import?pandas?as?pd
#?讀入評論數據
evaluation?=?pd.read_excel（r‘Contents.xlsx‘）
#?查看數據前10行
print（evaluation.head（10））


#?運用正則表達式，將評論中的數字和英文去除
evaluation.Content?=?evaluation.Content.str.replace（‘[0-9a-zA-Z]‘‘‘）
evaluation.head（）

#?導入第三方包
import?jieba

#?加載自定義詞庫
jieba.load_userdict（r‘all_words.txt‘）

#?讀入停止詞
with?open（r‘mystopwords.txt‘?encoding=‘UTF-8‘）?as?words:
????stop_words?=?[i.strip（）?for?i?in?words.readlines（）]

#?構造切詞的自定義函數，并在切詞過程中刪除停止詞
def?cut_word（sentence）:
????words?=?[i?for?i?in?jieba.lcut（sentence）?if?i?not?in?stop_words]
????#?切完的詞用空格隔開
????result?=?‘?‘.join（words）
????return（result）
#?對評論內容進行批量切詞
words?=?evaluation.Content.apply（cut_word）
#?前5行內容的切詞效果
words[:5]


#?導入第三方包
from?sklearn.feature_extraction.text?import?CountVectorizer
#?計算每個詞在各評

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件?????701641??2019-08-25?09:01??all_words.txt

?????文件?????929935??2019-08-25?09:01??Contents.xlsx

?????文件??????99725??2019-08-25?09:01??mystopwords.txt

?????文件???????3050??2019-09-14?21:07??nbtest.py

-----------?---------??----------?-----??----

??????????????1734351????????????????????4