Python實現爬取并分析電商評論

更新時間：2020年06月19日 10:10:00 作者：夏日的向日葵

這篇文章主要介紹了Python實現爬取并分析電商評論,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

　　現如今各種APP、微信訂閱號、微博、購物網站等網站都允許用戶發(fā)表一些個人看法、意見、態(tài)度、評價、立場等信息。針對這些數據，我們可以利用情感分析技術對其進行分析，總結出大量的有價值信息。例如對商品評論的分析，可以了解用戶對商品的滿意度，進而改進產品；通過對一個人分布內容的分析，了解他的情緒變化，哪種情緒多，哪種情緒少，進而分析他的性格。怎樣知道哪些評論是正面的，哪些評論是負面的呢？正面評價的概率是多少呢？

　　利用python的第三方模塊SnowNLP可以實現對評論內容的情感分析預測，SnowNLP可以方便的處理中文文本內容，如中文分詞、詞性標注、情感分析、文本分類、提取文本關鍵詞、文本相似度計算等。大概大于等于0.5，可以判斷為正面評價——積極情感，小于0.5，可以判斷為負面評價——消極情感。

　　下面分析一組京東上某產品的評論數據并生成折線圖：

部分源數據：

實現過程：

#加載情感分析模塊
from snownlp import SnowNLP
#from snownlp import sentiment
import pandas as pd
import matplotlib.pyplot as plt
#導入樣例數據
aa ='F:\\python入門\\python編程錦囊\\Code（實例源碼及使用說明）\\Code（實例源碼及使用說明）\\Code（實例源碼及使用說明）\\09\\data\\京東評論.xls'
#讀取文本數據
df=pd.read_excel(aa)
#提取所有數據
df1=df.iloc[:,3]
print('將提取的數據打印出來：\n',df1)
#遍歷每條評論進行預測
values=[SnowNLP(i).sentiments for i in df1]
#輸出積極的概率，大于0.5積極的，小于0.5消極的
#myval保存預測值
myval=[]
good=0
bad=0
for i in values:
  if (i>=0.5):
    myval.append("正面")
    good=good+1
  else:
    myval.append("負面")
    bad=bad+1
df['預測值']=values
df['評價類別']=myval
#將結果輸出到Excel
df.to_excel('F:\\python入門\\python編程錦囊\\Code（實例源碼及使用說明）\\Code（實例源碼及使用說明）\\Code（實例源碼及使用說明）\\09\\data\\result2.xls')
rate=good/(good+bad)
print('好評率','%.f%%' % (rate * 100)) #格式化為百分比
#作圖
y=values
plt.rc('font', family='SimHei', size=10)
plt.plot(y, marker='o', mec='r', mfc='w',label=u'評價分值')
plt.xlabel('用戶')
plt.ylabel('評價分值')
# 讓圖例生效
plt.legend()
#添加標題
plt.title('京東評論情感分析',family='SimHei',size=14,color='blue')
plt.show()

Excel結果：