数据分析实战-Python实现博客评论数据的情感分析

# -*- coding:utf-8 -*-
# 作者：虫无涯
# 日期：2024/3/12
# 文件名称：test_snlp.py
# 作用：snownlp使用-情感分析

import subprocess
import sys
subprocess.check_call([sys.executable, "-m", "pip", "install", "snownlp"])
from snownlp import SnowNLP

text = "我篇文章内容丰富、条理清晰，让我学到了很多~~~"
s = SnowNLP(text)
# 情感分析
sentiment = s.sentiments
if sentiment > 0.5:
    print('正面评价')
else:
    print('负面评价')
    
# 输出为：正面评价

# -*- coding:utf-8 -*-
# 作者：虫无涯
# 日期：2024/3/12
# 文件名称：test_snlp.py
# 作用：snownlp使用-中文分词

import subprocess
import sys
subprocess.check_call([sys.executable, "-m", "pip", "install", "snownlp"])
from snownlp import SnowNLP

data = "如果我有一个亿，我会不会飘？"
s = SnowNLP(data)
print(s.words)

# 输出：
# ['如果', '我', '有', '一个', '亿', '，', '我', '会', '不', '会', '飘', '？']

# -*- coding:utf-8 -*-
# 作者：虫无涯
# 日期：2024/3/12
# 文件名称：test_snlp.py
# 作用：snownlp使用-关键词提取

import subprocess
import sys
subprocess.check_call([sys.executable, "-m", "pip", "install", "snownlp"])
from snownlp import SnowNLP

text = "这是一篇关于Python数据处理的博客文章，主要介绍Python中SnowNLP库的使用方法以及实战。"
s = SnowNLP(text)
keywords = s.keywords(3)  # 提取前3个关键词
print('关键词:', keywords)

# 输出为：关键词: ['Python', '库', 'SnowNLP']

data = ["文章内容充实，对实际项目使用有很好的帮助",
        "内容通俗易懂，可以快速入门Python的学习",
        "内容过于简单，不太完整，有点缺少重要内容，建议补充",
        "大佬这篇博文对我很有启发，感谢分享",
        "内容不太能理解，没学会，哈哈",
        "内容很多，也很全，学习了",
        "可能我基础薄弱，感觉看不懂啊",
        "标题党，一看就是水文",
        "内容过于浮夸，不够完整，建议从实际中多讲讲",
        "比较比较实用，学习了",
        "内容充实完整，值得推荐给小伙伴",
        "实用性还不错",
        "内容不错，容易上手，感谢分享",
        "内我很全啊，支持大佬",
        ]
print(data)

# -*- coding:utf-8 -*-
# 作者：虫无涯
# 日期：2024/3/12 
# 文件名称：test_snlp.py
# 作用：Python实现博客评论数据的情感分析

import subprocess
import sys
subprocess.check_call([sys.executable, "-m", "pip", "install", "snownlp"])
subprocess.check_call([sys.executable, "-m", "pip", "install", "matplotlib"])
from snownlp import SnowNLP
import matplotlib.pyplot as plt


data = ["文章内容充实，对实际项目使用有很好的帮助",
        "内容通俗易懂，可以快速入门Python的学习",
        "内容过于简单，不太完整，有点缺少重要内容，建议补充",
        "大佬这篇博文对我很有启发，感谢分享",
        "内容不太能理解，没学会，哈哈",
        "内容很多，也很全，学习了",
        "可能我基础薄弱，感觉看不懂啊",
        "标题党，一看就是水文",
        "内容过于浮夸，不够完整，建议从实际中多讲讲",
        "比较比较实用，学习了",
        "内容充实完整，值得推荐给小伙伴",
        "实用性还不错",
        "内容不错，容易上手，感谢分享",
        "内我很全啊，支持大佬",
        ]

# 遍历数据并进行预测
values = [SnowNLP(i).sentiments for i in data] 
print(values)
# 输出积极的概率，大于0.5积极的，小于0.5消极的

# 保存预测值
text = []
positive = 0
negative = 0
for i in values:
   if(i>=0.5):
       text.append("正面")
       positive = positive + 1
   else:
       text.append("负面")
       negative = negative + 1

# 计算好评率
rate = positive / (positive + negative)
print('好评率为：','%.f%%' % (rate * 100)) # 格式化为百分比

# 图例的横纵坐标
y = values
plt.rc('font', family='SimHei', size=10)
plt.plot(y, marker='o', mec='r', mfc='w', label=u'博客评分')
plt.xlabel('粉丝')
plt.ylabel('博客评分')

# 结果显示
plt.legend()  # 让图例生效
plt.title('博客评论情感分析', family='SimHei', size=14, color='red')
plt.savefig('plot.jpg')