【Python】Decision on buying cars COROLLA or LEVIN（数据分析技术实现过程之·2 data_analysis①）

# 前面已经对数据进行了初步清洗。Python暂时搞不定的，用excel先搞定了应应急。

# 下面正式开始数据分析

# 导入常用模块
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 读取卡罗拉口碑数据文件
corolla1=pd.read_csv("D:\\2018_BigData\\Python\\Python_files_Notebook\\Decision on buying cars COROLLA or LEVIN\\corolla_1st_deal.csv",encoding="ANSI")
corolla1.head(1)

# 发现有31列那么多。。。23+1+2+5，还是得drop一些列，清爽一些先。

	Unnamed: 0	name-text	车型	购买地点	购车经销商	购买时间	nakedprice	driven-distance	发表时间	空间	...	reviews	购车目的1	购车目的2	购车目的3	购车目的4	购车裸车价	行驶里程	支持人数	阅览人数	评论人数
0	1	八号零陈	2018款 双擎 1.8L E-CVT智尚版	北京	北京中业丰田	2018年12月	14.18	2500	2019/1/13	4	...	29	购物	接送小孩	无	无	14.18?万元	2500?公里	有36人支持该口碑	有82222人看过	评论(29)

1 rows × 31 columns

# 删除多余列——其实本来可以在Excel里将多出的6列先删除。
corolla2=corolla1.drop(["Unnamed: 0","购车裸车价","行驶里程","支持人数","阅览人数","评论人数"],axis=1)
corolla2.head(1)

	name-text	车型	购买地点	购车经销商	购买时间	nakedprice	driven-distance	发表时间	空间	动力	...	内饰	性价比	购买车型	support	read	reviews	购车目的1	购车目的2	购车目的3	购车目的4
0	八号零陈	2018款 双擎 1.8L E-CVT智尚版	北京	北京中业丰田	2018年12月	14.18	2500	2019/1/13	4	3	...	4	4	卡罗拉 2018款 双擎 1.8L E-CVT智尚版?>>	36	82222	29	购物	接送小孩	无	无

1 rows × 25 columns

# 同样，导入levin口碑数据并删除多余列
levin1=pd.read_csv("D:\\2018_BigData\\Python\\Python_files_Notebook\\Decision on buying cars COROLLA or LEVIN\\levin_1st_deal.csv",encoding="ANSI")
levin2=levin1.drop(["Unnamed: 0","购车裸车价","行驶里程","支持人数","阅览人数","评论人数"],axis=1)
levin2.head(1)

	name-text	车型	购买地点	购车经销商	购买时间	nakedprice	driven-distance	发表时间	空间	text-cont	...	内饰	性价比	购买车型	support	read	reviews	购车目的1	购车目的2	购车目的3	购车目的4
0	VOLVO110	2018款 双擎 1.8H GS-V CVT尊贵版 国V	广州	广汽丰田天河店	2018年11月	13.18	3300	2018/11/29	4	【最满意的一点】最满意当然是油耗，还有就是能在广州摇节能号，广州人都知道摇号不是一般的难啊，...	...	3	3	雷凌 2018款 双擎 1.8H GS-V CVT尊贵版 国V?>>	26	47833	25	上下班	自驾游	泡妞	跑长途

1 rows × 25 columns

corolla2.shape

(405, 25)

levin2.shape

(340, 25)

# 好了，至此，统一corolla和levin的数据列，且都是有效数据样本。

# 按照之前拟好的分析框架思路，先看下裸车价格分布

plt.hist(corolla2['nakedprice'],bins=18)
plt.xlabel("购车裸车价",fontproperties="SimHei",fontsize=18)
plt.ylabel("数量",fontproperties="SimHei",fontsize=18)
plt.title("Nakedprice Distribution",fontsize=20)
plt.show()   # 此语句可不用。

# 发现有个漏网之鱼，数值为2左右。估计是Excel里填充的时候出错或者源数据有误。
# 速战速决，就不用Python替换了，直接回去Excel里搞定，顺便检查一下其他填充处理的几列有没有异常值。

# Excel处理完后，回Python更新数据，得到如下直方图。

# 可见，卡罗拉裸车价分布主要集中在11~12.8万，14.5~15.3万，对应两个价位区间的车型及客户群体。

# 其实之前的分析框架是根据行业经验定下的，现在既然有数据了，那先把框架放一边，先继续看看数据呈现。

# 先试试提取一列
price=corolla2["nakedprice"]
price.head(5)

0    14.18
1    11.28
2    14.43
3    14.18
4    14.28
Name: nakedprice, dtype: float64

# 然后试试提取两列。
# 为什么要提取两列呢？因为后面有一些画图，data来源是两列或多列表格。需要提取定义。

# area_price=corolla2["nakedprice","购买地点"]
# area_price.head(5)

# 运行报错  KeyError: ('nakedprice', '购买地点')
# 以为是“购买地点”中文字符的原因，就替换成了“driven-distance”再试，也是报同样的KeyError，说明不是字符格式问题。

area_price=corolla2[["nakedprice","购买地点"]]
area_price.head(5)

# 尝试corolla2(["nakedprice","购买地点"])，错误
# 尝试corolla2(["nakedprice","购买地点"]).values，错误
# 尝试corolla2.ix(["nakedprice","购买地点"])，错误
# ……
# 找了好久都找不到提取两列数据的方法，终于在这里找到了，原来加多一个中括号就搞定——http://www.sohu.com/a/289195562_468731

	nakedprice	购买地点
0	14.18	北京
1	11.28	泉州
2	14.43	郑州
3	14.18	沈阳
4	14.28	上海

# 耍耍帅，购车裸车价这列，再用其他可视化形式看看
# 箱型图

plt.figure(figsize=(16,4))
sns.boxplot(y="nakedprice",x="购买地点",data=area_price)

# 是不是可能，并不需要提取两列就可以画箱线图呢？我们下面试试。

# sns.boxplot(x="购买地点",y="nakedprice",data=corolla2)

# 运行结果与上面完全一致，果然不用提取两列，刚刚又白忙活了。。。不过就当做get个技能吧——提取两列数据。

# 发现横轴很拥挤，城市太多，导致看不清细节。
# 我们尝试一下筛选几个重要城市出来看看。

corolla_cityhead=corolla2.groupby(["购买地点"])["nakedprice"].agg(["mean","count"])
corolla_cityhead=corolla_cityhead.sort_values(by="count",ascending=False)
corolla_cityhead=corolla_cityhead.iloc[:20].reset_index()
corolla_cityhead

	购买地点	mean	count
0	西安	12.803333	36
1	长沙	13.228571	21
2	濮阳	13.604211	19
3	郑州	12.942000	15
4	武汉	12.318571	14
5	南昌	13.770769	13
6	武威	12.412727	11
7	铜陵	13.483636	11
8	西宁	12.216364	11
9	昌吉	13.911111	9
10	乌鲁木齐	12.095556	9
11	宜春	13.001250	8
12	哈尔滨	12.366250	8
13	北京	12.642500	8
14	天津	12.600000	8
15	威海	11.750000	8
16	青岛	12.322500	8
17	盘锦	11.320000	7
18	亳州	12.480000	7
19	沈阳	12.641429	7

city=corolla_cityhead["购买地点"]
corolla_city=corolla2[["购买地点","nakedprice"]][corolla2["购买地点"].isin(city)]
print(corolla_city.shape)
print()
print(corolla_city.head(10))

# 购买数量最多的前10个城市，总共售出160台。占总数 405 的 38%。

(238, 2)

   购买地点  nakedprice
1    北京       14.18
3    郑州       14.43
4    沈阳       14.18
12   西安       12.48
13   北京       10.70
15   长沙       14.98
18   濮阳       12.70
19   威海       14.78
25   青岛       14.38
26   西安       14.60

# 重新绘制箱型图
plt.figure(figsize=(16,4))
sns.boxplot(x="购买地点",y="nakedprice",data=corolla_city)
plt.show()

# 发现有一些异常值。居然没有广州上榜。。
# 根据个人认知，明明丰田的生产地在广州，广东对日系车的接受度也较高，广州地区丰田价格又比较有优势。
# So，发生了什么事呢？

corolla2.columns

Index(['车型', '购买地点', '购车经销商', '购买时间', 'nakedprice', 'driven-distance', '发表时间',
       '空间', '动力', '操控', '油耗', '舒适性', 'text-cont', '外观', '内饰', '性价比', '购买车型',
       'support', 'read', 'reviews', '购车目的1', '购车目的2', '购车目的3', '购车目的4'],
      dtype='object')

corolla2.index

# 为嘛这个index是第一列name-text呢？如何改变index呢？

Index(['八号零陈', '辛亦', '张某某9390', 'Hy_Bird', 'terebi', '初始化記憶', 'an2m9wtr8',
       'yychong', '买车套路深我要回农村', 'YY殇夏',
       ...
       '桂昌承', '周姐卡罗拉', '蛮蛮大哥', '_花开划落', '巫巫巫巫', '6666666_6', '千里sss', 'cllhtt',
       '淡定的小老虎不咬人', 'Smilence_Li'],
      dtype='object', name='name-text', length=405)

corolla2.index = range(1,len(corolla2)+1) # 将index改成从1开始
corolla2.head(3)
# 不见了第一列，不过还好，第一列不是重要数据，暂时先忽略。

	name-text	车型	购买地点	购车经销商	购买时间	nakedprice	driven-distance	发表时间	空间	动力	...	内饰	性价比	购买车型	support	read	reviews	购车目的1	购车目的2	购车目的3	购车目的4
1	八号零陈	2018款 双擎 1.8L E-CVT智尚版	北京	北京中业丰田	2018年12月	14.18	2500	2019/1/13	4	3	...	4	4	卡罗拉 2018款 双擎 1.8L E-CVT智尚版?>>	36	82222	29	购物	接送小孩	无	无
2	辛亦	2018款 1.2T S-CVT GL智享版	泉州	泉州宾联#	2019年1月	11.28	4361	2019/3/25	4	3	...	4	5	卡罗拉 2018款 1.2T S-CVT GL智享版?>>	5	9570	9	接送小孩	接送小孩	无	无
3	张某某9390	2018款 双擎 1.8L E-CVT智尚版	郑州	郑州裕华丰田	2018年9月	14.43	5339	2018/9/13	4	5	...	1	4	卡罗拉 2018款 双擎 1.8L E-CVT智尚版?>>	101	200279	51	自驾游	接送小孩	无	无

3 rows × 25 columns

# 重新看看index
corolla2.index

# 形式都变了，又懵了。算了先不管了。

RangeIndex(start=1, stop=406, step=1)

# 因箱线图横轴太多地区导致看不清，各种尝试只选少数几个地区例如广州，都失败。那就先放弃箱线图了。

# area_price2=corolla2[["nakedprice","购买地点"="广州"]]
# sns.boxplot(y="nakedprice",x="购买地点",data=area_price2)

# 运行报错 SyntaxError: invalid syntax

# 用饼图看看各车型购买比例
# 先看看有什么车型
corolla2['车型']
# 这个显示，把所有数据都显示出来了，而我们想要的，只是各个车型只显示一次。
# 好了那接下来研究一下，怎样把车型提取出来且只显示一次，或者直接透视统计它们的数量，方便绘制饼图

1        2018款 双擎 1.8L E-CVT智尚版
2        2018款 1.2T S-CVT GL智享版
3        2018款 双擎 1.8L E-CVT智尚版
4        2018款 双擎 1.8L E-CVT智尚版
5        2018款 双擎 1.8L E-CVT智尚版
6        2018款 1.2T S-CVT GL智享版
7        2018款 1.2T S-CVT GL智享版
8        2018款 双擎 1.8L E-CVT智尚版
9      2018款 1.2T S-CVT GL-i智辉版
10     2018款 1.2T S-CVT GL-i智辉版
11       2018款 1.2T S-CVT GL智享版
12     2018款 1.2T S-CVT GL-i智辉版
13       2018款 1.2T S-CVT GL智享版
14       2018款 1.2T S-CVT GL智享版
15       2018款 双擎 1.8L E-CVT智尚版
16       2018款 1.2T S-CVT GL智享版
17       2018款 双擎 1.8L E-CVT智尚版
18     2018款 1.2T S-CVT GL-i智辉版
19       2018款 双擎 1.8L E-CVT智尚版
20     2018款 1.2T S-CVT GL-i智辉版
21     2018款 1.2T S-CVT GL-i智辉版
22       2018款 双擎 1.8L E-CVT智尚版
23     2018款 1.2T S-CVT GL-i智辉版
24       2018款 1.2T S-CVT GL智享版
25       2018款 双擎 1.8L E-CVT智尚版
26       2018款 双擎 1.8L E-CVT智尚版
27       2018款 双擎 1.8L E-CVT智尚版
28       2018款 双擎 1.8L E-CVT智尚版
29       2018款 双擎 1.8L E-CVT智尚版
30       2018款 双擎 1.8L E-CVT智尚版
                 ...           
376      2018款 1.2T S-CVT GL智享版
377    2018款 1.2T S-CVT GL-i智辉版
378    2018款 1.2T S-CVT GL-i智辉版
379    2018款 1.2T S-CVT GL-i智辉版
380      2018款 双擎 1.8L E-CVT智尚版
381    2018款 1.2T S-CVT GL-i智辉版
382      2018款 1.2T S-CVT GL智享版
383      2018款 双擎 1.8L E-CVT智尚版
384    2018款 1.2T S-CVT GL-i智辉版
385      2018款 双擎 1.8L E-CVT智尚版
386      2018款 1.2T S-CVT GL智享版
387    2018款 1.2T S-CVT GL-i智辉版
388      2018款 1.2T S-CVT GL智享版
389      2018款 1.2T S-CVT GL智享版
390    2018款 1.2T S-CVT GL-i智辉版
391      2018款 1.2T S-CVT GL智享版
392      2018款 双擎 1.8L E-CVT智尚版
393      2018款 双擎 1.8L E-CVT智尚版
394    2018款 1.2T S-CVT GL-i智辉版
395      2018款 1.2T S-CVT GL智享版
396      2018款 1.2T S-CVT GL智享版
397      2018款 1.2T S-CVT GL智享版
398    2018款 1.2T S-CVT GL-i智辉版
399      2018款 双擎 1.8L E-CVT智尚版
400    2018款 1.2T S-CVT GL-i智辉版
401      2018款 1.2T S-CVT GL智享版
402      2018款 双擎 1.8L E-CVT智尚版
403      2018款 1.2T S-CVT GL智享版
404    2018款 1.2T S-CVT GL-i智辉版
405    2018款 1.2T S-CVT GL-i智辉版
Name: 车型, Length: 405, dtype: object

# 找到了一个 unique 函数，来试试
# corolla2.unique()

# 运行出错 AttributeError: 'DataFrame' object has no attribute 'unique'

# 换个函数再试
# corolla2.apply(pd.Series.value_counts)

# 运行没报错，不过结果一片狼藉，有点乱。先隐藏起来，再找找其他方法。

# 回到前面两步，把“查看列信息”和“unique”函数结合起来，发现接近我们想要的了。
corolla2['车型'].unique()

# 车型已出，还差统计计数。试试count函数。

array(['2018款 双擎 1.8L E-CVT智尚版', '2018款 1.2T S-CVT GL智享版',
       '2018款 1.2T S-CVT GL-i智辉版'], dtype=object)

# count函数一试就出结果了，撒花~~~
corolla2['车型'].value_counts()
# 或者 corolla2['车型'].value_counts(dropna=False)

# 那接下来应该怎么根据这些信息绘制饼图呢？

2018款 1.2T S-CVT GL智享版      166
2018款 双擎 1.8L E-CVT智尚版      120
2018款 1.2T S-CVT GL-i智辉版    119
Name: 车型, dtype: int64

cartype=corolla2['车型'].unique()
cartpye

array(['2018款 双擎 1.8L E-CVT智尚版', '2018款 1.2T S-CVT GL智享版',
       '2018款 1.2T S-CVT GL-i智辉版'], dtype=object)

# 尝试将不同的车型各自计数
i=0
for cartype in corolla2['车型']:
    i+=1
print(i)
# 结果为405，明显是三种车型的总和，而不是单个车型的数量。所以此方法错误。
# 接下来再找找其它方法。

405

count_cartype = corolla2["车型"].value_counts()
count_cartype

2018款 1.2T S-CVT GL智享版      166
2018款 双擎 1.8L E-CVT智尚版      120
2018款 1.2T S-CVT GL-i智辉版    119
Name: 车型, dtype: int64

# 拟提取count_cartype的第二列，即计数，作为饼图的sizes
count_cartype[1]
# 但结果仅出一个数字120，而不是一列数字。莫名其妙。
# 不过只有三个数字，我们可以先手动输入饼图的sizes应急。

120

# 忍不住，再试试，将原数据替换成list格式
count_cartype2=np.array(count_cartype) 
count_cartype2
# 结果好像有点正常了。

array([166, 120, 119], dtype=int64)

cartype2=np.array(cartype) 
cartype2
# 这个结果又出幺蛾子了。。。只有一个值。。。其他两个呢。。。

array('2018款 1.2T S-CVT GL-i智辉版', dtype='

# labels=cartype
# sizes=[120,166,119]
# explode=(0,0.1,0)
# plt.pie(sizes,explode=explode,labels=labels,autopct="%1.1f%%",shadow=False,startangle=90)

# 运行报错 ValueError: 'label' must be of length 'x'
# 初步估计是 cartype 格式不对，无法被 plt.pie 识别。这个格式问题下次再研究，这次先手动复制解决。

labels=['2018款 双擎 1.8L E-CVT智尚版','2018款 1.2T S-CVT GL智享版','2018款 1.2T S-CVT GL-i智辉版']
sizes=[120,166,119]
explode=(0,0.1,0)

plt.axis("equal")
plt.pie(sizes,explode=explode,labels=labels,autopct="%1.1f%%",shadow=False,startangle=90)
plt.show()

# 首先，说明在卡罗拉的三款车型里，
# 2018款 1.2T S-CVT GL智享版市场占有率最高，占到了40%以上，大众青睐；
# 其次，另外两款市场占有率不相上下。

# 发现中文字符没有正确显示。接下来是时候解决中文字符问题了。
# 至于标题，好办。

from pylab import mpl

# 指定默认字体：解决plot不能显示中文问题*

mpl.rcParams['font.sans-serif'] = ['SimHei']

plt.axis("equal")
plt.pie(sizes,explode=explode,labels=labels,autopct="%1.1f%%",shadow=False,startangle=90)
plt.show()

# 接下来，看看购车目的。

# 先看卡罗拉
corolla2.head(1)

	name-text	车型	购买地点	购车经销商	购买时间	nakedprice	driven-distance	发表时间	空间	动力	...	内饰	性价比	购买车型	support	read	reviews	购车目的1	购车目的2	购车目的3	购车目的4
1	八号零陈	2018款 双擎 1.8L E-CVT智尚版	北京	北京中业丰田	2018年12月	14.18	2500	2019/1/13	4	3	...	4	4	卡罗拉 2018款 双擎 1.8L E-CVT智尚版?>>	36	82222	29	购物	接送小孩	无	无

1 rows × 25 columns

# 取出购车目的标签
# 并把购车目的中的“无”去掉，防止干扰词云生成

col = ["购车目的1","购车目的2","购车目的3","购车目的4"]
purchasegoal_col=pd.DataFrame(corolla2,columns=col)
purchasegoal_col=purchasegoal.replace("无","")   # 经尝试，drop、where都不行，适用于list而不适用于dataframe。
purchasegoal_col.head()

	购车目的1	购车目的2	购车目的3	购车目的4
1	购物	接送小孩
2	接送小孩	接送小孩
3	自驾游	接送小孩
4	自驾游	自驾游
5	购物	自驾游

# 将购车目的标签生成文本，待用
purchasegoal_col.to_csv(r"D:/2018_BigData/Python/Python_files_Notebook/Theme_Practice/Decision on buying cars COROLLA or LEVIN/purchasegoal_col.txt",index=False)

# 打开购车目的标签文本，观察内容

import jieba

filename = "D:/2018_BigData/Python/Python_files_Notebook/Theme_Practice/Decision on buying cars COROLLA or LEVIN/purchasegoal_col.txt"
with open(filename, 'r', encoding="utf-8") as f:  # 经尝试，参数“r”不能替换成“rb”，会报错。
    text = " ".join(jieba.cut(f.read()))
text

'购车 目的 1 , 购车 目的 2 , 购车 目的 3 , 购车 目的 4 \n 购物 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 自驾游 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 自驾游 , 跑 长途 , , \n 上下班 , 跑 长途 , , \n 上下班 , 跑 长途 , , \n 上下班 , 跑 长途 , , \n 上下班 , 跑 长途 , , \n 上下班 , 跑 长途 , , \n 上下班 , 跑 长途 , , \n 自驾游 , 跑 长途 , , \n 自驾游 , 跑 长途 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 自驾游 , 跑 长途 , , \n 购物 , 自驾游 , , \n 接送 小孩 , 跑 长途 , , \n 购物 , 跑 长途 , , \n 购物 , 跑 长途 , , \n 购物 , 跑 长途 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 自驾游 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 上下班 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 自驾游 , 泡妞 , , \n 自驾游 , 泡妞 , , \n 自驾游 , 泡妞 , , \n 自驾游 , 泡妞 , , \n 自驾游 , 泡妞 , , \n 自驾游 , 泡妞 , , \n 自驾游 , 泡妞 , , \n 自驾游 , 泡妞 , , \n 接送 小孩 , 购物 , , \n 自驾游 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 自驾游 , 商务 接送 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 上下班 , 接送 小孩 , , \n 上下班 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 购物 , 自驾游 , , \n 跑 长途 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 自驾游 , , \n 自驾游 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 上下班 , 自驾游 , , \n 自驾游 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 自驾游 , 跑 长途 , , \n 购物 , 商务 接送 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 商务 接送 , , \n 自驾游 , 商务 接送 , , \n 自驾游 , 商务 接送 , , \n 接送 小孩 , 商务 接送 , , \n 接送 小孩 , 商务 接送 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 跑 长途 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 上下班 , 接送 小孩 , , \n 上下班 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 自驾游 , , \n 接送 小孩 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 自驾游 , 跑 长途 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 跑 长途 , , \n 接送 小孩 , 跑 长途 , , \n 购物 , 接送 小孩 , , \n 自驾游 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 上下班 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 购物 , , \n 接送 小孩 , 购物 , , \n 自驾游 , 购物 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 自驾游 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 自驾游 , 跑 长途 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 上下班 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 泡妞 , , \n 接送 小孩 , 泡妞 , , \n 接送 小孩 , 泡妞 , , \n 接送 小孩 , 泡妞 , , \n 接送 小孩 , 泡妞 , , \n 自驾游 , 泡妞 , , \n 购物 , 自驾游 , , \n 拉货 , 接送 小孩 , , \n 拉货 , 接送 小孩 , , \n 拉货 , 接送 小孩 , , \n 拉货 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 上下班 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 自驾游 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 购物 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 接送 小孩 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 越野 , , \n 购物 , 越野 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 自驾游 , , \n 跑 长途 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 自驾游 , 自驾游 , , \n 接送 小孩 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 自驾游 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n 购物 , 接送 小孩 , , \n'

# 呼唤(import)词云包，利用 text 中存储的文本内容来制造词云
from wordcloud import WordCloud
wordcloud = WordCloud().generate(text)

# 完成词云解析。

plt.imshow(wordcloud, interpolation='bilinear')
plt.axis("off")

# 中文乱码，稍后解决。接下来先尝试另一种分词方法。

# 从导入文件开始，使用另一种方式。

# """
# 使用蒙版图片和wordcloud生成任意形状的词云
# """

# 指明语料数据和蒙版图片的文件路径
from os import path
d = path.dirname("D:/2018_BigData/Python/Python_files_Notebook/Theme_Practice/Decision on buying cars COROLLA or LEVIN/")

# 读取语料数据文件
# 含有中文的文件要使用“rb”以二进制格式读取，否则会出现编码错误
text = open(path.join(d, 'purchasegoal_col.txt'), "rb").read()

# 使用jieba进行中文分词
mytext = " ".join(jieba.cut(text))

# 读取蒙版图片
from PIL import Image
alice_mask = np.array(Image.open(path.join(d, "car3.jpg")))

# 暂定最大词汇数为1000000
# wc = WordCloud(font_path="data_analysis-tactic.txt", background_color="white", max_words=1000000, mask=alice_mask,
#                stopwords=stopwords, contour_width=3, contour_color="steelblue")


# 生成词云
wc = WordCloud(font_path="C:\Windows\Fonts\simfang.ttf", background_color="white", mask=alice_mask,
               contour_width=3, contour_color="steelblue").generate(mytext)  # 此行报错
# wc=WordCloud().generate(mytext)  # 此行语句可正常运行


# 存储到文件
wc.to_file(path.join(d, "purchasegoal_col.png"))

# 展示词云结果
plt.imshow(wc, interpolation='bilinear')
plt.axis("off")
# plt.figure()
# plt.imshow(alice_mask, cmap=plt.cm.gray, interpolation='bilinear')
# plt.axis("off")
plt.show()

# 拉罗拉之后，来看雷凌的购车用途


# 取出购车目的标签

col = ["购车目的1","购车目的2","购车目的3","购车目的4"]
purchasegoal_levin=pd.DataFrame(levin2,columns=col)
purchasegoal_levin=purchasegoal.replace("无","") 
purchasegoal_levin.head()

# 将购车目的标签生成文本，待用
purchasegoal_levin.to_csv(r"D:/2018_BigData/Python/Python_files_Notebook/Theme_Practice/Decision on buying cars COROLLA or LEVIN/purchasegoal_levin.txt",index=False)

# 读取语料数据文件
# 含有中文的文件要使用“rb”以二进制格式读取，否则会出现编码错误
text = open(path.join(d, 'purchasegoal_levin.txt'), "rb").read()

# 使用jieba进行中文分词
mytext = " ".join(jieba.cut(text))

# 读取蒙版图片
from PIL import Image
alice_mask = np.array(Image.open(path.join(d, "car3.jpg")))

# 暂定最大词汇数为1000000
# wc = WordCloud(font_path="data_analysis-tactic.txt", background_color="white", max_words=1000000, mask=alice_mask,
#                stopwords=stopwords, contour_width=3, contour_color="steelblue")


# 生成词云
wc = WordCloud(font_path="C:\Windows\Fonts\simfang.ttf", background_color="white", mask=alice_mask,
               contour_width=3, contour_color="steelblue").generate(mytext)  # 此行报错
# wc=WordCloud().generate(mytext)  # 此行语句可正常运行


# 存储到文件
wc.to_file(path.join(d, "purchasegoal_levin.png"))

# 展示词云结果
plt.imshow(wc, interpolation='bilinear')
plt.axis("off")
# plt.figure()
# plt.imshow(alice_mask, cmap=plt.cm.gray, interpolation='bilinear')
# plt.axis("off")
plt.show()