4. 分析评论数量及评分与时间的关系

首先导入数据，进行一个初步的统计：

import pandas as pd
data = pd.read_csv('doubanliulangdiqiu.csv',encoding ='GB18030')
data['评分'].value_counts()

可以看到这样的情况：
在这里插入图片描述
如果没有数据，可以去看爬虫实战之《流浪地球》豆瓣影评分析（一）的爬取过程。

先做一个饼图来分析分布情况，先把评分的值计算命名为num,然后设置字体，绘制饼图，设置小数点的位数，还有给一个标题：

import matplotlib.pyplot as plt
num = data['评分'].value_counts()
plt.rcParams['font.sans-serif'] = "Simhei"
plt.pie(num, autopct="%.2f %%",labels=num.index)
plt.title('《流浪地球》豆瓣短评评分分数分布')

最后是结果：
在这里插入图片描述

短评数量与日期的关系

因为之前爬取数据的时候，把时分秒也爬了下来，而这次只需要日期，所以要选择一下。然后用日期排序:

num = data['发表时间'].apply(lambda x: x.split(" ")[0]).value_counts()
num = num.sort_index()  # 日期排序
plt.plot(range(len(num)),num)  # 刻度与num的长度一致
plt.xticks(range(len(num)),num.index,rotation=90) 
plt.grid()  # 添加网格背景

最后效果：
在这里插入图片描述
因为只有500条数据，可以看懂，2月五号上映的时候到了一个峰值。

短评数量与时刻的关系

前面是日期，这次就是时刻了：

num = pd.to_datetime(data['发表时间']).apply(lambda x: x.hour).value_counts()  # 首先转换成时间格式，然后转换成小
num = num.sort_index()
plt.plot(range(len(num)),num)  # 刻度与num的长度一致
plt.xticks(range(len(num)),num.index) 
plt.title("评论数量随时刻的变化情况")
plt.grid()  # 添加网格背景

在这里插入图片描述
可以看出来，凌晨基本没人，晚上是高峰期，可以看出来大部分人是夜猫子

不同评分数量与时间的关系

首先需要进行去重操作，以发表时间为例:data['发表时间'].drop_duplicates().sort_values()。时间也处理一下data["发表时间"] = data["发表时间"].apply(lambda x: x.split(' ')[0])
然后建立一个空表格，然后进行数据填充，最后指标：

在这里插入代码片data["发表时间"] = data["发表时间"].apply(lambda x: x.split(' ')[0])
tmp = pd.DataFrame(0,index=data['发表时间'].drop_duplicates().sort_values(),# 去重columns=data['评分'].drop_duplicates().sort_values())
for i,j in zip(data['发表时间'],data["评分"]):tmp.loc[i, j] +=1
tmp = tmp.iloc[:,:-1]n,m= tmp.shape
plt.figure(figsize=(10,5))
plt.rcParams['axes.unicode_minus']=False
for i in range(m):plt.plot(range(n),(-1 if i<2 else 1)*tmp.iloc[:,i])#绘制图plt.fill_between(range(n),(-1 if i<2 else 1)*tmp.iloc[:,i],alpha=0.5)
plt.grid()
plt.legend(tmp.columns)   # 图例
plt.xticks(range(n),tmp.index,rotation=45)  # 横轴左闭
plt.show()

最后的效果图：
在这里插入图片描述
分析一下趋势：

在点映期间，对电影的大部分评价都是正面的，但是上映之后两级分化。
一星评价中，在2019-02-10有一个小高峰，当天是星期一，好评低，可能是刷负分的评价

但是这是500条数据，不能代表所有！！！

5. 分析评论者的城市分布情况

还是一样，先导入数据，然后数据处理，最后绘制条形图：

import pandas as pd
import matplotlib.pyplot as plt
data = pd.read_csv("doubanliulangdiqiu.csv",encoding='GB18030')
num = data['居住城市'].value_counts()[:10]
plt.rcParams['font.sans-serif'] = "Simhei"
plt.bar(range(10),num)
plt.xticks(range(10),num.index,rotation=45)
plt.title('平均价数量最多的前十个城市')
for i,j in enumerate(num):plt.text(i,j,j, ha = 'center',va='bottom')
plt.show()

看一下效果：
在这里插入图片描述
得出了评价数最多的十个城市后。就开始整理数据，一样，先构建一个空表格，然后再统计导入数据

tmp = pd.DataFrame(0,index= data['评分'].drop_duplicates().sort_values(),columns=data['居住城市'].drop_duplicates())
for i ,j in zip(data['评分'],data['居住城市']):tmp.loc[i,j] += 1

但是城市太多了,就取前五个城市吧

cities = num.index[:5] #  取前五个城市
tmp=tmp.loc[:,cities] # 选取评论数前五的城市
tmp = tmp.iloc[:5,:]# 去除NAN

效果：
在这里插入图片描述
然后就是跟上面差不多的代码，稍微改一下：

n,m= tmp.shape
plt.figure(figsize=(10,5))
plt.rcParams['axes.unicode_minus']=False
for i in range(m):plt.plot(range(n),tmp.iloc[:,i])#绘制图plt.fill_between(range(n),tmp.iloc[:,i],alpha=0.5)
plt.grid()
plt.title("评论评分与城市的关系")
plt.legend(tmp.columns)   # 图例
plt.xticks(range(n),tmp.index,rotation=45)  # 横轴左闭
plt.show()