目錄Python實現對網易云音樂的數據進行一個數據清洗和可視化分析對音樂數據進行數據清洗與可視化分析對音樂數據進行數據清洗與可視化分析歌詞文本分析總結Python實現對網易云音樂的數據進行一個數據清洗和可視化分析對音樂數據進行數據清洗與可視化分析

關于數據的清洗，實際上在上一一篇文章關于抓取數據的過程中已經做了一部分，后面我又做了一下用戶數據的抓取

歌曲評論：

包括后臺返回的空用戶信息、重復數據的去重等。除此之外，還要進行一些清洗：用戶年齡錯誤、用戶城市編碼轉換等。

關于數據的去重，評論部分可以以sommentId為數據庫索引，利用數據庫來自動去重；用戶信息部分以用戶ID為數據庫索引實現自動去重。

API返回的用戶年齡一般是時間戳的形式(以毫秒計)、有時候也會返回一個負值或者一個大于當前時間的值，暫時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兩個字段，本此分析中只保存了city字段。實際上字段值是一個城市code碼，具體對照在這里下載。利用Python的數據處理庫pandas進行數據處理，利用可視化庫pyecharts進行數據可視化。

分別查看下面分析結果。

評論用戶年齡分布 評論關鍵詞分布 評論時間數量分布（年-月） 評論時間數量分布（年-月-日）對音樂數據進行數據清洗與可視化分析

import pandas as pdimport pymysqlfrom pyecharts import Bar,Pie,Line,Scatter,MapTABLE_COMMENTS = ’****’TABLE_USERS = ’****’DATABASE = ’****’conn = pymysql.connect(host=’localhost’, user=’****’, passwd=’****’, db=DATABASE, charset=’utf8mb4’)sql_users = ’SELECT id,gender,age,city FROM ’+TABLE_USERSsql_comments = ’SELECT id,time FROM ’+TABLE_COMMENTScomments = pd.read_sql(sql_comments, con=conn)users = pd.read_sql(sql_users, con=conn)# 評論時間(按天)分布分析comments_day = comments[’time’].dt.datedata = comments_day.id.groupby(comments_day[’time’]).count()line = Line(’評論時間(按天)分布’)line.use_theme(’dark’)line.add(’’,data.index.values,data.values,is_fill=True,)line.render(r’./評論時間(按天)分布.html’)# 評論時間(按小時)分布分析comments_hour = comments[’time’].dt.hourdata = comments_hour.id.groupby(comments_hour[’time’]).count()line = Line(’評論時間(按小時)分布’)line.use_theme(’dark’)line.add(’’,data.index.values,data.values,is_fill=True,)line.render(r’./評論時間(按小時)分布.html’)# 評論時間(按周)分布分析comments_week = comments[’time’].dt.dayofweekdata = comments_week.id.groupby(comments_week[’time’]).count()line = Line(’評論時間(按周)分布’)line.use_theme(’dark’)line.add(’’,data.index.values,data.values,is_fill=True,)line.render(r’./評論時間(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的數據age = age.id.groupby(age[’age’]).count()# 以年齡值對數據分組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# 用戶地區分布分析# 城市code編碼轉換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’./用戶地區分布圖.html’)

可視化結果

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

評論時間按小時分布圖可以看出，評論數在一天當中有兩個小高峰：11點-13點和22點-0點。這可以解釋為用戶在中午午飯時間和晚上下班(課)在家時間有更多的時間來聽歌刷評論，符合用戶的日常。至于為什么早上沒有出現一個小高峰，大概是早上大家都在搶時間上班(學)，沒有多少時間去刷評論。

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，這個年齡分布也符合網易云用戶的年齡段。圖中可以看出28歲有個高峰，猜測可能是包含了一些異常數據，有興趣的化可以做進一步分析。

用戶地區分布圖可以看出，用戶涵蓋了全國各大省份，因為中間數據(坑)的缺失，并沒有展現出哪個省份特別突出的情況。對別的歌評(完全數據)的可視化分析，可以看出明顯的地區分布差異。

此次分析只是對某一首歌曲評論時間、用戶年齡/地區分布進行的，實際上抓取到的信息不僅僅在于此，可以做進一步分析（比如利用評論內容進行文本內容分析等），這部分，未來會進一步分析。當然也可以根據自己情況對不同歌曲進行分析。

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 npimport pymysqlfrom snownlp import SnowNLPfrom pyecharts import BarTABLE_COMMENTS = ’****’DATABASE = ’****’SONGNAME = ’****’def getText():conn = pymysql.connect(host=’localhost’, user=’root’, passwd=’root’, db=DATABASE, charset=’utf8’)sql = ’SELECT id,content FROM ’+TABLE_COMMENTStext = pd.read_sql(sql%(SONGNAME), con=conn)return textdef getSemi(text):text[’content’] = text[’content’].apply(lambda x:round(SnowNLP(x).sentiments, 2))semiscore = text.id.groupby(text[’content’]).count()bar = Bar(’評論情感得分’)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(’評論情感標簽’)bar.use_theme(’dark’)bar.add(’’,y_axis = semilabel.values,x_axis = semilabel.index.values,is_fill=True,)bar.render(r’情感標簽分析.html’)

結果：

詞云生成采用jieba分詞庫分詞，wordcloud生成詞云，代碼如下：

from wordcloud import WordCloudimport matplotlib.pyplot as pltplt.style.use(’ggplot’)plt.rcParams[’axes.unicode_minus’] = Falsedef 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

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注好吧啦網的更多內容！