IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> 天池数据-耳机情感分析 -> 正文阅读

[Python知识库]天池数据-耳机情感分析

import numpy as np
import pandas as pd
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
df = pd.read_csv('./earphone_sentiment.csv',encoding='utf-8')
df.head()
content_idcontentsubjectsentiment_wordsentiment_value
00Silent Angel期待您的光临,共赏美好的声音!其他1
12这只HD650在1k的失真左声道是右声道的6倍左右,也超出官方规格参数范围(0.05%),看...其他NaN0
23达音科 17周年 倒是数据最好看,而且便宜配置1
34bose,beats,apple的消費者根本不知道有曲線的存在其他NaN0
45不错的数据配置不错1
df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 17176 entries, 0 to 17175
Data columns (total 5 columns):
 #   Column           Non-Null Count  Dtype 
---  ------           --------------  ----- 
 0   content_id       17176 non-null  int64 
 1   content          17176 non-null  object
 2   subject          17176 non-null  object
 3   sentiment_word   4966 non-null   object
 4   sentiment_value  17176 non-null  int64 
dtypes: int64(2), object(3)
memory usage: 671.1+ KB
df['subject'].unique()
array(['其他', '配置', '价格', '功能', '音质', '舒适', '外形'], dtype=object)
df['sentiment_value'].unique()
array([ 1,  0, -1])
#观察标签分布
df.groupby('sentiment_value').size().plot.bar()
#大部分中性,好评比差评要多
<AxesSubplot:xlabel='sentiment_value'>

在这里插入图片描述

import jieba
words=df.content.apply(lambda t:list(jieba.cut(t)))
words[0]
['Silent', ' ', 'Angel', '期待', '您', '的', '光临', ',', '共赏', '美好', '的', '声音', '!']
#去掉标点,英文
def clean_text(value):
    import re
    if value:
        text="".join(re.findall(r"[\u4e00-\u9fff]+", value))
        return text if len(text)>0 else None
    else:
        return None
df.content[2]
'达音科 17周年 倒是数据最好看,而且便宜'
# 测试清洗效果
print("Before Cleaning: %s" % df.content[2])
print("After Cleaning: %s" % clean_text(df.content[2]))
print("Tokenize after cleaning: %s" % ", ".join(jieba.cut(clean_text(df.content[2]))))
Before Cleaning: 达音科 17周年 倒是数据最好看,而且便宜
After Cleaning: 达音科周年倒是数据最好看而且便宜
Tokenize after cleaning: 达音科, 周年, 倒, 是, 数据, 最, 好看, 而且, 便宜
df['text_clean']=df.content.apply(lambda t:clean_text(t))
df.text_clean.isnull().sum()
333
#None会报错,替换成停词‘的’,后边会过滤掉
words_clean=df.text_clean.apply(lambda t:list(jieba.cut(t)) if t is not None else '的')
words_clean[:10]
0                        [期待, 您, 的, 光临, 共赏, 美好, 的, 声音]
1    [这, 只, 在, 的, 失真, 左声道, 是, 右声道, 的, 倍, 左右, 也, 超出,...
2                   [达音科, 周年, 倒, 是, 数据, 最, 好看, 而且, 便宜]
3                      [的, 消費者, 根本, 不, 知道, 有曲線, 的, 存在]
4                                          [不错, 的, 数据]
5    [我, 觉得, 任何人, 都, 可以, 明确, 分别, 高端, 耳机, 之间, 的, 区别,...
6    [听, 出, 区别, 是, 一方面, 听, 出, 高低, 的, 层次, 要求, 就, 更, ...
7            [有没有, 人能, 从条, 电源线, 里, 听, 出, 最贵, 的, 是, 哪条]
8                                 [二级, 银, 耳朵, 对号入座, 下]
9    [一般来说, 所谓, 发烧友, 起步, 应该, 是, 铜, 耳朵, 这个, 级别, 达, 不...
Name: text_clean, dtype: object
#去掉停词
def stopwordslist(filepath):
    stopwords=set([line.strip() for line in open(filepath,'r',encoding='utf-8').readlines()])
    return stopwords
stop_words_cn=stopwordslist('cn_stop_words.txt')
words_final=[list(filter(lambda w:w not in stop_words_cn,words)) for words in words_clean]
#统计
from collections import Counter
word_freq = Counter([w for words in words_final for w in words])
word_freq_df = pd.DataFrame(word_freq.items())
word_freq_df.columns = ['word', 'count']
word_freq_df.sort_values('count', ascending=0).head(10)
wordcount
441946
33耳机1785
4声音1242
3851053
332898
758825
187没有789
369感觉786
478783
591一个783
top_K=100
word_freq_dict=dict(list(word_freq_df.sort_values('count',ascending=0).head(top_K).apply(lambda row: (row['word'],row['count']), axis=1)))
list(word_freq_dict.items())[:10]
[('听', 1946),
 ('耳机', 1785),
 ('声音', 1242),
 ('没', 1053),
 ('买', 898),
 ('说', 825),
 ('没有', 789),
 ('感觉', 786),
 ('推', 783),
 ('一个', 783)]
# 产生词云
from wordcloud import WordCloud
import matplotlib.pyplot as plt
plt.rcParams['figure.figsize'] = (16,8)
wc = WordCloud(font_path='SimHei.ttf',
               background_color="white",
               max_words = 2000)
wc.generate_from_frequencies(word_freq_dict)

# 显示词云
plt.imshow(wc)
plt.axis("off")
plt.figure(figsize=(16,8), dpi=1000)
plt.show()

在这里插入图片描述

<Figure size 16000x8000 with 0 Axes>
#词云和数据给出的结论一直,耳机的评论是正面的,但需要查看中性和负面评论的原因
def plot(value,top_K):
    comment=df[df['sentiment_value']==value]
    comment=comment['content'].apply(lambda x : list(jieba.cut(x)))
    words_final=[list(filter(lambda w:w not in stop_words_cn,words)) for words in comment]
    word_freq = Counter([w for words in words_final for w in words])
    word_freq_df = pd.DataFrame(word_freq.items())
    word_freq_df.columns = ['word', 'count']
    word_freq_dict=dict(list(word_freq_df.sort_values('count',ascending=0).head(top_K).apply(lambda row: (row['word'],row['count']), axis=1)))
    wc.generate_from_frequencies(word_freq_dict)
    # 显示词云
    plt.imshow(wc)
    plt.axis("off")
    plt.figure(figsize=(16,8), dpi=1000)
    plt.show()
#差评词云
plot(-1,100)
#关键词‘差异’,‘差距’,‘差别’,需要找到和谁的差别差距,竞品是谁
#关键词‘噪音’,‘低频’,‘高频’,’输出‘
#关键词’价格‘ 也是一个因素

在这里插入图片描述

<Figure size 16000x8000 with 0 Axes>
#中性词云
plot(0,100)

在这里插入图片描述

<Figure size 16000x8000 with 0 Axes>
#好评词云
plot(1,100)
#受好评的点,’解码‘,’平衡‘,’低频‘

在这里插入图片描述

<Figure size 16000x8000 with 0 Axes>

#相关性热力图

data_corr=df.pivot_table(columns='sentiment_value',index='subject',values='content',aggfunc="count").drop("其他")
ax=sns.heatmap(data_corr,cmap='rainbow', vmax=400,vmin=0,annot=False,linewidths=0.8,fmt='4g')
ax.set_title('分析热力图', fontsize = 20)
#正面评价更多跟‘配置’,‘音质’,‘价格’相关
#负面评价比较均衡,各方面原因都有

在这里插入图片描述

基于Logistic Regression的分类器训练

import jieba.analyse
test_sentence = df.text_clean[1]
test_sentence
'这只在的失真左声道是右声道的倍左右也超出官方规格参数范围看来是坏了'
jieba.analyse.extract_tags(test_sentence, topK=5, withWeight=False, allowPOS=())
['左声道', '右声道', '失真', '规格', '官方']
# 将关键词通过分隔符链接起来
df=df[pd.notnull(df['text_clean'])]
keywords_text = df.apply(lambda r: '|'.join([w for w in jieba.analyse.extract_tags(r['text_clean'], topK=5, withWeight=False, allowPOS=()) if w not in stop_words_cn]), axis=1).tolist()
keywords_text[:2]
['共赏|光临|美好|期待|声音', '左声道|右声道|失真|规格|官方']
# 构造CountVectorizer
from sklearn.feature_extraction.text import CountVectorizer
vectorizer = CountVectorizer(max_features=1000, analyzer='word', tokenizer=lambda s: s.split("|"))
bow = vectorizer.fit_transform(keywords_text)
feature_name = vectorizer.get_feature_names()
feature_name[:10]
['', '一下', '一个', '一代', '一体机', '一分货', '一只', '一台', '一堆', '一套']
#测试集合只标记了30多个长文本,有明显倾向的,后续发现这么做有坑,大部分是无情感倾向的
train_data = pd.read_csv('training.csv')
train_data.head()
contntntmnt_vlu
0这个牌子还活着啊用过他家声音干冷硬非常难听-1
1玩过一段时间6t感觉特色是有的态度也还诚恳审美品位审美的相对平庸但作为国货总体说得过去只是相...1
2同意凤凰观点一般用用界面就很好了光纤只有理论上的高度实际效果只有呵呵-1
3老实说这原线也是拖后腿的太糊了-1
4现在的人听歌有没有感情都看器材了吗0
bow
<16843x1000 sparse matrix of type '<class 'numpy.int64'>'
	with 34537 stored elements in Compressed Sparse Row format>
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
X, y = load_iris(return_X_y=True)
clf = LogisticRegression(random_state=0, solver='lbfgs', multi_class='multinomial').fit(X, y)
/opt/anaconda3/lib/python3.8/site-packages/sklearn/linear_model/_logistic.py:763: ConvergenceWarning: lbfgs failed to converge (status=1):
STOP: TOTAL NO. of ITERATIONS REACHED LIMIT.

Increase the number of iterations (max_iter) or scale the data as shown in:
    https://scikit-learn.org/stable/modules/preprocessing.html
Please also refer to the documentation for alternative solver options:
    https://scikit-learn.org/stable/modules/linear_model.html#logistic-regression
  n_iter_i = _check_optimize_result(
y = train_data.ntmnt_vlu
X = bow[:len(y), :]
clf = LogisticRegression(random_state=0, solver='lbfgs', multi_class='multinomial').fit(X, y)
clf.score(X, y)
0.967741935483871
# 测试一下预测的效果
idx_target = 1000
print("Sample Weibo: ", df.text_clean[idx_target])
print("Predicted Sentiment: ", clf.predict(bow[idx_target, :]))
Sample Weibo:  听人声怎么样
Predicted Sentiment:  [1]
#对比一下文本给出的倾向和预测值,惨不忍睹,一是因为测试集小,二是测试集里0值少
clf.score(bow[:, :], df['sentiment_value'])
0.22127886956005463
# 训练一个贝叶斯分类器
bayes_X = list(map(lambda s: {k: True for k in s.split("|")}, keywords_text[:len(y)]))
bayes_featuresets = list(zip(bayes_X, y))
# 训练分类器
from nltk.tokenize import word_tokenize
import nltk
classifier = nltk.NaiveBayesClassifier.train(bayes_featuresets)
classifier.show_most_informative_features()
# 没有特别明显的情绪词汇
Most Informative Features
                      耳朵 = None                0 : 1      =      1.3 : 1.0
                      期待 = None                1 : -1     =      1.3 : 1.0
                      搜索 = None                1 : 0      =      1.2 : 1.0
                      问题 = None                1 : 0      =      1.2 : 1.0
                      级别 = None                0 : 1      =      1.2 : 1.0
                         = None                1 : -1     =      1.1 : 1.0
                    一般来说 = None                1 : -1     =      1.1 : 1.0
                      互通 = None                1 : -1     =      1.1 : 1.0
                      佩戴 = None                1 : -1     =      1.1 : 1.0
                      便宜 = None                1 : -1     =      1.1 : 1.0
# 分类结果。0代表是中性的
test_sentence_features = keywords_text[100]
classifier.classify({k: True for k in test_sentence_features.split("|")})
1
keywords_text[100]
'听不出|绿灯|统统|反正|区别'
# 基于这个结果给所有的评价打上情感倾向,再统计一下分布
sentiment_values = clf.predict(bow)
# 可视化
from collections import Counter
sentiment_dist = Counter(sentiment_values)
sentiment_dist
Counter({-1: 2153, 1: 13713, 0: 977})
sentiment_dist_df = pd.DataFrame(sentiment_dist.items())
sentiment_dist_df.columns = ['Sentiment_Value', 'Count']
sentiment_dist_df = sentiment_dist_df.set_index('Sentiment_Value')
sentiment_dist_df.plot.bar()
#0标签大大减少了,训练结果跟测试集高度相关
<AxesSubplot:xlabel='Sentiment_Value'>

在这里插入图片描述

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-10-01 16:48:38  更:2021-10-01 16:50:10 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 -2024/12/28 8:17:12-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码
数据统计