微博分析和可视化：使用python抓取微博数据到微博文本分析和可视化，LDA（树图），关系图，词云，时间趋势（折线图），热度图，...

【实例简介】
微博文本分析和可视化 0.数据来源和结构 新浪微博，爬虫链接： 微博内容数据结构（mongo数据库导出的json文档） content_example: [ {'_id': '1177737142_H4PSVeZWD', 'keyword': 'A股', 'crawl_time': '2019-06-01 20:31:13', 'weibo_url': 'https://weibo.com/1177737142/H4PSVeZWD', 'user_id': '1177737142', 'created_at': '2018-11-29 03:02:30', 'tool': 'Android'
【实例截图】
【核心代码】
16359647310836924513.zip
└── weibo-analysis-and-visualization-master
├── LICENSE
├── README.md
└── weibo-analysis-and-visualization
├── 3Dbar.html
├── 3Dbar.py
├── Agu_comment.json
├── Agu_content.json
├── cluster_tfidf.py
├── cluster_w2v.py
├── dict
│   ├── BosonNLP_sentiment_score.txt
│   ├── degreeDict.txt
│   ├── 否定词.txt
│   └── 哈工大停用词表.txt
├── graph.html
├── graph.py
├── images
│   ├── 3dbar1.png
│   ├── 3dbar.png
│   ├── cluster_tfidf.png
│   ├── cluster_w2v.png
│   ├── graph.png
│   ├── guanshui_comment.png
│   ├── guanshui_content.png
│   ├── lines.png
│   ├── map.png
│   └── tree.png
├── key_words2.txt
├── langconv.py
├── LDA.py
├── LDA_total.csv
├── line.html
├── lines.py
├── map.html
├── map.py
├── pie.html
├── pie.py
├── pre_graph.py
├── prepro.py
├── senti_analy.py
├── senti_analy_refer.py
├── Sentiment-Analysis-master
│   ├── code
│   │   ├── senti_lstm.py
│   │   └── Sentiment_lstm.py
│   ├── data
│   │   ├── neg.xls
│   │   └── pos.xls
│   └── lstm_data
│   ├── corpusWord2Vec.bin
│   ├── lstm.yml
│   ├── W2Vmodel
│   ├── wiki.zh.text.model
│   └── Word2vec_model.pkl
├── senti_pre.py
├── similar.py
├── tree.html
├── tree.py
├── wc.py
└── zh_wiki.py

8 directories, 53 files