旅游酒店好评热词前20放在csv中

最新推荐文章于 2024-09-27 09:09:44 发布

原创最新推荐文章于 2024-09-27 09:09:44 发布 · 266 阅读

2 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

笔记

该博客通过Python库pandas和jieba对景区评论数据进行处理，首先读取Excel表格并按景区名称排序，然后整合各景区的评论内容。接着，提取每个景区的评论关键词，并统计热度，最后输出热度前20的评论热词，并将结果保存为CSV文件。整个过程涉及数据读取、文本处理、关键词提取和文件导出等步骤。

1.库的调用

import pandas as pd
import jieba 
import re

2.读取excel的表

#   df = pd.read_excel(**r+Excel路径**<直接在文件处复制路径>)
df = pd.read_excel(r"C:\Users\dell\Desktop\oc-ML\机器学习\week9\附件1\景区评论.xlsx")
df

3.按景区民称排序 -----用df.sort_values(' ',ascending=True)

data_1 = df.sort_values('景区名称',ascending = True)
data_1

4.把第0行的评论内容打出来列表的形式

data_1['评论内容'][0]

5.把整个评论内容打出来循环的

keywords_n = {}
word = ""
words = ""
for i in range(len(data_1)):       #在data_1的长度之内 i：是循环第几行
    if i == 0:                #打印第0行的评论内容
        word = data_1['评论内容'][i]
    if i>0 and data_1['景区名称'][i] == data_2['景区名称'][i-1]:         
        word = word + data_1['评论内容'][i]            #在景区名称相同情况下，第0行+第1行，后面的同理，像是计算1+2+3+4+5·····+100    ——————这是同一景区所有评论内容
    if i>0 and data_1['景区名称'][i] != data_2['景区名称'][i-1]:
        key = data_1['景区名称'][i-1]       #这是将不同景区区分开
        t = re.findall(r"[\u4E00-\u9FA5]",word)         #用正则表达式（re.findall()）
        for j in t:
            words = words + j
        keywords_n[key] = keywords_n.get(key,words)      #相应景区对应的评论内容
        word = data_1['评论内容'][i]
        words =""
    if i == len(data_1)-1:           #这是最后一行的数据
        key = data_1['景区名称'][i]
        t = re.findall(r"[\u4E00-\u9FA5]",word)
        for j in t:
            words = words + j
        keywords_n[key] = keywords_n.get(key,words)

6.打印出所有景区

keywords_n.keys()

7.把所有景区的所有评论内容都打印出来

keywords_n

8.取热度前二十的词

for key in keywords_n.keys():
    num ={}
    words =jieba.lcut(keywords_n[key],cut_all=False)          #
    for w in words:
        if len(w)==1:
            continue
        else:
            num[w] = num.get(w,0)+1
    nnn=[]
    for s in num.keys():
        nnn.append(num[s])              #对热度词进行出栈操作
    df = pd.DataFrame()            #列的形式打印出来
    df['评论热词'] =num.keys()
    df['热度']=nnn
    df1 = df.sort_values(['热度'],ascending = 0).head(20)      #.head(20)前20

9.当前位置打出df1热度排行

df1

10.把所得数据导入到CSV文件

df1.to_csv(r"C:\Users\dell\Desktop\oc-ML\机器学习\week10\评论热词{}.csv".format(key),index = False)