喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

2023-10-31 10:40

本文主要是介绍喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言

投一把青叶,感叹岁月如梦犹在,注一汪清泉,寻味浮生千姿百态。

说一下为啥我突然想到写Python来鉴茶这种小案例吧!因为今天领导把我喊到办公室,一起喝了两杯茶,但是我又不是那种喜欢喝茶的,对茶也没有研究过!所以今天特意来出一个教程,也是能教大家学Python也能防止没有这方面的知识点,至少一些喝茶最常见的礼仪得自己清楚,不至于在以后出丑嘛!

image.png

Start

阅读本文及源码,可以和小编一起学到 xpath 表达式爬取数据,多进程爬取,pandas 基本操作,pyecharts 可视化,stylecloud 词云,文本余弦相似度相似度,KMeans,关键词提取算法:TextRank,TF-IDF,LDA 主题模型。

源码获取在文末

小编找到一个和茶有关网站:

https://chaping.chayu.com/?bid=1

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

​​

数据获取

从首页进入茶评,可以看到所有茶的基本信息,结果有多页,获取所有的基本信息包括标题,评分,品牌,产地,茶类,详细链接,id:

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

再根据获得的链接,下钻爬取每一种茶的推荐指数,总评,所有排行:

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

及爬取对应的评论,有多页就爬取多页,包含字段评论人,评论人等级,评分,评论,评论时间:

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

image.png

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

最后保存为 tea.csv,comment.csv 两个 csv:

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

image.png

image.png

整个爬虫流程就这样,使用了 xpath 提取,多进程爬取,逻辑不算复杂,详细实现逻辑可查看源码。

数据分析

总共获得 3w 条数据,获得数据后就可以开始进行探索了。

先对标题进行查看,标题是由品牌及名称构成,处理为只保留名称部分,绘制词云。

红茶,白杜丹,铁观音,绿茶,毛尖等一些听到过的茶名称还是比较多的:

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

茶评分取值为 0-10,对评分每两分进行切分后绘制直方图。

从结果上看,评分都挺高的,只有个别评分是低于 4 分的,小编选出数据看了看,总评价对这些低分的茶评价不是特别友好:

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

现在基本上每种茶都有专门的品牌在售卖,对品牌进行统计,绘制词语。

发现斗记茶业,中茶,大益,天福茗茶等较为突出,这些品牌就算不了解茶,但多多少少也听到过在大街上看到过:

image.png

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

每种茶都有它独特的产地,对产地绘制热力地图。

发现产地来自云南的是最多的,多达上千种,小编查了查,云南茶叶最重要的原产地,云南是茶叶最为古老的故乡。

其次是福建,有着一千多年的茶文化历史,是最中国产茶的重要产地:

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

目前茶类可分为普洱,绿茶,红茶,乌龙,黑茶,白茶,花茶,黄茶,袋泡,速溶茶十大类,每个大类别有细分很多小类,对每个大类进行统计绘制柱状图。

发现普洱茶是类别最多的,其次是绿茶,红茶,看到这里小编想到自己都很少喝普洱茶:

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

image.png

热搜能从侧面反映一种茶受不受欢迎,小编选出热搜排名前 10 的茶,拉出明细。

发现排名第一的是经典普洱,普洱也是种类最多的茶,以后可以特地买一点试试:

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

对评论时间以时间年月为维度,同比每一年每一月的评论走势图。

发现评论用户 14-17 年活跃程度是一直攀升,之后下跌了:

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

到这里,探索性分析就完成了,主要用到了 ,pandas,stylecloud,jieba,pyecharts 这些技术,详细实现过程可参考源码。

​​

关键词提取

在获得的数据中,有总评字段,即对每一种茶的评语,有每一个用户评论的字段,利用这两个字段来实现文本关键词提取。

对于总评,我们想把总评相似的茶分到一起,可以使用 KMeans 聚类算法,但总评是文本数据。

需要先提取每条总评中的关键词,使用了 TextRank 算法提取关键词,原理是基于句子进行分词,对每个词进行权重打分,获得分数高的作为关键词。

对关键词向量化,再计算余弦相似度,最后使用聚类算法,分为了两种种类。

种类一主要是从品尝方向进行评价的,香气,滋味,入口,顺滑等。

种类二主要是从外表方向进行评价的,外形,条索,色泽,原料等:

image.png

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

对评论先使用了 TF-IDF 算法进行关键词的提取,是有 TF,IDF 两部分算法组成。

TF,计算每一个词在所有文本中出现的频率。

IDF,计算每一个词在所有评论中,在多少条评论中出现的次数,映射一个分值。

最后 TF*IDF 选出分值前 10 的关键词:

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

第二种方法是利用主题模型 LDA 进行关键词提取,需要先确定主题数,再提取关键词,这里就选取 1 个主题,及前 10 关键词:

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南

image.png

源码获取

需要源码点这里即可获取

这篇关于喜欢喝茶的都是成功人士吗?我用Python来做一个鉴茶指南的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/314773

相关文章

Python将博客内容html导出为Markdown格式

《Python将博客内容html导出为Markdown格式》Python将博客内容html导出为Markdown格式,通过博客url地址抓取文章,分析并提取出文章标题和内容,将内容构建成html,再转... 目录一、为什么要搞?二、准备如何搞?三、说搞咱就搞!抓取文章提取内容构建html转存markdown

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

在React中引入Tailwind CSS的完整指南

《在React中引入TailwindCSS的完整指南》在现代前端开发中,使用UI库可以显著提高开发效率,TailwindCSS是一个功能类优先的CSS框架,本文将详细介绍如何在Reac... 目录前言一、Tailwind css 简介二、创建 React 项目使用 Create React App 创建项目

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

使用Jackson进行JSON生成与解析的新手指南

《使用Jackson进行JSON生成与解析的新手指南》这篇文章主要为大家详细介绍了如何使用Jackson进行JSON生成与解析处理,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 核心依赖2. 基础用法2.1 对象转 jsON(序列化)2.2 JSON 转对象(反序列化)3.

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意