溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇內容介紹了“python可視化數據實例分析”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！
我們利用Python里的jieba分詞、matplotlib模塊分析整篇文章詞匯，并提取詞頻前20的詞語，得到結果如下：
確實，涉及到兩位明星的詞語是最多的，其次是阿麗姐（不知道是不是作者的化身）。贊贊在其中是女性角色，難怪粉絲們暴跳如雷。這樣分析，似乎看不出太多的內含，我們把維度細化一點。
從敏感角度看，這個詞匯頻率會是怎樣的呢？由于純潔的我實在是接受不了，因此打了點馬賽克（如果這樣你都能猜出是什么詞....嗯...建議多看看天線寶寶）：
經過統計，文章出現一共20367個非黃色詞匯，284個涉黃詞匯。涉黃詞匯出現概率約為1.4%，也就是說每100個詞匯里就會出現一次黃詞，這個概率相當高了，感覺《挪威的森林》略遜一籌，《失樂園》大可一戰。
最后，來個詞云結束這一部分：
我們使用Lstm，按行對整片文章進行分析，看看這些句子呈現的情感特點是否有某邊倒的傾向，其中，當分為正面信度大于0.7，或負面信度大于0.7的時候分別分到正面分類和負面分類，其他情況為中性：
得到結果如下：
>>{'neg': 988, 'pos': 332, 'mid': 471}
負面的句子占了55%，文章負面情緒較多。負面情緒只是衡量一篇文章的情感傾向，無法說明什么。
接下來才是關鍵，識別句子的涉黃程度，同樣地，設定概率置信度大于0.7的時候進行分類：
獲得結果如下：
>> {'porn': 280, 'not_porn': 1511}
“python可視化數據實例分析”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
