大家好，我是查理~昨晚，王力宏终于回应了。今天简单教大家如何处理数据+可视化他的微博评论。完整代码/资料在文末下载。12月15日，王力宏突然在微博宣布离婚，并称“我和静蕾的私生活很简单，不会再回应任何媒体”，结束了8年的婚姻。12月17日深夜，王力宏前妻李静蕾突然发文，表示长期受到王力宏及其家人的羞辱和冷暴力。“明星”形象岌岌可危。文章一经发表便引发热议，王力宏长期以来的“优质偶像”形象遭到质疑。不少网友纷纷在李静蕾的微博留言，“好伤心，好失望”。“王力宏在我心中的形象已经崩塌了。””。今天给大家介绍一下数据吃瓜的使用方法，我用Python编程爬取王力宏宣布离婚的微博评论，下载的csv文件包含用户名，用户id，评论创建时间，评论id，评论content等。如上图所示，原始数据中的内容非常混乱，微博评论中有大量的表情、话题、“转发微博”等，需要进行数据清洗。首先根据数据进行去重评论的唯一IDdf_1=df_1.drop_duplicates(['idstr']).iloc[:,1:]然后，按小时统计所有微博评论df_1['created_date']=pd.to_datetime(df_1['created_date'])df_1_date=df_1.groupby([pd.Grouper(key='created_date',freq='H')]).size().reset_index(name='count')得到分时数据之后，你可以使用Matplotlib绘制折线图。columns=df_date.columnsfig=plt.figure(figsize=(10,5),dpi=100)plt.fill_between(df_date['created_date'].values,y1=df_date['count_x'].values,y2=0,label='王力宏微博新增评论数/小时',alpha=0.75,facecolor="#43a9cb",linewidth=1,edgecolor='k')plt.xlabel("日期")plt.ylabel("Value")plt.legend(loc='upperright')plt.show()fig.savefig('王力宏.png')输出结果如下。15日刚发微博，瞬间引爆评论，迅速上热搜。16日和17日没有评论。直到昨晚23:00，前妻李静蕾深夜发文后，人群才蜂拥而至开团。PS：除了吃瓜群众，最快的应该是英菲尼迪了。12月16日14:00，豪华汽车品牌英菲尼迪刚刚官宣王力宏成为品牌代言人。18日凌晨1点22分，@英融尼迪中国微博发布声明称，英菲尼迪决定即日起终止与王力宏先生的合作关系。英菲尼迪只用了35个小时就与他解约。如果我们把王力宏和李静蕾的微博评论数放在一张图片里，会是什么样子呢？正好我也爬取了李静蕾的微博评论，经过同样的数据处理columns=df_date.columnsfig=plt.figure(figsize=(10,8),dpi=100)plt.fill_between(df_date['created_date'.values,y1=df_date['count_x'].values,y2=0,label='王力宏微博新评论条数/小时',alpha=0.75,facecolor="#43a9cb",linewidth=1,edgecolor='k')plt.fill_between(df_date['created_date'].values,y1=df_date['count_y'].values,y2=0,label='李静蕾微博新评论条数/小时',alpha=0.75,facecolor="#b7ba6b",linewidth=1,edgecolor='k')plt.xlabel("Date")plt.ylabel("Value")plt.legend(loc='upperleft')plt.show()输出结果如下注：相比之下，王力宏在这里的评论根本不是一个量级的，好像是“小弟”。所有的吃瓜群众都涌向了李静蕾的微博。这次我们还是要盘点一下：群众开群后都发了什么？与上篇传统的词云图不同，我打算玩点新的。在上面制作的折线面积图中，填充不同时间段的词云。很多朋友比较好奇怎么做。其实PS是把之前的折线图和生成的词云层叠加起来的。如果你要问Python能不能做层覆盖，我的回答是能但没必要。在制作词云图之前，需要将王力宏的所有微博评论分成两部分（即前妻踢锤子前后）。请注意，下面的代码使用2021-12-1723:08:00"作为边界。defget_cut_words(content_series):#读入停用词列表importjiebastop_words=[]withopen("stop_words.txt",'r',encoding='utf-8')asf:lines=f.readlines()forlineinlines:stop_words.append(line.strip())#添加关键字my_words=['分分合合','拉黑']foriinmy_words:jieba.add_word(i)#自定义禁用词my_stop_words=['quickforward','forward','Weibo']stop_words.extend(my_stop_words)#分词word_num=jieba.lcut(content_series.str.cat(sep='.'),cut_all=False)条件过滤word_num_selected=[ifori在word_numifinotinstop_wordsandlen(i)>=2]returnword_num_selectedtext1=get_cut_words(content_series=df_1[df_1["created_date"]<"2021:232:0800"]['text1'])然后准备两个掩码（取自之前获得的折线图）。词云图的代码细节大家都很熟悉了，这里只需要关注一点即可。background_color='white'#改为background_color=None,mode='RGBA'，这样可以设置词云图的背景色为透明，方便图层叠加。这样，我们就可以制作出如下图所示的画面。在前妻李静蕾曝光前，王力宏的微博评论基本是这样的：“结婚是为了幸福，离婚也是如此”、“爱人分分合合”、“尊重兄弟的选择”。曝光后，王力宏的微博评论变成了这样：“重新定义简单和简单”、“心肠不好的人”、“底层”、“私生活很简单？你侮辱简单这个词”、“人设”崩溃了”。PS：愤怒的吃瓜群众还输出了很多“脏话”，我排除在词云图中。让我们换个方向，玩得开心。我决定用数据来探究：吃瓜群众最喜欢的表情是什么？我提取了10万条评论中的emoji表情，首先提取了微博评论中可以使用的所有emoji名称（这里只展示了一部分）。emoji_list=[[[小红花]],"[微笑]","[可爱]","[太开心]","[鼓掌]","[嘻嘻]","[哈哈]","[笑哭]、[眨眼]、[馋嘴]、[黑线]、[汗]、[抠鼻]、[哼]、[怒]、"[Grievance]","[Poor]","[Disappointment]","[Sadness]","[Tears]","[Allowsadness]"]用于判断是否是一个emojidefemoji_lis(string):entities=[]foriinemoji_list:如果iinstring:entities.append(i)returnentitysemoji_s=[]forindex,rowindf_1.iterrows():]]jitextes=str(row_text'extend(emoji_lis(text))c=collections.Counter(emoji_s)print(c)获取每个emoji出现的次数：同样使用Matplotlib绘制极坐标输出结果如下：匹配评论中收集的表情最后选择根据出现的次数排前8位，做成极坐标图，找出排行前8位的表情分别是：悲伤、泪水、云背、微笑、狗狗、吐槽、单身狗、吃瓜。自出道以来就被称为“优质偶像”。他家世好，才华横溢，颜值高。出道多年，他很少看到负面的东西。现在看来，优质的皮肤只是一个面具。他在千千万万的选择中选出了最好的妻子，却在她多年的忍耐中有了进步，愈发的坚韧。正如李静蕾在长文中所说，“如果你的演艺事业受到影响，那是你做出的选择造成的，而不是我。”
