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

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

SpringBoot请求参数接收控制指南分享

《SpringBoot请求参数接收控制指南分享》:本文主要介绍SpringBoot请求参数接收控制指南,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Spring Boot 请求参数接收控制指南1. 概述2. 有注解时参数接收方式对比3. 无注解时接收参数默认位置

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指

利用Python调试串口的示例代码

《利用Python调试串口的示例代码》在嵌入式开发、物联网设备调试过程中,串口通信是最基础的调试手段本文将带你用Python+ttkbootstrap打造一款高颜值、多功能的串口调试助手,需要的可以了... 目录概述:为什么需要专业的串口调试工具项目架构设计1.1 技术栈选型1.2 关键类说明1.3 线程模

Python ZIP文件操作技巧详解

《PythonZIP文件操作技巧详解》在数据处理和系统开发中,ZIP文件操作是开发者必须掌握的核心技能,Python标准库提供的zipfile模块以简洁的API和跨平台特性,成为处理ZIP文件的首选... 目录一、ZIP文件操作基础三板斧1.1 创建压缩包1.2 解压操作1.3 文件遍历与信息获取二、进阶技

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模

Python正则表达式语法及re模块中的常用函数详解

《Python正则表达式语法及re模块中的常用函数详解》这篇文章主要给大家介绍了关于Python正则表达式语法及re模块中常用函数的相关资料,正则表达式是一种强大的字符串处理工具,可以用于匹配、切分、... 目录概念、作用和步骤语法re模块中的常用函数总结 概念、作用和步骤概念: 本身也是一个字符串,其中

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

python实现svg图片转换为png和gif

《python实现svg图片转换为png和gif》这篇文章主要为大家详细介绍了python如何实现将svg图片格式转换为png和gif,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python实现svg图片转换为png和gifpython实现图片格式之间的相互转换延展:基于Py

Python中的getopt模块用法小结

《Python中的getopt模块用法小结》getopt.getopt()函数是Python中用于解析命令行参数的标准库函数,该函数可以从命令行中提取选项和参数,并对它们进行处理,本文详细介绍了Pyt... 目录getopt模块介绍getopt.getopt函数的介绍getopt模块的常用用法getopt模