【爬虫+数据清洗+可视化】“淄博烧烤”热评Python舆情分析大屏
原创
【爬虫+数据清洗+可视化】“淄博烧烤”热评Python舆情分析大屏
原创
一、开发背景
本文首发公众号【老男孩的平凡之路】 我是@马哥python说 ，一枚10年程序猿。
自从2023.3月以来，"淄博烧烤"现象持续占领热搜流量，体现了后疫情时代众多网友对人间烟火气的美好向往，本现象级事件存在一定的数据分析实践意义。
动态演示：https://cloud.tencent.com/developer/video/80112
二、爬虫代码
2.1 爬微博列表
通过m端的搜索页面，爬取以"淄博烧烤"为关键词的微博id，获取到微博id的目的，是传给评论爬虫。
发送请求部分：
# 请求地址
url = 'https://m.weibo.cn/api/container/getIndex'
# 请求参数
params = {
"containerid": "100103type=60&q={}".format(v_keyword),
"page_type": "searchall",
"page": page
}
# 发送请求
r = requests.get(url, headers=headers, params=params)注意，type=60代表"热门"，如下：
解析数据部分：
# 解析json数据
cards = r.json()["data"]["cards"]
print('微博数量：', len(cards))
for card in cards:
# 微博id
id_list = card['mblog']['id']
id_list_list.append(id_list)至此，已经获取到以「淄博烧烤」为关键词的微博id列表 id_list_list 了。
2.2 爬微博评论
从2.1章节获取到微博id列表之后，传入爬取微博评论函数 get_comments
这部分爬虫讲解可移步：
【2023微博评论爬虫】用python爬上千条微博评论，突破15页限制！
最终，爬取到的微博评论数据，示例如下：
说明：无论微博搜索页，还是微博评论页，都可以自定义设置max_page，满足自己的个性化数据量要求。
2.3 导入MySQL数据库
最核心的三行代码：
# 读取csv数据
df = pd.read_csv('去重后_' + comment_file)
# 把csv数据导入MySQL数据库
df.to_sql(name='t_zbsk', con=engine, chunksize=1000, if_exists='replace', index=False)
print('导入数据库完成！')用create_engine创建数据库连接，格式为：
create_engine('数据库类型+数据库驱动://用户名:密码@数据库IP地址/数据库名称')
这样，数据库连接就创建好了。
然后，用pandas的read_csv函数读取csv文件。
最后，用pandas的to_sql函数，把数据存入MySQL数据库：
- name='college_t2' #mysql数据库中的表名
- con=engine # 数据库连接
- index=False #不包含索引字段
- if_exists='replace' #如果表中存在数据，就替换掉
非常方便地完成了反向导入，即：从csv向数据库的导入。
这个部分的讲解视频：
仅用Python三行代码，实现数据库和excel之间的导入导出！
三、可视化代码
3.1 大标题
由于pyecharts组件没有专门用作标题的图表，我决定灵活运用Line组件实现大标题。
首先，找到一张星空图作为大屏背景图：
然后，在Line组件中加入js代码，加载背景图：
# 设置背景图片
line3.add_js_funcs(
"""
var img = new Image(); img.src = './static/bg2.png';
"""
)大标题效果如下：
3.2 词云图（含：加载停用词）
绘制词云图，需要先进行中文分词。既然分词，就要先设置停用词，避免干扰词影响分析结果。
这里采用哈工大停用词作为停用词词典。
# 停用词列表
with open('hit_stopwords.txt', 'r') as f:
stopwords_list = f.readlines()
stopwords_list = [i.strip() for i in stopwords_list]这样，所有停用词就存入stopwords_list这个列表里了。
如果哈工大停用词仍然无法满足需求，再加入一些自定义停用词，extend到这个列表里：
# 加入自定义停用词
stopwords_list.extend(
['3', '5', '不', '都', '好', '人', '吃', '都', '去', '想', '说', '还', '很', '…', 'nan', '真的', '不是',
'没', '会', '看', '现在', '觉得', ' ', '没有', '上', '感觉', '大', '太', '真', '哈哈哈', '火', '挖', '做',
'一下', '不能', '知道', '这种', '快'])现在就可以愉快的绘制词云图了，部分核心代码：
wc = WordCloud(init_opts=opts.InitOpts(width='600px', height=chart_height, theme=theme_config, chart_id='wc1'))
wc.add(series_name="评论内容",
data_pair=data300,
word_gap=1,
word_size_range=[20, 70],
) # 增加数据
wc.set_global_opts(
title_opts=opts.TitleOpts(pos_left='center',
pos_top='0%',
title=v_title,
title_textstyle_opts=opts.TextStyleOpts(font_size=20, color=title_color) # 设置标题
),
tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示
)词云图效果：
3.3 玫瑰图（含：snownlp情感分析）
先对评论数据进行情感判定，采用snownlp技术进行情感打分及判定结果：
for comment in cmt_list:
sentiments_score = SnowNLP(comment).sentiments
if 0 <= sentiments_score < 0.2: # 情感分小于0.2，判定为极其消极
tag = '极其消极'
neg_very_count += 1
elif 0.2 <= sentiments_score < 0.4: # 情感分在0.2和0.4之间，判定为比较消极
tag = '比较消极'
neg_count += 1
elif 0.4 <= sentiments_score < 0.6: # 情感分在0.4和0.6之间，判定为中性
tag = '中性'
mid_count += 1
elif 0.6 <= sentiments_score < 0.9: # 情感分在0.6和0.9之间，判定为比较积极
tag = '比较积极'
pos_count += 1
else: # 情感分大于0.9，判定为极其积极
tag = '极其积极'
pos_very_count += 1将情感分析结果用pandas保存到一个Excel文件里，如下：
绘制玫瑰图，部分核心代码：
# 画饼图
pie = (
Pie(init_opts=opts.InitOpts(theme=theme_config, width=chart_width, height=chart_height, chart_id='pie1'))
.add(series_name="情感分类", # 系列名称
data_pair=[ # 添加数据
['极其积极', pos_very_count],
['比较积极', pos_count],
['中性', mid_count],
['比较消极', neg_count],
['极其消极', neg_very_count],
],
rosetype="radius", # 是否展示成南丁格尔图
radius=["20%", "65%"], # 扇区圆心角展现数据的百分比
) # 加入数据
.set_global_opts( # 全局设置项
title_opts=opts.TitleOpts(title=v_title,
pos_left='center',
title_textstyle_opts=opts.TextStyleOpts(color=title_color, ), ), # 标题
legend_opts=opts.LegendOpts(pos_left='center', pos_top='8%', orient='horizontal',
textstyle_opts=opts.TextStyleOpts(color='white', )) # 图例字体颜色
)
)玫瑰图效果：
3.4 柱形图-TOP10关键词
先根据词云图部分提取出TOP10高频词（过滤掉停用词之后的）：
data10 = collections.Counter(result).most_common(10)然后带入柱形图，部分核心代码：
# 画柱形图
bar = Bar(
init_opts=opts.InitOpts(theme=theme_config, width='780px', height=chart_height,
chart_id='bar1')) # 初始化条形图
bar.add_xaxis(x_data) # 增加x轴数据
bar.add_yaxis("高频词汇", y_data) # 增加y轴数据
bar.set_series_opts(label_opts=opts.LabelOpts(position="top")) # Label出现位置
bar.set_global_opts(。。。)柱形图效果：
3.5 折线图-讨论热度趋势
首先，根据评论时间统计出每天的微博评论数量：
# 按日期分组统计评论数量
df_comments['评论日期'] = df_comments['评论时间'].astype(str).str[:10] # 提取日期
grp = df_comments.groupby('评论日期')['评论内容'].count()然后，根据统计数据画出折线图，部分核心代码：
line = Line(
init_opts=opts.InitOpts(width='780px', height=chart_height, theme=theme_config, chart_id='line1')) # 实例化
line.add_xaxis(x_data) # 加入X轴数据
line.add_yaxis('讨论数量', y_data, is_smooth=True,
areastyle_opts=opts.AreaStyleOpts(color=JsCode(area_color_js), opacity=1), ) # 加入Y轴数据
line.set_global_opts(。。。)折线图效果：
3.6 地图-IP分布
由于IP属地字段都包含"来自"两字，先进行数据清洗，将"来自"去掉：
# 数据清洗-ip属地
ip_count = df_comments['评论者IP归属地'].str.replace('来自', '')然后统计各个IP属地的数量，方便后续带入地图可视化：
# 统计各IP数量
ip_count = ip_count.value_counts()下面开始绘制地图，部分核心代码：
f_map = (
Map(init_opts=opts.InitOpts(width='600px',
height='600px',
theme=theme_config,
page_title=v_title,
chart_id='map1',
bg_color=None))
.add(series_name="评论数量",
data_pair=list(zip(loc_list, value_list)),
maptype="china", # 地图类型
is_map_symbol_show=False)
.set_global_opts(。。。)
.set_series_opts(label_opts=opts.LabelOpts(is_show=True, font_size=8, ),
markpoint_opts=opts.MarkPointOpts(
symbol_size=[90, 90], symbol='circle'),
effect_opts=opts.EffectOpts(is_show='True', )
)
)地图效果，如下：
当然，地图中的颜色，都是自己设置的十六进制颜色，可以根据自己的喜好更改。
3.7 Page组合大屏
最后，也是最关键的一步，把以上所有图表组合到一起，用Page组件，并且选用DraggablePageLayout方法，即拖拽的方式，组合图表:
# 绘制:整个页面
page = Page(
page_title='微博热门评论可视化分析大屏-以"淄博烧烤"为例',
layout=Page.DraggablePageLayout,
)
page.add(
# 绘制:大标题
make_title(v_title='微博热门评论可视化分析大屏-以"淄博烧烤"为例'),
# 绘制:词云图
make_wordcloud(v_title='评论内容-词云图'),
# 绘制:饼图
make_analyse_pie(v_title='情感分布-玫瑰图'),
# 绘制:柱形图
make_bar(v_title='TOP10关键词-柱形图'),
# 绘制：折线图
make_line(v_title='讨论热度趋势-折线图'),
# 绘制：地图
make_map(v_title='评论IP分布-中国地图'),
)
page.render('大屏_临时.html') 本代码执行完毕后,打开临时html并排版,排版完点击Save Config，把json文件放到本目录下。
再执行最后一步，调用json配置文件，生成最终大屏文件。
Page.save_resize_html(
source="大屏_临时.html", # 源html文件
cfg_file="chart_config.json", # 配置文件
dest="大屏_最终.html" # 目标html文件
)至此，所有代码执行完毕，生成了最终大屏html文件。
四、彩蛋-多种颜色主题
分享一个小技巧，我设置了一键更换颜色主题：
# 整体主题颜色
theme_config = ThemeType.SHINE只需更换ThemeType参数，即可实现一键更换主题！
4.1 INFOGRAPHIC主题
4.2 MACARONS主题
4.3 SHINE主题
4.4 WALDEN主题
4.5 WESTEROS主题
4.6 WHITE主题
4.7 WONDERLAND主题
更多颜色主题等待小伙伴去发掘！
五、技术总结
技术开发流程：
- requests 爬虫发送请求
- json 解析返回数据
- re 正则表达式清洗文本
- pandas保存csv文件
- sqlalchemy 保存MySQL数据
- pyecharts 可视化开发
- snownlp 情感分析
- jieba 中文分词
- pyecharts+page 组合大屏
- flask 启动网页服务
六、在线体验
为了方便大家体验可视化动态交互效果，我把此大屏部署到了服务器，请移步：
mgnb.pro:8888
七、演示视频
效果演示视频：【大屏演示】Python可视化舆情大屏「淄博烧烤」
___
我是 @马哥python说 ，持续分享python源码干货中！
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
腾讯云开发者
