这篇文章主要讲解了“怎么用Python进行数据分析”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“怎么用Python进行数据分析”吧！
先调用百度AI来分析微博和b站的评论情感倾向。
知乎的回答字数过多，做情感分析肯定不准确，就没做分析。
from aip import AipNlp
""" 你的 APPID AK SK """
APP_ID = '你的APP_ID'
API_KEY = '你的API_KEY'
SECRET_KEY = '你的SECRET_KEY '
client = AipNlp(APP_ID, API_KEY, SECRET_KEY)
text = "XXXXXXXX"
""" 调用词法分析 """
response = client.sentimentClassify(text)
# "sentiment":2, //表示情感极性分类结果 0:负向，1:中性，2:正向
# "confidence":0.40, //表示分类的置信度
# "positive_prob":0.73, //表示属于积极类别的概率
# "negative_prob":0.27 //表示属于消极类别的概率
for info in response['items']:
if info ['sentiment'] == 2:
print("正向")
if info ['sentiment'] == 0:
print("负向")
if info['sentiment'] == 1:
print("中性")
print("可信度：",info['confidence'])
print("属于积极类别的概率是：",info['positive_prob'])
print("属于消极类别的概率是：",info['negative_prob'])需要注意的是，在各个平台评论最多的“奔涌吧，后浪！”，在百度AI中是个消极句子，需要特殊处理。
结果如下：
非常明显，b站的弹幕正向居多，而微博的评论负向居多。
词云
通过上文的情感分析，各家平台的用户对于《后浪》的态度各异，他们又是如何评价的呢？
统计评论和回答中的高频词，制作词云看一下吧。
from scipy.misc import imread
from wordcloud import WordCloud, ImageColorGenerator
isCN = 1 # 0：英文分词 1：中文分词
back_coloring_path = '浪花.jpg' # 设置背景图片路径
text_path = 'reviews.txt' # 设置要分析的文本路径
stopwords_path = 'stop_word.txt' # 停用词词表
imgname1 = '词云图.png' # 保存的图片名字1(只按照背景图片形状)
back_coloring = imread(back_coloring_path) # 设置背景图片
wc = WordCloud(#font_path = font_path # 设置字体
font_path='C:\Windows\Fonts\simfang.ttf',
#font_path='hanyiqihei.ttf',
background_color = 'white', # 设置背景颜色
max_words = 3000, # 设置显示的大词数
mask = back_coloring, # 设置背景图片
max_font_size = 200, # 设置字体大值
min_font_size = 20, # 设置字体最小值
random_state = 42, # 随机有N种配色方案
width = 2000 , height = 1720 ,margin = 4 )
words = {}
for i in word_counts:
words['{}'.format(i[0])] = i[1]
wc.generate_from_frequencies(words)
# txt_freq例子为 { word1: fre1, word2: fre2, word3: fre3,......, wordn: fren }
plt.figure() 
b站
知乎
感谢各位的阅读，以上就是“怎么用Python进行数据分析”的内容了，经过本文的学习后，相信大家对怎么用Python进行数据分析这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！
