当前位置: 首页 > news >正文

【NLP舆情分析】基于python微博舆情分析可视化系统(flask+pandas+echarts) 视频教程 - 微博评论数据可视化分析-点赞区间折线图实现

大家好,我是java1234_小锋老师,最近写了一套【NLP舆情分析】基于python微博舆情分析可视化系统(flask+pandas+echarts)视频教程,持续更新中,计划月底更新完,感谢支持。今天讲解微博评论数据可视化分析-点赞区间折线图实现

视频在线地址:
 

2026版【NLP舆情分析】基于python微博舆情分析可视化系统(flask+pandas+echarts+爬虫) 视频教程 (火爆连载更新中..)_哔哩哔哩_bilibili

课程简介:


​​
本课程采用主流的Python技术栈实现,Mysql8数据库,Flask后端,Pandas数据分析,前端可视化图表采用echarts,以及requests库,snowNLP进行情感分析,词频统计,包括大量的数据统计及分析技巧。

实现了,用户登录,注册,爬取微博帖子和评论信息,进行了热词统计以及舆情分析,以及基于echarts实现了数据可视化,包括微博文章分析,微博IP分析,微博评论分析,微博舆情分析。最后也基于wordcloud库实现了词云图,包括微博内容词云图,微博评论词云图,微博评论用户词云图等功能。

微博评论数据可视化分析-点赞区间折线图实现

首先准备好微博评论数据分析静态网页模版commentDataAnalysis.html,放到templates下;

{% extends 'base.html' %}
{% block title %}微博评论分析{% endblock %}
{% block content %}<div class="container-fluid"><div class="row"><div class="col-md-12 mb-4 mt-1"><div class="d-flex flex-wrap justify-content-between align-items-center"><h4 class="font-weight-bold">微博评论分析</h4>
​</div></div>
​</div>
​<div class="row"><div class="col-lg-12"><div class="card"><div class="card-header d-flex justify-content-between"><div class="header-title"><h4 class="card-title">评论点赞次数区间图</h4></div></div><div class="card-body"><div id="dzMain" style="width:100%;height:450px">
​</div></div></div>
​</div><div class="col-lg-6"><div class="card"><div class="card-header d-flex justify-content-between"><div class="header-title"><h4 class="card-title">评论用户性别占比</h4></div></div><div class="card-body"><div id="xbMain" style="width:100%;height:450px">
​</div></div></div></div><div class="col-lg-6"><div class="card"><div class="card-header d-flex justify-content-between"><div class="header-title"><h4 class="card-title">用户评论词云图</h4></div></div><div class="card-body"><div id="commentCloudMain" style="width:100%;height:450px;text-align:center"><img style="width:60%" src="/static/comment_cloud.jpg" alt=""></div></div></div></div></div>
​</div>
{% endblock %}
{% block echarts %}
​
{% endblock %}

page.py实现commentDataAnalysis方法:

@pb.route('/commentDataAnalysis')
def commentDataAnalysis():"""微博评论数据分析:return:"""commentList = commentDao.getAllComment()xDzData = []  # 点赞x轴数据rangeNum = 5for item in range(0, 20):xDzData.append(str(rangeNum * item) + '-' + str(rangeNum * (item + 1)))xDzData.append('1百+')yDzData = [0 for x in range(len(xDzData))]  # 点赞y数据for comment in commentList:for item in range(len(xDzData)):if int(comment[4] < rangeNum * (item + 1)):yDzData[item] += 1breakelif int(comment[4]) > 100:yDzData[len(xDzData) - 1] += 1return render_template('commentDataAnalysis.html',xDzData=xDzData,yDzData=yDzData)

前端commentDataAnalysis.html实现折线图代码:

<script>var chartDom = document.getElementById('dzMain');var myChart = echarts.init(chartDom);var option = {title: {text: '评论点赞量区间折线图',left: '1%'},legend: {},tooltip: {trigger: 'axis'},grid: {left: '5%',right: '15%',bottom: '10%'},xAxis: {data: {{ xDzData |tojson }}},yAxis: {},toolbox: {right: 10,feature: {dataZoom: {yAxisIndex: 'none'},restore: {},saveAsImage: {}}},dataZoom: [{show: true,start: 10,end: 60},],visualMap: {top: 50,right: 10,pieces: [{gt: 0,lte: 20,color: '#93CE07'},{gt: 20,lte: 40,color: '#FBDB0F'},{gt: 40,lte: 60,color: '#FC7D02'},{gt: 60,lte: 80,color: '#FD0100'},{gt: 80,lte: 100,color: '#AA069F'},{gt: 100,color: '#AC3B2A'}],outOfRange: {color: '#999'}},series: {name: '点赞区间个数',type: 'line',data: {{ yDzData }},markLine: {silent: true,lineStyle: {color: '#333'},data: [{yAxis: 50},{yAxis: 100},{yAxis: 150},{yAxis: 200},{yAxis: 300}]}}}option && myChart.setOption(option);</script>

http://www.lryc.cn/news/606044.html

相关文章:

  • 保姆级别IDEA关联数据库方式、在IDEA中进行数据库的可视化操作(包含图解过程)
  • 技术速递|GitHub Copilot for Eclipse 迈出重要一步
  • SQL极简函数实战:巧用GREATEST()与LEAST()实现智能数据截断
  • Promise.all Promise.race Promise.any三个对比
  • 【Flask基础②】 | 路由、响应与异常处理
  • 在嵌入式系统或 STM32 平台中常见的外设芯片和接口
  • 《通信原理》学习笔记——第六章
  • 乱删文件,电脑不能开机,怎么办
  • 深入解析 Spring AI 系列:剖析OpenAI接口接入组件
  • 常见的中间件漏洞(tomcat,weblogic,jboss,apache)
  • 微信小程序中进行参数传递的方法
  • 5 种智能策略,从 iQOO 到 iQOO 转移照片
  • Apache RocketMQ 中 Topic 的概念、属性、行为约束和最佳实践
  • 【机器人+相机通讯】宇树科技相机通信
  • ChatGPT的下一站:从“答案引擎”到“思维教练”
  • 基于单片机胎压检测/锅炉蒸汽压力/气压检测系统
  • 从姑苏区人工智能大模型基础设施招标|学习服务器、AI处理器、GPU
  • 深度学习(鱼书)day07--误差反向传播(前四节)
  • 项目推进难的原因有哪些?问题及应对
  • TOML介绍
  • 14day-ai入门-人工智能基础学习-OpenCV-图像预处理4
  • 我在 Arch Linux Plasma 6 Wayland 下驯服 Chromium 输入法的完整记录
  • ACOSRAR改进连续蚁群算法用于优化复杂环境下无人机路径规划,Matlab代码实现
  • 智慧工地系统:建筑工程管理的智能化革新与实践
  • 淘宝 API HTTP/2 多路复用与连接优化实践:提升商品数据采集吞吐量
  • Vue3 + Electron 技术栈下 MAC 地址获取的方法、准确性优化与应对策略
  • Electron 作品【AI聊天】桌面应用 —— 系列教程(含开源地址)
  • 发票闪印 v3.9.17 免费电子PDF发票批量打印工具绿色版
  • 【未解决】STM32无刷电机驱动电路问题记录
  • Apache Camel 简介