Python文本分析实战：《跨越星弧》TapTap玩家评论内容词云分析

许久之前写了一篇《Python网络爬虫实战》的博客，里面讲了爬虫的过程，但是没有讲如何分析。这次讲述一下用如何通过词云分析，来从这些文本数据里面获得结论

首先，回顾一下分析背景

主要是看了一下随着日期，玩家每天的评论变化，其中红色柱状是总的评论数

这里我们发现几个非常有趣的点， （1）4.13前后出现了评分陡降的情况 （2）4月底评分持续低迷

这段时间肯定是发生了什么事情，所以才出现掉分的情况。具体的原因，我们可以通过对评论的内容进行挖掘探究

所以我们这里 要做的是，对这问题时间的评论进行提取，并对其进行词云分析，得到热词 从而可以通过这些热词来反推玩家的讨论焦点，找到导致评分下降的原因

-------------------------------------以下过程仅针对第一个评分陡降的点，即4月13日前后---------------------------

主要逻辑：词云分析的4个步骤：

1、语句分词：将完整的自然语言语句，切割成一个个单独的词汇，便于词频统计。这是个挺复杂的事情，尤其是中文的分词，因为汉语中并没有空格这样的分隔符，但是不用担心，python有第三方库函数可以解决——Jieba分词
2、过滤停用词：分词后的词汇里面，会带有很多的 “的” 、“我” 、“我们” 、“游戏”等高频但是没有什么意义的词汇，因此需要过滤掉。这里我们需要自己准备好一些需要过滤的词库，称为停用词——Jieba分词已支持该功能
3、词频分析：分割后的语句，其实就是一大堆的词汇，我们再通过统计词频，就可以知道哪些是高频词汇了——Jieba分词同样已支持该功能
4、词云生成：其实当你拥有词频后，分析就已经基本结束了。如果需要更直观的展示出来（例如放进PPT或者分析报告里），可以生成一个词云来实现——这里要用到的是wordcloud库函数

代码实现：

下面贴一下各部分对应的代码。(需要注意的是，以下分析使用的是目标时间4月12日~4月14日的评论数据，因为提取过程与本文关系不大，因此没有单独贴出来)

step 1 语句分词：

#调用了jieba分词的函数cut，对sentensce进行分词。这里的sentence是包含多个语句的List对象，需要转成str
sentence_seged=jieba.cut(str(sentence))                                   #jieba初步分词

step 2 过滤停用词：

#加载停用词，从停