python可视化文本分析(2)—snownlp+jieba分析QQ群成员发言情况
今天花时间吧第二个情感分析写出来，主要通过python实现qq群消息分析，分析群成员发言总次数，群成员情绪对比，单个群成员的发言词云状况以及单个同学的发言情感走势。
用到一下库：
- re正则，matplotlib，wordcloud，numpy，jieba分词，snownlp情感分析。
- 上述库的用法很简单，安装也很简单，所以不需要担心门槛。
最好结合第一篇或者先看第一篇
详细说一下模块的制作流程：
- 正则匹配文本内容，第一篇只考虑总计文本的展示，并没有考虑到群成员的群体。所以要用字典{}讲学生的qq/邮箱和昵称存一下。还有他的发言记录。这里有个比较重要的是他的昵称可能是变得，你的群消息里面展示的是那个时候他的群昵称，，可能从大演说家变成啥啥啥的。所以我的思想就是主要按照qq/邮箱这个点确定唯一，而昵称只用第一次出现的。文本先相加。
value={}
def analyseinformation(lines):
qqnow=''#qq或者email当前用户
for line in lines:
if line != "\n" and line.strip() != "\n" and line != None and not line.__contains__("撤回了"):
line = line.replace("[表情]", " ").replace("@全体成员", " ").replace("[表情]", " ").\
replace("[QQ红包]我发了一个“专享红包”，请使用新版手机QQ查收红。", "").replace("\n", " ").replace("[图片]",'')
if pattern.search(line):#匹配到正确的对象
# print(line)
if pattern3.search(line):
qq1=str(pattern3.search(line).group(3))
namenow=str(pattern3.search(line).group(1))
if not qq1 in value.keys():
value[qq1]={'name':namenow,'qq':qq1,'text':[]}
qqnow=qq1#当前用户发言发生了更改
elif pattern4.search(line):
email=str(pattern4.search(line).group(2))
namenow=str(pattern4.search(line).group(1))
if not email in value.keys():
value[email]={'name':namenow,'qq': email,'text':[]}
qqnow=email
# print(name)
elif not qqnow.__eq__(''):#初始化的时候的坑，初始化为'',前几行没用文本直接过滤
value[qqnow]['text'].append(str(line))
- 上面就说讲所有有用的信息放到字典value中，但是我想用几个小数组分开存储一些信息。可以稍微处理一下：
time=[]#次数
text=[]#文本
name=[]#姓名
qq=[]#qq或者邮箱提取
def getmotion(values):
for key in values:
print(values[key])
time.append(values[key]['text'].__len__())
usertxt=''
for txt in values[key]['text']:
usertxt+=txt+' '
text.append(usertxt)
name.append(values[key]['name'])
qq.append(key)
- 剩下就可以开始完成自己想要展示的部分了。首先，我想查看这段时间每个人到底发言多少次。因为matplotlib图形显示不了太多，我显示部分（可以自己更改，只不过是效果问题），你还可以自定义排序完成排序然后再展示：
#展示各个同学的发言次数
def getspeaktimeall(time,name):
Xi = np.array(time[20:50])#根据自己展示的需要需改范围，我们群人数太多
Yi = np.array(name[20:50])
x=np.arange(0,30,1)
width=0.6
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.figure(figsize=(8, 6)) ##指定图像比例： 8：6
plt.barh(x , Xi, width, color='SkyBlue',alpha=0.8)
plt.xlabel("time")
plt.ylabel("name")
for a,b,c in zip(Xi,Yi,x):
print(a,b,c)
plt.text(a+10,c-0.4,'%d'%int(a),ha='center',va='bottom')
plt.yticks(x,Yi)
# plt.legend()
plt.show()
plt.close()
- 我还想看到所有人的发言情感总的比较。那么我就将所有同学的发言成为一个大的字符串，然后用snownlp去分析，snownlp的api很简单。
s=SnowNLP(text)
print(s.sentiments)就出来了，这部分的坑点是标签的展示我以前记录过可以结合着看，就不详述了。这部分详细代码为：
def getemotionall(time,text,name,qq):
emotion=[]
for i in range(0,len(qq)):
print(name[i],text[i])
s=SnowNLP(text[i])
emotion.append(s.sentiments*100)
print(len(name),len(emotion))
Xi = np.array(emotion[10:40])
Yi = np.array(name[10:40])
x = np.arange(0, 30, 1)
width = 0.6
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.figure(figsize=(8, 6)) ##指定图像比例： 8：6
plt.barh(x, Xi, width, color='red',label='同学发言总情绪', alpha=0.8)
plt.xlabel("emotion")
plt.ylabel("name")
for a, b, c in zip(Xi, Yi, x):
print(a, b, c)
plt.text(a + 2, c - 0.4, '%d' % int(a), ha='center', va='bottom')
plt.yticks(x, Yi)
# plt.legend()
plt.show()
plt.close()
- 接下来我想分析的是每个人的发言词云，这部分第一篇也讲过实现的方式，代码就留在完整贴了。你可以查看你讨厌的人，喜欢的人，或者两个人的聊天记录。看看她关心啥。。嘿嘿????。
- 我还想看的就是每个人的情感走向，这个也挺有价值的，你可以分析她或他最近的若干条的情感走势，如果整合最小二乘法预测还能画一条情感预测的走势出来，这里就先不画了。我才用的是折线图，1代表积极，0代表消极，0.5代表中性。因为有的人发言太多，不利于图标展示，我只去了他最近200条记录，没用基于时间，如果有兴趣你还可以把时间整合进来。核心代码为：
def getemotionbyqq(value,qq):
va=value[qq]['text']
emotion=[]
for q in va[len(va)-200:len(va)]:
s = SnowNLP(q)
emotion.append(s.sentiments)
#print(s.sentiments)
x=np.arange(len(emotion))
y=np.array(emotion)
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.figure(figsize=(12, 6)) ##指定图像比例： 8：6
plt.plot(x,y,label='emotion status')
plt.xlabel("最近200次发言情绪走势")
plt.ylabel("0-1表示消极-积极")
plt.legend()
plt.show()
附上代码和展示：
import re
from snownlp import SnowNLP
import numpy as np
import matplotlib.pyplot as plt ##绘图库
from wordcloud import WordCloud
import jieba.analyse
time=[]#次数
text=[]#文本
name=[]#姓名
qq=[]#qq或者邮箱提取
value={}
pattern=re.compile(r'(\d*)-(\d*)-(\d*) .* .*')#匹配 2018-05-05 15:55:40 2班某某(1315426911) 有一个坑点就是2018-05-07 13:48:39 2XXX<[email protected]>这种格式
#pattern2=re.compile(r'(\d+):(\d+):\d+')#匹配 15:55:40
pattern3=re.compile(r'(\S+)(\()(.*?)(\))')#匹配 2班某某(1315426911)相关内容
pattern4=re.compile(r'(\S+)[<](.*)[>]')
def getemotionbyqq(value,qq):
va=value[qq]['text']
emotion=[]
for q in va[len(va)-200:len(va)]:
s = SnowNLP(q)
emotion.append(s.sentiments)
#print(s.sentiments)
x=np.arange(len(emotion))
y=np.array(emotion)
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.figure(figsize=(12, 6)) ##指定图像比例： 8：6
plt.plot(x,y,label='emotion status')
plt.xlabel("最近200次发言情绪走势")
plt.ylabel("0-1表示消极-积极")
plt.legend()
plt.show()
def getstudentcloudbyqq(value,qq):
va=value[qq]['text']
text=''
for q in va:
text+=q+' '
print(text)
ags = jieba.analyse.extract_tags(text, topK=40)
text=' '.join(ags)
wc = WordCloud(background_color="white",
width=1500, height=1000,
min_font_size=40,
font_path="simhei.ttf",
max_font_size=300, # 设置字体最大值
random_state=40, # 设置有多少种随机生成状态，即有多少种配色方案
) # 字体这里有个坑，一定要设这个参数。否则会显示一堆小方框wc.font_path="simhei.ttf" # 黑体
# wc.font_path="simhei.ttf"
my_wordcloud = wc.generate(text)
plt.imshow(my_wordcloud)
plt.axis("off")
plt.show()
plt.close()
def getemotionall(time,text,name,qq):
emotion=[]
for i in range(0,len(qq)):
print(name[i],text[i])
s=SnowNLP(text[i])
emotion.append(s.sentiments*100)
print(len(name),len(emotion))
Xi = np.array(emotion[10:40])
Yi = np.array(name[10:40])
x = np.arange(0, 30, 1)
width = 0.6
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.figure(figsize=(8, 6)) ##指定图像比例： 8：6
plt.barh(x, Xi, width, color='red',label='同学发言总情绪', alpha=0.8)
plt.xlabel("emotion")
plt.ylabel("name")
for a, b, c in zip(Xi, Yi, x):
print(a, b, c)
plt.text(a + 2, c - 0.4, '%d' % int(a), ha='center', va='bottom')
plt.yticks(x, Yi)
# plt.legend()
plt.show()
plt.close()
#展示各个同学的发言次数
def getspeaktimeall(time,name):
Xi = np.array(time[20:50])#根据自己展示的需要需改范围，我们群人数太多
Yi = np.array(name[20:50])
x=np.arange(0,30,1)
width=0.6
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.figure(figsize=(8, 6)) ##指定图像比例： 8：6
plt.barh(x , Xi, width, color='SkyBlue',alpha=0.8)
plt.xlabel("time")
plt.ylabel("name")
for a,b,c in zip(Xi,Yi,x):
print(a,b,c)
plt.text(a+10,c-0.4,'%d'%int(a),ha='center',va='bottom')
plt.yticks(x,Yi)
# plt.legend()
plt.show()
plt.close()
def getmotion(values):
for key in values:
print(values[key])
time.append(values[key]['text'].__len__())
usertxt=''
for txt in values[key]['text']:
usertxt+=txt+' '
text.append(usertxt)
name.append(values[key]['name'])
qq.append(key)
#getmatplotlibtime(time,text,name,qq)
# getmatplotlibemotion(time,text,name,qq)
# print(time)
def analyseinformation(lines):
qqnow=''#qq或者email当前用户
for line in lines:
if line != "\n" and line.strip() != "\n" and line != None and not line.__contains__("撤回了"):
line = line.replace("[表情]", " ").replace("@全体成员", " ").replace("[表情]", " ").\
replace("[QQ红包]我发了一个“专享红包”，请使用新版手机QQ查收红。", "").replace("\n", " ").replace("[图片]",'')
if pattern.search(line):#匹配到正确的对象
# print(line)
if pattern3.search(line):
qq1=str(pattern3.search(line).group(3))
namenow=str(pattern3.search(line).group(1))
if not qq1 in value.keys():
value[qq1]={'name':namenow,'qq':qq1,'text':[]}
qqnow=qq1#当前用户发言发生了更改
elif pattern4.search(line):
email=str(pattern4.search(line).group(2))
namenow=str(pattern4.search(line).group(1))
if not email in value.keys():
value[email]={'name':namenow,'qq': email,'text':[]}
qqnow=email
# print(name)
elif not qqnow.__eq__(''):#初始化的时候的坑，初始化为'',前几行没用文本直接过滤
value[qqnow]['text'].append(str(line))
# print(name)
#print(value[name])
if __name__ == '__main__':
f = open('E:/text.txt', 'r', encoding='utf-8') # 要进行分词处理的文本文件 (统统按照utf8文件去处理，省得麻烦)
lines = f.readlines()
#执行这个函数获取分析才能解析value{}
analyseinformation(lines)
getmotion(value)#这个函数获取一些name[]数组的值
#核心分析函数：
getspeaktimeall(time,name)#选定区间的同学发言次数
getemotionall(time,text,name,qq)
getstudentcloudbyqq(value,'694459644')
getemotionbyqq(value,'694459644')
- 发言的次数（我专挑小的区间为了展示）
- 情绪总的比较（跑的比较慢因为多）
- 某个同学的发言词云（我偷偷选了发言较多的班长。。）
- 单个人的情感走势（我又偷偷分析了班长的????）
可以看到这小子最近几次发言不太良好呢。
其实还是有遗憾的，因为snownlp训练的是商品评论正负语料，有的地方不一定很准。希望有机会自己能做一个情绪分析的包。哎，路还很长。
水平优先，比较喜欢这块，程序不够精简，如有改进地方，大佬请指正！