大数据解密淄博烧烤热评舆情，专业分析洞察城市美食风向

2023-11-21 07:44:03

淄博烧烤：口味与好评兼具的城市美味盛宴

探索淄博烧烤的热门关键词

淄博烧烤，作为淄博的特色美食，已成为当地饮食文化中不可或缺的一部分。社交媒体上，淄博烧烤也备受关注，各种评价和讨论层出不穷。通过对新浪微博上淄博烧烤相关热评的分析，我们可以窥见其受欢迎的原因和特点。

词云图展现了淄博烧烤相关的热门关键词。"好吃"、"美味" 等词语占据显眼位置，表明淄博烧烤在口味上深受好评。"特色"、"淄博" 等关键词的出现，则体现了淄博烧烤的地域特色和文化内涵。此外，"炭火"、"烧烤" 等词语的出现，也揭示了淄博烧烤传统的烹制方式。

淄博烧烤的情感倾向：好评如潮

对微博热评的情感分析显示，淄博烧烤的情感倾向总体上呈正向。玫瑰图中的正面花瓣占比更大，表明绝大多数网民对淄博烧烤持肯定态度。究其原因，淄博烧烤的独特风味、实惠的价格，以及其在当地文化中的重要地位，都是好评如潮的因素。

淄博烧烤的地域分布：淄博市内热度最高

统计微博用户的位置信息后发现，淄博烧烤在淄博市区 的热度最高，其次是淄博市周边的县区。柱形图直观地展现了这一分布情况。这反映了淄博烧烤作为淄博本土特色美食，在当地有着广泛的群众基础。

淄博烧烤的舆情走势：持续火爆

折线图展示了淄博烧烤舆情的走势。可以看出，淄博烧烤在整个分析时间段内热度持续火爆，并在2023年2月和3月 达到高峰。这表明淄博烧烤在社交媒体上保持着较高的讨论热度，深受网民关注。

淄博烧烤的地图分布：全市开花

地图展现了淄博烧烤在淄博市各区的分布情况。颜色越深的区域，表明淄博烧烤在该区域的热度越高。从地图中可以看出，淄博烧烤在淄博市各个区县 都有分布，形成了一幅遍地开花的局面。

代码示例：

import pandas as pd
import jieba
import snownlp
from sklearn.feature_extraction.text import CountVectorizer
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import plotly.graph_objects as go

# 数据预处理
df = pd.read_csv('zibo_bbq_data.csv')
df['text'] = df['text'].apply(lambda x: ' '.join(jieba.cut(x)))
df['text'] = df['text'].apply(lambda x: snownlp.SnowNLP(x).words)

# 热门关键词
vectorizer = CountVectorizer()
X = vectorizer.fit_transform(df['text'])
words = vectorizer.get_feature_names_out()
counts = X.toarray().sum(axis=0)
wordcloud = WordCloud().generate(' '.join(words))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()

# 情感倾向
df['sentiment'] = df['text'].apply(lambda x: snownlp.SnowNLP(x).sentiments)
rose = go.Figure(data=[go.Pie(values=df['sentiment'], labels=['正面', '负面'])])
rose.update_traces(hoverinfo='label+percent', textinfo='value', textfont_size=20,
                   marker=dict(colors=['#00FF00', '#FF0000'], line=dict(color='#FFFFFF', width=2)))
rose.update_layout(title='情感倾向', showlegend=False)
rose.show()

# 地域分布
df['location'] = df['location'].fillna('其他')
location_counts = df['location'].value_counts()
location_counts = location_counts[location_counts > 5]
bar = go.Bar(x=location_counts.index, y=location_counts.values, marker=dict(color='#0080FF'))
bar.update_layout(title='地域分布', xaxis_title='区域', yaxis_title='热度')
bar.show()

# 舆情走势
line = go.Scatter(x=df['date'], y=df['sentiment'], mode='lines', name='舆情指数', line=dict(color='#FF8000'))
line.update_layout(title='舆情走势', xaxis_title='日期', yaxis_title='舆情指数')
line.show()

# 地图分布
fig = px.choropleth(df, locations='location', color='sentiment', scope='europe',
                    color_continuous_scale='Viridis')
fig.update_layout(title='地图分布')
fig.show()