一、事件背景

今天是2021.12.2日，距离李子柒断更已经4个多月了，这是我在YouTube李子柒油管频道上，观看李子柒2021年7月14日上传的最后一条视频，我录制了视频下方的来自全世界各国网友的评论，全世界的网友们集体期待李子柒回归，瞬间泪奔。
https://www.bilibili.com/video/BV1QL4y1p7dT/
针对全世界网友的热门评论，怎么分析出网友的评论态度和舆论导向呢？于是我试着用python做了情感分析，得出了一些舆情导向的结论。

二、python代码讲解

下面，通过python代码（部分核心代码）逐一分解，这个情感分析是怎样实现的：

首先，导入需要的库：

import pandas as pd  # 数据分析库
from textblob import TextBlob  # 英文情感分析库
import matplotlib.pyplot as plt  # 画图
from wordcloud import WordCloud  # 绘制词云图
from wordcloud import ImageColorGenerator
from PIL import Image
import numpy as np

然后，通过pandas读取excel评论数据（爬虫代码不做讲解，对爬虫代码感兴趣的小伙伴可以s我哦）

file = "李子柒评论.xlsx"
df = pd.read_excel(file, usecols=[1, 2, 3, 4, 5]) #读取评论数据
v_cmt_list = df['text'].values.tolist() # 把评论字段转换为list
print('length of v_cmt_list is:{}'.format(len(v_cmt_list)))

下面是情感分析的代码：

# 情感分析
score_list = []  # 情感评分值
tag_list = []  # 打标分类结果
for comment in v_cmt_list:
    tag = ''
    judge = TextBlob(comment)
    sentiments_score = judge.sentiment.polarity
    score_list.append(sentiments_score)
    if sentiments_score < 0:
        tag = '消极'
    elif sentiments_score == 0:
        tag = '中性'
    else:
        tag = '积极'
    tag_list.append(tag)
df['情感得分'] = score_list
df['分析结果'] = tag_list
df.to_excel('情感分析结果.xlsx', index=None)

查看一下情感分析结果：

df.groupby(by=['分析结果']).count()['text']  # 分组统计情感分析结果

分析结果

结果显示，中性和积极词汇占据一半以上，也就是说，大部分网友还是喜欢李子柒的视频的。

最后是词云图绘制的代码：

# 绘制词云图
stopwords = ['the', 'a', 'and', 'of', 'it', 'her', 'she', 'if', 'I', 'is', 'not', 'your', 'there', 'this',
             'that', 'to', 'you', 'in', 'as', 'for', 'are', 'so', 'was', 'but', 'with', 'they', 'have']  # 停用词
coloring = np.array(Image.open("lzq3.jpeg"))
backgroud_Image = coloring  # 读取背景图片
wc = WordCloud(
    scale=3,  # 图片大小,清晰度
    background_color="white",  # 背景颜色
    max_words=1000,  # 词数量
    font_path='/System/Library/Fonts/SimHei.ttf',  # Mac字体文件路径，根据实际情况替换
    # font_path="C:\Windows\Fonts\simhei.ttf",  # Win字体文件路径，根据实际情况替换
    stopwords=stopwords,  # 停用词
    mask=backgroud_Image,  # 背景图片
    color_func=ImageColorGenerator(coloring),  # 根据原始图片颜色生成词云图颜色
    max_font_size=100,  # 设置字体最大值
    random_state=240  # 设置有多少种随机生成状态，即有多少种配色方案
)
wc.generate(v_cmt_str)  # 生成词云图
wc.to_file('词云结果图.png')  # 保存图片文件
display(Image.open('lzq3.jpeg'))  # 显示原始图片
wc.to_image()  # 显示词云图

词云图最后的展示效果如下：

词云结果图

这里需要说明的是，color_func=ImageColorGenerator(coloring)这句代码，能够根据原始图片颜色生成词云图颜色。细心的小伙伴应该能看出来，词云图的颜色配比和原始图片的颜色配比很接近了。

三、同步输出

讲解视频：
https://www.bilibili.com/video/BV16F41187B4/

---

马哥python说