情感分析预处理

2022-01-16 18:02:35 阅读：149 来源： 互联网

标签：分析 count column self 情感 import csv data 预处理

主体类为：

import numpy as np
import pandas as pd
import re
import jieba
from itertools import chain
from collections import Counter
from pyecharts import options as opts
from pyecharts.charts import WordCloud
import datetime


class Pretreat():
    def __init__(self,path=None,kind="csv",column=None,is_clear=True,count=None,count_pic=None):
        #1.读取数据
        if(kind == "csv"):
            self.data=pd.read_csv(path)
        elif(kind == "excel"):
            self.data=pd.read_excel(path)
        self.is_clear=is_clear
        self.column=column#需要处理的行名称
        self.count=count#计数操作，传入个数即为默认的个数，不传入就不做
        self.count_pic=count_pic#画词云图操作，传入个数为默认个数，不传入不做
        #读停用词
        self.stopwords = set()
        with open('停用词.txt',encoding = 'UTF-8') as f:
            for line in f:
                (self.stopwords).add(line.strip())
    #1.多余字符处理函数和jieba分词
    def clear(self,text):
        pattern = r"[!\"#$%&'()*+,-./:;<=>?@[\\\]^_^{|}~—！，。？、￥…（）：【】《》‘’“”\s ]+"
        re_obj = re.compile(pattern)
        temp = re_obj.sub("",str(text))#多余字符处理
        return jieba.cut(temp)#结巴分词处理
    def clear_participle(self):
        (self.data).drop_duplicates(inplace=True)#去重处理
        self.data[self.column] = self.data[self.column].apply(self.clear)
    #2.停用词处理
    def remove_stopword(self,words):
        return [word for word in words if word not in self.stopwords]
    def stopword(self):
        if self.is_clear == False:
            pass
        else:
            #去除停用词
            self.data[self.column] = self.data[self.column].apply(self.remove_stopword)
    #3.计数
    def count_all(self):
        if self.count==None or self.count<10:#小于10还是不处理了
            pass
        else:
            li_2d = self.data[self.column].tolist()
            #将二维列表转换为一维
            li_1d = list(chain.from_iterable(li_2d))
            print(f'总词汇量：{len(li_1d)}')
            c = Counter(li_1d)
            print(f'不重复词汇量：{len(c)}')
            self.common = c.most_common()#保存一下这个变量
            print(self.common[:self.count])#打印出前需要个给你看看
    #4.画词云图
    def take_pic(self):
        if self.count_pic==None or self.count_pic<10:
            pass
        else:
            # 数据
            words = self.common[:self.count_pic]
            # 渲染图
            c = (
                WordCloud()
                .add("", words, word_size_range=[20, 100], shape='diamond')  # SymbolType.ROUND_RECT
                .set_global_opts(title_opts=opts.TitleOpts(title='WordCloud词云'))
            )
            # 生成图
            c.render(path=f'词云图\\词云图-{datetime.datetime.now().strftime("%Y-%m-%d-%H-%M-%S")}.html')
    #主调用函数
    def run(self):
        self.clear_participle()
        self.stopword()
        self.count_all()
        self.take_pic()
        print("所有预处理操作已进行完毕！")
        return self.data

主调用函数为：

from Pretreat_all import Pretreat
import pandas as pd


df_data=pd.read_csv("疫情中山陵.csv")
# print(df_data)
pr=Pretreat(path="南京舆情旅游.csv",kind="csv",column="comment",count=10,count_pic=100)
df_data=pr.run()
print(df_data)

标签：分析,count,column,self,情感,import,csv,data,预处理
来源： https://blog.csdn.net/qq_55729911/article/details/122525998

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

情感分析预处理