标签：遍历 读取文本 入门 imp port 百分比 lazy atp 预测
现如今各种APP、微信订阅号、微博、购物网站等网站都允许用户发表一些个人看法、意见、态度、评价、立场等信息。针对这些数据，我们可以利用情感分析技术对其进行分析，总结出大量的有价值信息。例如对商品评论的分析，可以了解用户对商品的满意度，进而改进产品；通过对一个人分布内容的分析，了解他的情绪变化，哪种情绪多，哪种情绪少，进而分析他的性格。怎样知道哪些评论是正面的，哪些评论是负面的呢？正面评价的概率是多少呢？
利用python的第三方模块SnowNLP可以实现对评论内容的情感分析预测，SnowNLP可以方便的处理中文文本内容，如中文分词、词性标注、情感分析、文本分类、提取文本关键词、文本相似度计算等。大概大于等于0.5，可以判断为正面评价——积极情感，小于0.5，可以判断为负面评价——消极情感。
下面分析一组京东上某产品的评论数据并生成折线图：
部分源数据：
实现过程：
#加载情感分析模块 from snownlp import SnowNLP #from snownlp import sentiment import pandas as pd import matplotlib.pyplot as plt #导入样例数据 aa =‘F:\\python入门\\python编程锦囊\\Code（实例源码及使用说明）\\Code（实例源码及使用说明）\\Code（实例源码及使用说明）\\09\\data\\京东评论.xls‘ #读取文本数据 df=pd.read_excel(aa) #提取所有数据 df1=df.iloc[:,3] print(‘将提取的数据打印出来：\n‘,df1) #遍历每条评论进行预测 values=[SnowNLP(i).sentiments for i in df1] #输出积极的概率，大于0.5积极的，小于0.5消极的 #myval保存预测值 myval=[] good=0 bad=0 for i in values: if (i>=0.5): myval.append("正面") good=good+1 else: myval.append("负面") bad=bad+1 df[‘预测值‘]=values df[‘评价类别‘]=myval #将结果输出到Excel df.to_excel(‘F:\\python入门\\python编程锦囊\\Code（实例源码及使用说明）\\Code（实例源码及使用说明）\\Code（实例源码及使用说明）\\09\\data\\result2.xls‘) rate=good/(good+bad) print(‘好评率‘,‘%.f%%‘ % (rate * 100)) #格式化为百分比 #作图 y=values plt.rc(‘font‘, family=‘SimHei‘, size=10) plt.plot(y, marker=‘o‘, mec=‘r‘, mfc=‘w‘,label=u‘评价分值‘) plt.xlabel(‘用户‘) plt.ylabel(‘评价分值‘) # 让图例生效 plt.legend() #添加标题 plt.title(‘京东评论情感分析‘,family=‘SimHei‘,size=14,color=‘blue‘) plt.show()
Excel结果：
作图的结果：
标签：遍历 读取文本 入门 imp port 百分比 lazy atp 预测
原文地址：https://www.cnblogs.com/xiao02fang/p/13155124.html
