python对excel的操作,对中文的情感分析(openpyxl+snownlp),内附详细教学链接 记一次社会计算作业 (二)_snownlp中文情感分析+可视化分析

写在前面: 首次写csdn的博客, 记录一次涉及爬虫, 中文词句情感分析, 数据可视化的社会计算作业, 不过仅涉及非常粗浅的介绍和本次作业中用到的内容, 会在每个板块最后附上相应内容学习的其他博客链接.

分析题意

对于2019年度的电影评分数据，电影描述以及标签信息等数据进行获取和分析，作一份电影分析报告。
要求内容：
1.	正面，负面，中性评价比率
2.	粉丝分布属性
3.	票房属性
1
2
3
4
5

完成作业大概分为三个板块:

• 获取豆瓣上的电影数据
  1.爬虫的基础知识
  2.BeautifulSoup库的使用
• 分析数据(情感分析)
  1.python对excel的操作
  2.中文情感分析snowNLP库的使用
• 可视化表示数据
  1.excel的图表操作
  2.python的matplotlib库画三维散点图

本篇博客只涉及到第二板块的内容,其他内容在专栏中

基础知识

---

1.python对excel的操作

python对excel操作的库有很多,xlrd/xlwt库,openpyxl等,笔者在这里使用的是openpyxl库

在此处只需要会用以下几个操作就行

• 引用openpyxl库

  建议同时使用

import openpywl
from openpyxl import Workbook
1
2

• 读取一个excel文件

wb = load_workbook('./myfile.xlsx')
#此处可以指定参数read_only为true即只读,write_only为true为只写,默认为可读可写
1
2

• 确定工作表
  圈住的这个就是我所说的工作表 , 有的excel文件有多个工作表 , 不过哪怕你只有一个工作表,也是需要确认的

ws = wb.get_sheet_by_name('Sheet1')
#此处的参数就是你要的工作表的名字,大小写敏感
1
2

• 读写一个单元
  确定了sheet以后可以对每个单元格进行处理

    方法一:
    a = ws.cell(row,column).value
    不要忘了.value,此时a就是第row行第column单元格的数值.
    也可以直接进行写
    ws.cell(row,column).value = a
    就把a写入了对应单元格
    方法二:
    a = ws['A1']
    ws['A1'] = a
    但是在这次作业中似乎是用row和column更方便一些
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10

• 创建一个xlsx文件

wb2 = Workbook() #创建一个workbook(工作簿)
ws2 = wb2.active  #这个active是取正在工作的sheet,默认是第一个sheet  
1
2

然后可以按照之前的读写操作进行读写

• 写入一整行数据

ws.append(["director","rate","title","actor","url"])
1

这样可以直接写入整行数据
不过只能写到空白的行中哦

	from openpyxl import Workbook
	import openpyxl

	wb = Workbook()	
	ws = wb.active

	ws.append(["director","rate","title","actor","url"])
	ws.cell(2,3).value = 2131
	ws.append(["director","rate","title","actor","url"])

	wb.save("test.xlsx")
1
2
3
4
5
6
7
8
9
10
11

执行以上代码得到

点击openpyxl详解了解更多有关内容

---

2.中文情感分析snowNLP库的使用

SnowNLP是一个python写的类库，可以方便的处理中文文本内容. 简单介绍一些简单的操作

• snow库的引用
  这边建议使用下面两个

from snownlp import SnowNLP
from snownlp import sentiment
1
2

• 把文本snowNLP化

text = '戴上口罩我最帅,我是网安小可爱'
s = SnowNLP(text)
#或者
s2 = SnowNLP(u'戴上口罩我最帅,我是网安小可爱')
1
2
3
4

• 对文本进行分词

a  = s.words
print(a)
1
2

• 对文本的情感极性进行分析

b = s.sentiments
print(b)
1
2

这里输出的是一个[0,1]的数据 , 表示这句话可能是积极的概率 , 不过snownlp库只能对简单的词句进行分析 , 在这个阴阳怪气的时代 , 分辨出不准确的数据也很正常(但是你可以自己训练这个库), 越靠近0则是积极的概率越小.

点击snownlp教程了解更多内容
点击snownlp训练了解训练snownlp的方法

---

以上知识只是基础知识,并不能直接帮你完成作业hhh,但是了解知识以后敲代码时或许思路更加开阔了

数据的处理和分析要用到的知识就是这些,数据可视化会在下一篇文章中介绍