爬蟲爬取評價，利用python分析電商_Python實現爬取并分析電商評論

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表一些個人看法、意見、態度、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：

作圖的結果：

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持我們。

本文標題: Python實現爬取并分析電商評論

本文地址: http://www.cppcns.com/jiaoben/python/321381.html