主頁 > 知識(shí)庫 > 用Python實(shí)現(xiàn)網(wǎng)易云音樂的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和可視化分析

用Python實(shí)現(xiàn)網(wǎng)易云音樂的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和可視化分析

熱門標(biāo)簽:西藏房產(chǎn)智能外呼系統(tǒng)要多少錢 外呼并發(fā)線路 宿遷星美防封電銷卡 百度地圖標(biāo)注沒有了 ai電銷機(jī)器人源碼 長沙高頻外呼系統(tǒng)原理是什么 地圖標(biāo)注審核表 ai電話機(jī)器人哪里好 湛江智能外呼系統(tǒng)廠家

Python實(shí)現(xiàn)對(duì)網(wǎng)易云音樂的數(shù)據(jù)進(jìn)行一個(gè)數(shù)據(jù)清洗和可視化分析

對(duì)音樂數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗與可視化分析

關(guān)于數(shù)據(jù)的清洗,實(shí)際上在上一一篇文章關(guān)于抓取數(shù)據(jù)的過程中已經(jīng)做了一部分,后面我又做了一下用戶數(shù)據(jù)的抓取

歌曲評(píng)論:

包括后臺(tái)返回的空用戶信息、重復(fù)數(shù)據(jù)的去重等。除此之外,還要進(jìn)行一些清洗:用戶年齡錯(cuò)誤、用戶城市編碼轉(zhuǎn)換等。

關(guān)于數(shù)據(jù)的去重,評(píng)論部分可以以sommentId為數(shù)據(jù)庫索引,利用數(shù)據(jù)庫來自動(dòng)去重;用戶信息部分以用戶ID為數(shù)據(jù)庫索引實(shí)現(xiàn)自動(dòng)去重。

API返回的用戶年齡一般是時(shí)間戳的形式(以毫秒計(jì))、有時(shí)候也會(huì)返回一個(gè)負(fù)值或者一個(gè)大于當(dāng)前時(shí)間的值,暫時(shí)沒有找到這兩種值代表的含義,故而一律按0來處理。

API返回的用戶信息中,城市分為province和city兩個(gè)字段,本此分析中只保存了city字段。實(shí)際上字段值是一個(gè)城市code碼,具體對(duì)照在這里下載。
利用Python的數(shù)據(jù)處理庫pandas進(jìn)行數(shù)據(jù)處理,利用可視化庫pyecharts進(jìn)行數(shù)據(jù)可視化。

分別查看下面分析結(jié)果。

  • 評(píng)論用戶年齡分布
  • 評(píng)論關(guān)鍵詞分布
  • 評(píng)論時(shí)間數(shù)量分布(年-月)
  • 評(píng)論時(shí)間數(shù)量分布(年-月-日)

對(duì)音樂數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗與可視化分析

import pandas as pd
import pymysql
from pyecharts import Bar,Pie,Line,Scatter,Map
TABLE_COMMENTS = '****'
TABLE_USERS = '****'
DATABASE = '****'
conn = pymysql.connect(host='localhost', user='****', passwd='****', db=DATABASE, charset='utf8mb4')
sql_users = 'SELECT id,gender,age,city FROM '+TABLE_USERS
sql_comments = 'SELECT id,time FROM '+TABLE_COMMENTS
comments = pd.read_sql(sql_comments, con=conn)
users = pd.read_sql(sql_users, con=conn)
# 評(píng)論時(shí)間(按天)分布分析
comments_day = comments['time'].dt.date
data = comments_day.id.groupby(comments_day['time']).count()
line = Line('評(píng)論時(shí)間(按天)分布')
line.use_theme('dark')
line.add(
	'',
	data.index.values,
	data.values,
	is_fill=True,
)
line.render(r'./評(píng)論時(shí)間(按天)分布.html')
# 評(píng)論時(shí)間(按小時(shí))分布分析
comments_hour = comments['time'].dt.hour
data = comments_hour.id.groupby(comments_hour['time']).count()
line = Line('評(píng)論時(shí)間(按小時(shí))分布')
line.use_theme('dark')
line.add(
	'',
	data.index.values,
	data.values,
	is_fill=True,
)
line.render(r'./評(píng)論時(shí)間(按小時(shí))分布.html')
# 評(píng)論時(shí)間(按周)分布分析
comments_week = comments['time'].dt.dayofweek
data = comments_week.id.groupby(comments_week['time']).count()
line = Line('評(píng)論時(shí)間(按周)分布')
line.use_theme('dark')
line.add(
	'',
	data.index.values,
	data.values,
	is_fill=True,
)
line.render(r'./評(píng)論時(shí)間(按周)分布.html')
# 用戶年齡分布分析
age = users[users['age']>0]	# 清洗掉年齡小于1的數(shù)據(jù)
age = age.id.groupby(age['age']).count()	# 以年齡值對(duì)數(shù)據(jù)分組
Bar = Bar('用戶年齡分布')
Bar.use_theme('dark')
Bar.add(
	'',
	age.index.values,
	age.values,
	is_fill=True,
)
Bar.render(r'./用戶年齡分布圖.html')	# 生成渲染的html文件
# 用戶地區(qū)分布分析
# 城市code編碼轉(zhuǎn)換
def city_group(cityCode):
    city_map = {
        '11': '北京',
        '12': '天津',
        '31': '上海',
        '50': '重慶',
        '5e': '重慶',
        '81': '香港',
        '82': '澳門',
        '13': '河北',
        '14': '山西',
        '15': '內(nèi)蒙古',
        '21': '遼寧',
        '22': '吉林',
        '23': '黑龍江',
        '32': '江蘇',
        '33': '浙江',
        '34': '安徽',
        '35': '福建',
        '36': '江西',
        '37': '山東',
        '41': '河南',
        '42': '湖北',
        '43': '湖南',
        '44': '廣東',
        '45': '廣西',
        '46': '海南',
        '51': '四川',
        '52': '貴州',
        '53': '云南',
        '54': '西藏',
        '61': '陜西',
        '62': '甘肅',
        '63': '青海',
        '64': '寧夏',
        '65': '新疆',
        '71': '臺(tái)灣',
        '10': '其他',
    }
    return city_map[cityCode[:2]]
city = users['city'].apply(city_group)
city = city.id.groupby(city['city']).count()
map_ = Map('用戶地區(qū)分布圖')
map_.add(
	'',
	city.index.values,
	city.values,
	maptype='china',
	is_visualmap=True,
	visual_text_color='#000',
	is_label_show=True,
)
map_.render(r'./用戶地區(qū)分布圖.html')

可視化結(jié)果



評(píng)論時(shí)間按周分布圖可以看出,評(píng)論數(shù)在一周當(dāng)中前面較少,后面逐漸增多,這可以解釋為往后接近周末,大家有更多時(shí)間來聽聽歌、刷刷歌評(píng),而一旦周末過完,評(píng)論量馬上下降(周日到周一的下降過渡),大家又回歸到工作當(dāng)中。


評(píng)論時(shí)間按小時(shí)分布圖可以看出,評(píng)論數(shù)在一天當(dāng)中有兩個(gè)小高峰:11點(diǎn)-13點(diǎn)和22點(diǎn)-0點(diǎn)。這可以解釋為用戶在中午午飯時(shí)間和晚上下班(課)在家時(shí)間有更多的時(shí)間來聽歌刷評(píng)論,符合用戶的日常。至于為什么早上沒有出現(xiàn)一個(gè)小高峰,大概是早上大家都在搶時(shí)間上班(學(xué)),沒有多少時(shí)間去刷評(píng)論。

https://blog.csdn.net/u011371360

用戶年齡分布圖可以看出,用戶大多集中在14-30歲之間,以20歲左右居多,除去虛假年齡之外,這個(gè)年齡分布也符合網(wǎng)易云用戶的年齡段。圖中可以看出28歲有個(gè)高峰,猜測(cè)可能是包含了一些異常數(shù)據(jù),有興趣的化可以做進(jìn)一步分析。


用戶地區(qū)分布圖可以看出,用戶涵蓋了全國各大省份,因?yàn)橹虚g數(shù)據(jù)(坑)的缺失,并沒有展現(xiàn)出哪個(gè)省份特別突出的情況。對(duì)別的歌評(píng)(完全數(shù)據(jù))的可視化分析,可以看出明顯的地區(qū)分布差異。

此次分析只是對(duì)某一首歌曲評(píng)論時(shí)間、用戶年齡/地區(qū)分布進(jìn)行的,實(shí)際上抓取到的信息不僅僅在于此,可以做進(jìn)一步分析(比如利用評(píng)論內(nèi)容進(jìn)行文本內(nèi)容分析等),這部分,未來會(huì)進(jìn)一步分析。當(dāng)然也可以根據(jù)自己情況對(duì)不同歌曲進(jìn)行分析。

歌詞文本分析

情感分析采用Python的文本分析庫snownlp,代碼如下:

import numpy as np
import pymysql
from snownlp import SnowNLP
from pyecharts import Bar
TABLE_COMMENTS = '****'
DATABASE = '****'
SONGNAME = '****'
def getText():
	conn = pymysql.connect(host='localhost', user='root', passwd='root', db=DATABASE, charset='utf8')
	sql = 'SELECT id,content FROM '+TABLE_COMMENTS
	text = pd.read_sql(sql%(SONGNAME), con=conn)
	return text
def getSemi(text):
	text['content'] = text['content'].apply(lambda x:round(SnowNLP(x).sentiments, 2))
	semiscore = text.id.groupby(text['content']).count()
	bar = Bar('評(píng)論情感得分')
	bar.use_theme('dark')
	bar.add(
		'',
		y_axis = semiscore.values,
		x_axis = semiscore.index.values,
		is_fill=True,
	)
	bar.render(r'情感得分分析.html')
	text['content'] = text['content'].apply(lambda x:1 if x>0.5 else -1)
	semilabel = text.id.groupby(text['content']).count()
	bar = Bar('評(píng)論情感標(biāo)簽')
	bar.use_theme('dark')
	bar.add(
		'',
		y_axis = semilabel.values,
		x_axis = semilabel.index.values,
		is_fill=True,
	)
	bar.render(r'情感標(biāo)簽分析.html')

結(jié)果:


詞云生成采用jieba分詞庫分詞,wordcloud生成詞云,代碼如下:

from wordcloud import WordCloud
import matplotlib.pyplot as plt
plt.style.use('ggplot')
plt.rcParams['axes.unicode_minus'] = False
def getWordcloud(text):
	text = ''.join(str(s) for s in text['content'] if s)
	word_list = jieba.cut(text, cut_all=False)
	stopwords = [line.strip() for line in open(r'./StopWords.txt', 'r').readlines()]	# 導(dǎo)入停用詞
	clean_list = [seg for seg in word_list if seg not in stopwords] #去除停用詞
	clean_text = ''.join(clean_list)
	# 生成詞云
	cloud = WordCloud(
	    font_path = r'C:/Windows/Fonts/msyh.ttc',
	    background_color = 'white',
	    max_words = 800,
	    max_font_size = 64
	)
	word_cloud = cloud.generate(clean_text)
	# 繪制詞云
	plt.figure(figsize=(12, 12))
	plt.imshow(word_cloud)
	plt.axis('off')
	plt.show()
if __name__ == '__main__':
	text = getText()
	getSemi(text)
	getWordcloud(text)

總結(jié)

本篇文章就到這里了,希望能給你帶來幫助,也希望您能夠多多關(guān)注腳本之家的更多內(nèi)容!

您可能感興趣的文章:
  • Python爬蟲實(shí)戰(zhàn)之網(wǎng)易云音樂加密解析附源碼

標(biāo)簽:海南 南平 普洱 林芝 漯河 盤錦 寧夏 大同

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《用Python實(shí)現(xiàn)網(wǎng)易云音樂的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和可視化分析》,本文關(guān)鍵詞  用,Python,實(shí)現(xiàn),網(wǎng)易,云,音,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們,我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《用Python實(shí)現(xiàn)網(wǎng)易云音樂的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和可視化分析》相關(guān)的同類信息!
  • 本頁收集關(guān)于用Python實(shí)現(xiàn)網(wǎng)易云音樂的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和可視化分析的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章