python评论数据分析_Python亚马逊智能产品评论数据分析

一、概述

本文主要使用Python对亚马逊智能产品评论数据集进行数据清洗，通过对不同产品的评分进行变换后得到产品的好评数、中评数、差评数以及对应的比率等，通过上述这些指标，找到好评率最高的产品、并尝试通过词云图对差评率最高的产品进行原因分析，了解用户对产品的功能、设计等方面是否满意，对于不满足用户需求的产品，平台可以进行完善，提高产品的用户满意度等；

二、提出问题评论数最高和最低的商品

平均评分最高和最低的商品

好评率和差评率最高及最低的商品

商品的评价数是否与发布时间的长短成正相关

使用词云简单分析差评率最高的商品的原因

商品有无追评的平均评分如何

数据来源：亚马逊智能产品评论https://www.kaggle.com/datafiniti/consumer-reviews-of-amazon-products#1429_1.csv​www.kaggle.com

字段含义id-用户编号

name-产品名称

asins-产品编号

brand-品牌

categories-产品类别

keys-类别关键字

manufacturer-制造商

date-评论时间

dateAdded-追评时间

dateSeen-评论可见时间

doRecommend-评论是否被推荐

numHelpful-帮助性分子数

rating-评分

sourceURLs-评论链接

text-评论文字内容

title-评论标题

username-用户名

三、分析内容

3.1 数据清洗

由于数据集中：reviews.date、reviews.dateAdded的格式为2017-01-13T00:00:00.000Z，需要将评论的格式转换为日期时间格式，考虑到后续分析中只需使用日期，所以上述三个字段均只保留日期

data['reviews.date'] = data['reviews.date'].str.split('T').str[0]

data['reviews.dateAdded'] = data['reviews.dateAdded'].str.split('T').str[0]

pd.to_datetime(data['reviews.date'])

pd.to_datetime(data['reviews.dateAdded'])

3.2 缺失值处理

data.isnull().sum()

name、reviews.didPurchase、reviews.id的缺失值处理name：产品名称缺失，考虑到可以用asins来区分产品，所以将该字段删除；

reviews.didPurchase、reviews.id：这两个字段只有一条数据，所以将其删除；

data = data.drop(['reviews.didPurchase', 'reviews.id', 'name'], axis=1)

reviews.dateAdded的缺失值处理reviews.dateAdded：数据缺失应该是用户没有追加评论造成的，所以使用No来填补缺失值；

data['reviews.dateAdded'] = data['reviews.dateAdded'].fillna('No')

asins、reviews.doRecommend、reviews.numhelpful、reviews.rating、reviews.text、reviews.title、reviews.username，数据集中这些字段有缺失的数据则直接删除；

data = data.dropna(axis=0, how='any',

subset=['reviews.date', 'reviews.title', 'reviews.text',

"reviews.username", 'reviews.doRecommend',

'reviews.numHelpful'])

3.3 分析内容

各商品的评论数、占总评论数的比例商品评论数最多的商品类别是B018Y229OU，一共有10963条评论，占总评论数的32.19%；

评论数最低的商品为B018Y23P7K，只有一条评论，占比不到0.01%；

各商品的评论数、平均评分平均评价最高的商品为B018T075DC和B018Y23P7K，对应的平均评分均为5分，但是评价数分别只有7条、1条；

平均评价最低的商品为B018Y229OU和B00TSUGXKE，对应的平均评分为4.45和4.42，平均得分均低于4.5分，对应的评论数分别为10963条、372条；

评价数超过100条的商品中，平均评价最高的商品是B00OQVZDJM，平均评价为4.77；

商品B018Y229OU的评论数最多，那么它的评论分布是怎么样的呢？5分的评价数最多，占比为59.22%，4分的评价占比为31.44%，二者之和超过了总数的90%；

低分评价相对于高分评价，数量较少，占比接近3%；

商品的好评率及差评率(定义好评为reviews.rating>=4,差评为reviews.rating<=2)商品好评率最高的商品是B018T075DC、B00IOYAM4I、B018Y23P7K、B018Y22C2Y、B00REQKWGA、B018Y22BI4，好评率为100%，这些商品均收获了100%的好评，美中不足的是这些商品的总评论数较少，大部分在10条左右，均不足百条；

而在总评论数超过百条的商品中，好评率最高的商品是B00OQVZDJM，好评率为97.29%

差评率最高的商品为B01AHB9C1E，差评率为7.14%，差评数为1条，但是总评论数仅为14条；

而在总评论数大于100的商品中，差评率前三的商品为B01BH83OOM、B00TSUGXKE、B018Y23MNM ，差评率分别为3.79%、3.76、3.38%，对于这些差评率较高的商品，卖家需要针对性地找出用户给出差评的原因，做出针对性的改善

针对某个差评率较高的商品，以商品B01BH83OOM为例，尝试分析评分为2分以下的评论内容，找到用户给差评的原因(此处分析较为主观，具体原因还要对用户的评论进行分析)

从词云图中，我们看到tap、use、connect、Bluetooth、returned、 terrible等词出现的频率较高，猜测有以下原因：该商品属于触屏类商品，触屏灵敏度不高；

use、connect、bluetooth、phone等词则可能是该产品的蓝牙与手机的连接不顺畅，经常连接不上，使用困难；

terrible、returned则是产品质量有问题导致退货较多；

商品的评价数跟商品发布时间是否存在线性关系，是否存在商品发布时间越长，商品的评论数越多的可能性？

将商品按发布时间进行排序后，其评论数量图商品的评论数与时间之间的关系并不明显，即商品的评论数跟商品发布时间的长短没有关系；

有无追评的商品的评价是否一致？比如，我在购买了某种产品后，使用了一段时间，发现产品质量很好，用户想把它推荐给更多的人，于是追加了评论；

又或者我使用了一段时间后，发现产品的质量跟用户的预期存在偏差，所以我去追加评论；

data[data['reviews.dateAdded'] != 'No']['reviews.rating'].mean() #有追评的商品

data[data['reviews.dateAdded'] == 'No']['reviews.rating'].mean() #没有追评的商品从结果来看，没有追评的商品的平均评分为4.63，而有追评的商品的平均评分为4.57，可以看到又没追评的商品的评分略高于有追评的商品，至于是否存在没有追评的商品的评分比有追评的商品的评价更高，则需要进一步分析用户追评的内容；

四、结论和建议以用户的评论数作为衡量商品是否受欢迎的指标，那么最受欢迎的商品就是B018Y229OU；

商品的上市时间不会影响商品的评论数量；

综合评价最高的商品为B018T075DC和B018Y23P7K，对应的平均评分均为5分，但是评价数分别只有7条、1条；而在评价数超过100条的商品中，平均评价最高和最低的商品分别是B00OQVZDJM，B00TSUGXKE，平均评分分别为4.77、4.42分；

好评率最高的商品为B018T075DC、B00IOYAM4I、B018Y23P7K、B018Y22C2Y、B00REQKWGA、B018Y22BI4，好评率为100%；差评率差评率最高的商品为B01AHB9C1E，差评率为7.14%，差评数为1条，总评论数为14条；

评论数超过100的商品中，好评率最高的商品是B00OQVZDJM，好评率为97.29%；差评率前三的商品为B01BH83OOM、B00TSUGXKE、B018Y23MNM ，差评率分别为3.79%、3.76、3.38%，对于这些差评率较高的商品，卖家需要针对性地找出用户给出差评的原因，做出针对性的改善；

没有追评的商品的平均评分略高于有追评的商品评分，是否存在没有追评的商品评分比有追评的商品评分更高，则需要对用户追评的内容做进一步的分析。