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: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

Java 创建图形用户界面(GUI)入门指南(Swing库 JFrame 类)概述

概述 基本概念 Java Swing 的架构 Java Swing 是一个为 Java 设计的 GUI 工具包,是 JAVA 基础类的一部分,基于 Java AWT 构建,提供了一系列轻量级、可定制的图形用户界面(GUI)组件。 与 AWT 相比,Swing 提供了许多比 AWT 更好的屏幕显示元素,更加灵活和可定制,具有更好的跨平台性能。 组件和容器 Java Swing 提供了许多

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

基于UE5和ROS2的激光雷达+深度RGBD相机小车的仿真指南(五):Blender锥桶建模

前言 本系列教程旨在使用UE5配置一个具备激光雷达+深度摄像机的仿真小车,并使用通过跨平台的方式进行ROS2和UE5仿真的通讯,达到小车自主导航的目的。本教程默认有ROS2导航及其gazebo仿真相关方面基础,Nav2相关的学习教程可以参考本人的其他博客Nav2代价地图实现和原理–Nav2源码解读之CostMap2D(上)-CSDN博客往期教程: 第一期:基于UE5和ROS2的激光雷达+深度RG

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',