分析伯樂(lè)在線(xiàn)文章數(shù)據(jù)

一先匪、讀取文章數(shù)據(jù)

pandas讀取mysql數(shù)據(jù)到DataFrame中

import pandas as pd
from sqlalchemy import create_engine

db_info = {'user':'root',
          'password':'',
           'host':'localhost',
           'database':'article_spider'
          }
engine = create_engine('mysql://%(user)s:%(password)s@%(host)s/%(database)s?charset=utf8' % db_info,encoding='utf-8')
sql = 'select * from jobbole_article;'
df = pd.read_sql(sql , con = engine)

二肢础、數(shù)據(jù)分析

1. 查看數(shù)據(jù)

df.info() 查看數(shù)據(jù)信息
df.isnull() 判斷數(shù)據(jù)是否缺失
[圖片上傳失敗...(image-617282-1518698087842)]

2. 清洗數(shù)據(jù)

只保留title嫉戚、creat_data梅肤、tags三個(gè)屬性的數(shù)據(jù)

df.loc[:,['create_date','title','tags']]

[圖片上傳失敗...(image-a426da-1518698087842)]
按時(shí)間進(jìn)行排序

df.sort_values(by='create_date',ascending = False)

[圖片上傳失敗...(image-4c0fec-1518698087842)]
將數(shù)據(jù)類(lèi)型轉(zhuǎn)換為日期類(lèi)型并設(shè)置為索引

df['create_date'] = pd.to_datetime(df['create_date']) #將數(shù)據(jù)類(lèi)型轉(zhuǎn)換為日期類(lèi)型
df = df.set_index('create_date')  # 將dcreate_date設(shè)置為索引

獲取2017年的文章信息及tags和title內(nèi)容

df = df['2017']
tags = df['tags']
title = df['title']

[圖片上傳失敗...(image-ab1994-1518698087842)]

3.數(shù)據(jù)類(lèi)型轉(zhuǎn)換

首先使用np.array()函數(shù)把DataFrame轉(zhuǎn)化為np.ndarray()伴郁,再利用tolist()函數(shù)把np.ndarray()轉(zhuǎn)為list類(lèi)型

tags_data = np.array(tags)#np.ndarray()
tags_list = tags_data.tolist()#list
tags_text = "".join(tags_list) # 拼接成text
tags_text = tags_text.replace(',','') #把逗號(hào)換為空
tags_text = tags_text.replace('/','') 

4.中文分詞

利用結(jié)巴分詞進(jìn)行中文分詞操作

import jieba    
import pandas as pd  
jieba.add_word('C/C++')
segment = jieba.lcut(tags_text)
words_df = pd.DataFrame({'segment':segment})
words_df.head()

[圖片上傳失敗...(image-3ab9a-1518698087842)]
進(jìn)行詞頻統(tǒng)計(jì)

import numpy
words_stat = words_df.groupby(by=['segment'])['segment'].agg({"計(jì)數(shù)":np.size})
words_stat = words_stat.reset_index().sort_values(by=["計(jì)數(shù)"],ascending=False)
words_stat.head()

5. 詞云顯示數(shù)據(jù)

import matplotlib.pyplot as plt
%matplotlib inline
import matplotlib
matplotlib.rcParams['figure.figsize'] = (10.0, 5.0)

from wordcloud import WordCloud#詞云包

#用詞云進(jìn)行顯示
wordcloud=WordCloud(font_path="simhei.ttf",background_color="white",max_font_size=80)
word_frequence = {x[0]:x[1] for x in words_stat.head(1000).values}
wordcloud = wordcloud.fit_words(word_frequence)
plt.imshow(wordcloud)

得到關(guān)于伯樂(lè)在線(xiàn)2017年的文章的標(biāo)簽的使用程度如下
[圖片上傳失敗...(image-fef70e-1518698087842)]

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末身坐,一起剝皮案震驚了整個(gè)濱河市秸脱,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌部蛇,老刑警劉巖摊唇,帶你破解...
    沈念sama閱讀 219,039評(píng)論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異涯鲁,居然都是意外死亡遏片,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,426評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門(mén)撮竿,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)吮便,“玉大人,你說(shuō)我怎么就攤上這事幢踏∷栊瑁” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 165,417評(píng)論 0 356
  • 文/不壞的土叔 我叫張陵房蝉,是天一觀的道長(zhǎng)僚匆。 經(jīng)常有香客問(wèn)我微渠,道長(zhǎng),這世上最難降的妖魔是什么咧擂? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,868評(píng)論 1 295
  • 正文 為了忘掉前任逞盆,我火速辦了婚禮,結(jié)果婚禮上松申,老公的妹妹穿的比我還像新娘云芦。我一直安慰自己,他們只是感情好贸桶,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,892評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布舅逸。 她就那樣靜靜地躺著,像睡著了一般皇筛。 火紅的嫁衣襯著肌膚如雪琉历。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 51,692評(píng)論 1 305
  • 那天水醋,我揣著相機(jī)與錄音旗笔,去河邊找鬼。 笑死拄踪,一個(gè)胖子當(dāng)著我的面吹牛蝇恶,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播宫蛆,決...
    沈念sama閱讀 40,416評(píng)論 3 419
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼艘包,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了耀盗?” 一聲冷哼從身側(cè)響起想虎,我...
    開(kāi)封第一講書(shū)人閱讀 39,326評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎叛拷,沒(méi)想到半個(gè)月后舌厨,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,782評(píng)論 1 316
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡忿薇,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,957評(píng)論 3 337
  • 正文 我和宋清朗相戀三年裙椭,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片署浩。...
    茶點(diǎn)故事閱讀 40,102評(píng)論 1 350
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡揉燃,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出筋栋,到底是詐尸還是另有隱情炊汤,我是刑警寧澤,帶...
    沈念sama閱讀 35,790評(píng)論 5 346
  • 正文 年R本政府宣布,位于F島的核電站抢腐,受9級(jí)特大地震影響姑曙,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜迈倍,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,442評(píng)論 3 331
  • 文/蒙蒙 一伤靠、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧啼染,春花似錦宴合、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 31,996評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)丘侠。三九已至徒欣,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間蜗字,已是汗流浹背打肝。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,113評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留挪捕,地道東北人粗梭。 一個(gè)月前我還...
    沈念sama閱讀 48,332評(píng)論 3 373
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像级零,于是被迫代替她去往敵國(guó)和親断医。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,044評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容