Python数据分析之贴吧的问与答

爬取了贴吧中python问题的精品回答，是使用scrapy写了一个程序，爬取了一点信息，存入MongoDB数据库中，代码就不上了，今天主要是通过pandas库读取数据，做问与答的文字云。

读取数据库

pandas库读取文件很方便，基本的文件都是能够用读取的，主要是运用dataframe（类似于excel表格），首先导入需要的模块；

1. import pandas as pd

2. import pymongo

3. import jieba.analyse

然后连接数据库，读取数据；

1. client = pymongo.MongoClient('localhost',port = 27017)

2. test = client['test']

3. tieba = test['tieba']

4. data = pd.DataFrame(list(tieba.find()))

5. data

获取question列

我们知道分词需要的是字符串格式的数据，所以需要通过dataframe的切片提取question这列的数据，并转化为字符串格式。

1. question_data = ''  #初始化字符串

2. for i in range(563):   #数字为数据的行数

3.    index = data.ix[i,:]   #取每行

4.    question = index['question']  #取每行的question

5.    question_data = question_data + question

6. print(question_data)

分词

这部分以前讲过，贴上代码。

1. jieba.analyse.set_stop_words('停用词表路径')

2. tags = jieba.analyse.extract_tags(question_data, topK=50, withWeight=True)

3. for item in tags:

4.    print(item[0]+'\t'+str(int(item[1]*1000)))

词云

类似，也可以做出回答的词云。 问：答：