【可视化大屏】用Python开发「淄博烧烤」话题事件的微博热评舆情分析大屏

有幸入华夏

目录

• 一、开发背景
  
• 二、爬虫代码
  
  
  
  • 2.1 爬微博列表
    
  • 2.2 爬微博评论
    
  • 2.3 导入MySQL数据库
    
  
  
• 三、可视化代码
  
  
  
  • 3.1 大标题
    
  • 3.2 词云图（含：加载停用词）
    
  • 3.3 玫瑰图（含：snownlp情感分析）
    
  • 3.4 柱形图-TOP10关键词
    
  • 3.5 折线图-讨论热度趋势
    
  • 3.6 地图-IP分布
    
  • 3.7 Page组合大屏
    
  
  
• 四、彩蛋-多种颜色主题
  
  
  
  • 4.1 INFOGRAPHIC主题
    
  • 4.2 MACARONS主题
    
  • 4.3 SHINE主题
    
  • 4.4 WALDEN主题
    
  • 4.5 WESTEROS主题
    
  • 4.6 WHITE主题
    
  • 4.7 WONDERLAND主题
    
  
  
• 五、技术总结
  
• 六、在线体验
  
• 七、演示视频
  
• 八、转载声明
  

一、开发背景

自从2023.3月以来，"淄博烧烤"现象持续占领热搜流量，体现了后疫情时代众多网友对人间烟火气的美好向往，本现象级事件存在一定的数据分析实践意义。
静态截图：

动态演示：
【大屏演示】Python可视化舆情大屏「淄博烧烤」
二、爬虫代码

2.1 爬微博列表

通过m端的搜索页面，爬取以"淄博烧烤"为关键词的微博id，获取到微博id的目的，是传给评论爬虫。
发送请求部分：

1. # 请求地址
2. url = 'https://m.weibo.cn/api/container/getIndex'
3. # 请求参数
4. params = {
5.     "containerid": "100103type=60&q={}".format(v_keyword),
6.     "page_type": "searchall",
7.     "page": page
8. }
9. # 发送请求
10. r = requests.get(url, headers=headers, params=params)

复制代码

注意，type=60代表"热门"，如下：

解析数据部分：

1. # 解析json数据
2. cards = r.json()["data"]["cards"]
3. print('微博数量：', len(cards))
4. for card in cards:
5.     # 微博id
6.     id_list = card['mblog']['id']
7.     id_list_list.append(id_list)

复制代码

至此，已经获取到以「淄博烧烤」为关键词的微博id列表 id_list_list 了。
2.2 爬微博评论

从2.1章节获取到微博id列表之后，传入爬取微博评论函数 get_comments
这部分爬虫讲解可移步：
【2023微博评论爬虫】用python爬上千条微博评论，突破15页限制！
最终，爬取到的微博评论数据，示例如下：

说明：无论微博搜索页，还是微博评论页，都可以自定义设置max_page，满足自己的个性化数据量要求。
2.3 导入MySQL数据库

最核心的三行代码：

1. # 读取csv数据
2. df = pd.read_csv('去重后_' + comment_file)
3. # 把csv数据导入MySQL数据库
4. df.to_sql(name='t_zbsk', con=engine, chunksize=1000, if_exists='replace', index=False)
5. print('导入数据库完成！')

复制代码

用create_engine创建数据库连接，格式为：
create_engine('数据库类型+数据库驱动://用户名:密码@数据库IP地址/数据库名称')
这样，数据库连接就创建好了。
然后，用pandas的read_csv函数读取csv文件。
最后，用pandas的to_sql函数，把数据存入MySQL数据库：

• name='college_t2' #mysql数据库中的表名
  
• con=engine # 数据库连接
  
• index=False #不包含索引字段
  
• if_exists='replace' #如果表中存在数据，就替换掉
  

非常方便地完成了反向导入，即：从csv向数据库的导入。
这个部分的讲解视频：见原文
三、可视化代码

3.1 大标题

由于pyecharts组件没有专门用作标题的图表，我决定灵活运用Line组件实现大标题。
首先，找到一张星空图作为大屏背景图：

然后，在Line组件中加入js代码，加载背景图：

1. # 设置背景图片
2. line3.add_js_funcs(
3.     """
4.     var img = new Image(); img.src = './static/bg2.png';
5.     """
6. )

复制代码

大标题效果如下：

3.2 词云图（含：加载停用词）

绘制词云图，需要先进行中文分词。既然分词，就要先设置停用词，避免干扰词影响分析结果。
这里采用哈工大停用词作为停用词词典。

1. # 停用词列表
2. with open('hit_stopwords.txt', 'r') as f:
3.     stopwords_list = f.readlines()
4. stopwords_list = [i.strip() for i in stopwords_list]

复制代码

这样，所有停用词就存入stopwords_list这个列表里了。
如果哈工大停用词仍然无法满足需求，再加入一些自定义停用词，extend到这个列表里：

1. # 加入自定义停用词
2. stopwords_list.extend(
3.     ['3', '5', '不', '都', '好', '人', '吃', '都', '去', '想', '说', '还', '很', '…', 'nan', '真的', '不是',
4.      '没', '会', '看', '现在', '觉得', ' ', '没有', '上', '感觉', '大', '太', '真', '哈哈哈', '火', '挖', '做',
5.      '一下', '不能', '知道', '这种', '快'])

复制代码

现在就可以愉快的绘制词云图了，部分核心代码：

1. wc = WordCloud(init_opts=opts.InitOpts(width='600px', height=chart_height, theme=theme_config, chart_id='wc1'))
2. wc.add(series_name="评论内容",
3.        data_pair=data300,
4.        word_gap=1,
5.        word_size_range=[20, 70],
6.        )  # 增加数据
7. wc.set_global_opts(
8.     title_opts=opts.TitleOpts(pos_left='center',
9.                               pos_top='0%',
10.                               title=v_title,
11.                               title_textstyle_opts=opts.TextStyleOpts(font_size=20, color=title_color)  # 设置标题
12.                               ),
13.     tooltip_opts=opts.TooltipOpts(is_show=True),  # 显示提示
14. )

复制代码

词云图效果：

3.3 玫瑰图（含：snownlp情感分析）

先对评论数据进行情感判定，采用snownlp技术进行情感打分及判定结果：
[code]for comment in cmt_list:    sentiments_score = SnowNLP(comment).sentiments    if 0