利用 pyecharts 進行可視化分析
數(shù)據(jù)準備
本次使用數(shù)據(jù)來自實驗一的最后結(jié)果檀葛，首先使用 Pandas 加載數(shù)據(jù)未玻，并查看數(shù)據(jù)維度和第一行數(shù)據(jù)厂汗。
import pandas as pd
data = pd.read_csv('https://labfile.oss.aliyuncs.com/courses/2628/1-2.csv')
print(data.shape)
data.head(1)
數(shù)據(jù)屬性如下表所示
pyecharts 是一個基于 Python 用于生成 Echarts 圖表的類庫冯痢，本次直接可以將可視化的數(shù)據(jù)圖形在 notebook 內(nèi)部進行展示元莫。
下面我們開始安裝 pyecharts赖阻。
!pip install pyecharts==1.6.2
顧客特征分析
用戶評論高頻詞分析
詞頻分析 (Word Frequency Analysis) 是對文獻正文中重要詞匯出現(xiàn)的次數(shù)進行統(tǒng)計與分析，是文本挖掘的重要手段踱蠢。 它是文獻計量學(xué)中傳統(tǒng)的和具有代表性的一種內(nèi)容分析方法火欧，方法繁多棋电。本實驗通過簡單的詞頻法即可進行分析，基本原理是通過詞出現(xiàn)頻次多少的變化苇侵，來確定熱點及其變化趨勢,我們首先加載詞頻統(tǒng)計模塊赶盔，并由大到小排序進行展示。
# 加載詞頻統(tǒng)計模塊
from sklearn.feature_extraction.text import CountVectorizer
# 設(shè)定 topn 的高頻詞語閾值榆浓，可以根據(jù)需要進行改變大小
topn = 500
# 加載統(tǒng)計模塊
count_extract = CountVectorizer(max_features=topn)
# 開始對語料進行統(tǒng)計
count_extract.fit_transform(data['text_cut'])
# 輸入數(shù)據(jù)中的每一個詞為（word于未，value）這樣的元祖形式，然后將所有的詞放入一個list中
comment_count_pair = [(k, int(v))
for k, v in count_extract.vocabulary_.items()]
通過用戶評論中的高頻詞分布情況陡鹃，找出在用戶評價中出現(xiàn)頻率最高的詞語烘浦，分析用戶興趣點。 通過顧客對餐館萍鲸、飯菜等詞語的提及發(fā)現(xiàn)用戶對餐飲方面關(guān)注度較高闷叉，同理通過單間、露臺脊阴、馬桶等詞語發(fā)現(xiàn)顧客對民宿設(shè)施有強烈需求握侧，其他方面也可以同理進行分析。
# 加載詞云模塊
from pyecharts.charts import WordCloud
# 加載 pyecharts 配置模塊配置詞云顯示
from pyecharts import options as opts
comment_wordcloud = WordCloud()
# word_size_range 表示詞語大小范圍蹬叭，可以根據(jù)需要改變
comment_wordcloud.add(
series_name="", data_pair=comment_count_pair, word_size_range=[10, 100]
)
# 設(shè)置詞云的全局配置
comment_wordcloud.set_global_opts(
title_opts=opts.TitleOpts(title="高頻詞云分析",
# 設(shè)置標題文字大小
title_textstyle_opts=opts.TextStyleOpts(font_size=15)),
# 顯示詞云中的詞頻數(shù)字
tooltip_opts=opts.TooltipOpts(is_show=True),
)
# 直接在 notebook 中顯示詞云
comment_wordcloud.render_notebook()
用戶等級分析
首先對用戶等級進行聚合藕咏。
# 提取用戶等級信息
user_level_info = data['user_level'].groupby(
data['user_level']).count().items()
# 將用戶等級標簽和統(tǒng)計量進行合并成 list
data_level_pair = [[i[0], i[1]] for i in user_level_info]
data_level_pair
通過對用戶等級信息進行餅圖可視化状知，我們發(fā)現(xiàn)大部分的顧客等級在初級用戶在評論中占最多秽五，這些用戶可能是初次或者很少居住民宿，初次居住民宿居多饥悴，喜好定位還未明確坦喘，喜歡嘗試不同的民宿風格，仍舊在嘗試新鮮期西设，這類客戶屬于民宿盈利的關(guān)鍵群體瓣铣。 第二的達人段位也占了很大的比重，居于第二位贷揽，這些顧客往往以回頭客居多棠笑，已經(jīng)對民宿有了自己的喜好認知，培養(yǎng)了自己的民宿喜好禽绪。第三位的評論等級最高級 master 占到第三位蓖救，這類顧客往往以專業(yè)點評人 PGC 的身份進行民宿居住，發(fā)出的評價內(nèi)容往往以優(yōu)質(zhì)內(nèi)容為主印屁，以意見領(lǐng)袖 KOL 居多循捺。
# 加載餅圖模塊
from pyecharts.charts import Pie
# 初始化畫布大小
pie = Pie(init_opts=opts.InitOpts(width='660px', height='350px'),)
pie.add(series_name="",
data_pair=data_level_pair,
label_opts=opts.LabelOpts(is_show=True,),
)
# 設(shè)置餅圖的配置，包含標題雄人、標題的大小从橘、標簽顯示等
pie.set_global_opts(
title_opts=opts.TitleOpts(
title="用戶等級分布",
title_textstyle_opts=opts.TextStyleOpts(font_size=15)),
tooltip_opts=opts.TooltipOpts(is_show=True),
)
# 設(shè)置顯示的標簽，b 代表是標簽信息，c 表示統(tǒng)計信息
pie.set_series_opts(label_opts=opts.LabelOpts(formatter="恰力: {c}"))
pie.render_notebook()
顧客評價的時間序列分析
對時間特征進行清洗叉谜，去除發(fā)表時間中的 "發(fā)表于" 字段。
data['post_time_clean'] = data['post_time'].apply(
lambda x: x.replace('發(fā)表于', ''))
# 查看去除后的效果
data.head(1)
按照顧客評論的日期進行統(tǒng)計排名踩萎，并取出 topn正罢，了解顧客在民宿居住時間序列上的規(guī)律。
# topn 可以根據(jù)需要進行收放
topn = 10
data['post_time_clean'].value_counts()[:topn]
開始對用戶評價的時間序列信息進行聚合驻民。
# 提取用戶評價時間和統(tǒng)計信息
post_time, post_count = [], []
for i in data['post_time_clean'].groupby(data['post_time_clean']).count().items():
# 取出時間標簽
post_time.append(i[0])
# 取出計數(shù)信息
post_count.append(i[1])
通過可視化用戶評論時間序列翻具，橫坐標表示用戶評論的時間，縱坐標表示用戶評論量回还。我們可以發(fā)現(xiàn)一些規(guī)律裆泳。通過對序列峰值和 topn 的排序可以了解到，重慶民宿在每年的五一開始直到十一都是民宿業(yè)的主要營收時間柠硕，通過評論量和訂單量的等價映射工禾，訂單量在五一和十一期間占比較大。
# 使用折線圖
from pyecharts.charts import Line
# 加載圖的配置蝗柔，長寬的參數(shù)設(shè)置
line = Line(init_opts=opts.InitOpts(width='660px', height='350px'))
# 設(shè)置橫坐標為時間
line.add_xaxis(post_time)
# 設(shè)置縱坐標為用戶評論條數(shù)
line.add_yaxis("", post_count)
# 設(shè)置標題
line.set_global_opts(title_opts=opts.TitleOpts(title='用戶評論時間序列圖'))
# 設(shè)置顯示統(tǒng)計量
line.set_series_opts(label_opts=opts.LabelOpts(is_show=True),)
line.render_notebook()
民宿特征分析
民宿店名分析
分詞器加載和預(yù)熱闻葵。
import jieba
" ".join(jieba.lcut('測試結(jié)巴'))
對民宿店名進行批量分詞，并查看第一條分詞后的民宿分詞結(jié)果癣丧。
name_cut_list = [' '.join(jieba.lcut(i)) for i in data['hotel_name'].unique()]
name_cut_list[0]
加載詞頻統(tǒng)計模塊槽畔，對分詞后的民宿店名進行詞頻統(tǒng)計。
vectorizer = CountVectorizer()
# 導(dǎo)入分詞后的店名 list
vectorizer.fit_transform(name_cut_list)
# 將統(tǒng)計信息整理成輸入的格式
name_count_pair = [(k, int(v)) for k, v in vectorizer.vocabulary_.items()]
# 打印第一個分詞統(tǒng)計量
name_count_pair[0]
通過詞云圖對民宿店名進行分析胁编，可以了解到當前民宿店名的起名方式也是滿足顧客需求厢钧，出現(xiàn)的店名關(guān)鍵詞如養(yǎng)生、觀景嬉橙、度假早直、農(nóng)家樂等，旨在打造與傳統(tǒng)的酒店的差異化市框，減少同質(zhì)化霞扬。顧客在預(yù)定的時候直接從名字就可以選擇自己喜歡的民宿類型，也為搜索引擎的檢索提供方便枫振。
# 加載詞云模塊
name_wordcloud = WordCloud()
# 設(shè)置詞云字體大小喻圃，并導(dǎo)入統(tǒng)計量信息 name_count_pair
name_wordcloud.add(
series_name="", data_pair=name_count_pair, word_size_range=[10, 50]
)
# 詞云設(shè)置標題和大小
name_wordcloud.set_global_opts(title_opts=opts.TitleOpts(
title="店名特征分析",
# 設(shè)置標題大小
title_textstyle_opts=opts.TextStyleOpts(font_size=15)),
tooltip_opts=opts.TooltipOpts(is_show=True), )
name_wordcloud.render_notebook()
顧客滿意度分析
用戶情感極性分布分析
首先對模型推理出來的用戶情感極性保留兩位小數(shù)，然后進行標簽化處理蒋得，最后打印出分類聚合的 topn 顧客情感極性排序级及。
# 批量處理 sa_model_score 列，將模型打分進行保留兩位小數(shù)進行處理
data['new_sa_model_score'] = data['sa_model_score'].apply(
lambda x: str(round(x, 2)))
# 打印 topn 的顧客情感極性额衙，可以根據(jù)需要進行更改
topn = 5
data['new_sa_model_score'].value_counts()[:topn]
對標簽化的用戶情感極性進行分類聚合饮焦，整理成輸入格式怕吴。
# 聚合顧客情感極性和統(tǒng)計信息
user_score, user_score_count = [], []
for i in data['new_sa_model_score'].groupby(data['new_sa_model_score']).count().items():
# 取出顧客情感極性標簽
user_score.append(i[0])
# 取出計數(shù)信息
user_score_count.append(i[1])
通過對用戶細粒度的 topn 排序和打分條形圖進行分析，在前 5 的顧客情感極性中县踢，其中 4 項都是用戶很好的評價反饋转绷，大部分用戶呈現(xiàn)高分分布，整體呈現(xiàn)滿意情況硼啤。但是排在第 3 位的是用戶極低的用戶反饋议经，說明在民宿中仍舊存在用戶不滿意的方面，后續(xù)實驗將通過細粒度的用戶極性反饋研究用戶在那些方面產(chǎn)生了不滿意谴返。
from pyecharts.charts import Bar
# 初始化餅圖
bar = Bar(init_opts=opts.InitOpts(width='660px', height='350px'))
# 橫坐標為用戶真實打分
bar.add_xaxis(user_score)
# 縱坐標為顧客情感極性的統(tǒng)計量,不設(shè)置縱坐標的名字
bar.add_yaxis("", user_score_count)
# 設(shè)置圖表的名字
bar.set_global_opts(title_opts=opts.TitleOpts(title='Customer_Satisfaction'))
# 設(shè)置數(shù)據(jù)展示
bar.set_series_opts(label_opts=opts.LabelOpts(is_show=False),)
# 直接在 jupyter 上進行顯示
bar.render_notebook()
用戶情感極性占比分析
對用戶情感極性進行保留一位和標簽化處理煞肾，并打印出顧客情感極性聚合的 topn 排序。
data['pie_sa_model_score'] = data['sa_model_score'].apply(
lambda x: str(round(x, 1)))
# 打印 topn 的顧客情感極性嗓袱，可以根據(jù)需要進行改變
topn = 5
data['pie_sa_model_score'].value_counts()[:topn]
將數(shù)據(jù)進行聚合并處理成輸入格式籍救。
# 提取處理之后的用戶情感統(tǒng)計信息
data_pie_info = data['pie_sa_model_score'].groupby(
data['pie_sa_model_score']).count().items()
# 將用戶等級標簽和統(tǒng)計量進行合并成 list
data_pie = [[i[0], i[1]] for i in data_pie_info]
# 打印第一個標簽和統(tǒng)計量
data_pie[0]
通過粗粒度的用戶標簽聚合，超過 9 成的顧客意見情感極性呈現(xiàn)積極渠抹，并且整體滿意度較好蝙昙，但是用戶負反饋排在了第二位，雖然整體占比不大梧却，但是確實對整體的評分數(shù)影響比較大奇颠，在不改變原有體驗的情況下膛锭，了解這部分人的需求并積極改善對提高整體顧客滿意度指數(shù)有很大的幫助赦役。
# 初始化餅圖大小
pie = Pie(init_opts=opts.InitOpts(width='560px', height='350px'),)
# 導(dǎo)入聚合的用戶極性數(shù)據(jù)
pie.add(series_name="",
data_pair=data_pie,
label_opts=opts.LabelOpts(is_show=False,),
)
# 在 notebook 中顯示
pie.render_notebook()
預(yù)覽最終的數(shù)據(jù)文件：
data.head(1)
建議對策：通過三階段分析得出，大部分顧客在五一和十一期間計劃出游并且對民宿的需求旺盛敌蜂，可以看出此部分顧客有著穩(wěn)定的出游計劃三椿，屬于職業(yè)人群體缺菌，另小部分群體以暑假出游，屬于學(xué)生群體搜锰，通過用戶等級分布看出以首次和次首次群體為主，并且大部人顧客以體驗為主耿战，未來可以培養(yǎng)成為穩(wěn)定客戶蛋叼。對于提升入住率，店家可以針對在職人提供雙節(jié)預(yù)定優(yōu)惠或者打折活動剂陡，吸引更多的顧客前來體驗狈涮，并通過拉新提供折扣的方式對自己的民宿進行宣傳，為了提升曝光和檢索效率鸭栖，民宿起名和特征詞應(yīng)該增加差異化歌馍，可以因地制宜并增加休閑和娛樂。
