复工的影响
dt['互动时间']=dt['时间日期']-dt['发布时间']print(dt['互动时间'].mean())
评论积极的人以及评论内容
m=comment.groupby(by='id')['评论正文'].count().reset_index().sort_values(by='评论正文',axis=0,ascending=False).head()print(m)# s=comment['id'].isin(m['id'])# print(comment.loc[comment['id'].isin(m['id']),['评论正文','评论昵称','新闻id','时间日期']]) #再分组,实际效果不如forfor i in m['id']:print(comment.loc[comment['id'] == i,['评论正文','评论昵称','新闻id','时间日期']])
微博发布时间的分布
评论时间的分布
微博发布时间与影响力关系
影响力:转发数+评论数+点赞数
相关文章
[ 自嗨笔记#1] 微博疫情舆情分析—爬取部分
[ 自嗨笔记#3] 后浪 评论分析
[ 自嗨笔记#4] 百度文库付费文章-----网页分析
如果觉得《【自嗨笔记#2】微博疫情舆情分析---舆情分析部分》对你有帮助，请点赞、收藏，并留下你的观点哦！
