ECharts 词云案例四—电影《千与千寻》部分短评

简介: **使用ECharts和电影《千与千寻》短评创建的词云案例展示了数据可视化的力量。通过Python处理评论,提取关键词并计算频率,利用jieba和WordCloud生成词云,ECharts进一步增强了视觉效果。词云突出了角色如“千寻”、“无脸男”及关键词“勇气”、“成长”,揭示了观众的情感共鸣。示例代码和资源可在链接中获取。**

ECharts 词云案例四—电影《千与千寻》部分短评

本文实现了,基于ECharts + 电影《千与千寻》部分短评 实现了好看的词云案例。

在数字时代,数据可视化已成为传达信息的重要手段。本文通过结合ECharts这一强大的数据可视化工具和Python编程语言,实现了一个创新的词云案例,以电影《千与千寻》的部分短评为基础。《千与千寻》是宫崎骏导演的一部经典动画电影,以其丰富的想象力和深刻的寓意赢得了全球观众的喜爱。

本案例的核心在于使用Python脚本处理电影短评文本,提取关键词,并计算它们的频率。通过正则表达式和自然语言处理库jieba,我们能够筛选出有意义的词汇,并通过WordCloud库生成词云图。ECharts则用于进一步展示词频数据,通过其丰富的图表类型和交互功能,使词云图更加生动和直观。

词云图不仅美观,还能直观地反映观众对电影的情感倾向和关注焦点。例如,在《千与千寻》的词云中,我们可以看到“千寻”、“无脸男”、“汤婆婆”等角色名称突出显示,这表明观众对这些角色有深刻的印象。同时,词云中的其他词汇,如“勇气”、“成长”、“冒险”等,也揭示了电影主题和观众的情感体验。

效果预览

image20240624165319885

计算词频

这一章已经在另一篇文章讲过了,有兴趣的可以去看看,如果只需要查看案例,这里会给出原始数据。

python 【包含数据预处理】基于词频生成词云图

数据格式

//千与千寻短评-20页
let dataJson = [
    {
   
   
        "name": "宫崎骏",
        "value": 82
    },
    {
   
   
        "name": "人",
        "value": 70
    },
    {
   
   
        "name": "电影",
        "value": 52
    },
    {
   
   
        "name": "世界",
        "value": 35
    },
    {
   
   
        "name": "动画",
        "value": 29
    },
    //这里由于篇幅原因,只给出几条
]

echarts代码

window.onload = function () {
   
   
          // 初始化 ECharts 图表
          var myChart = echarts.init(document.getElementById('ECharts'));

          var data = dataJson;

          console.log(data)
          var maskTemplateImage01 = "./imgs/001.png";
          var maskTemplateImage02 = "./imgs/002.png";
          var maskTemplateImage03 = "./imgs/003.png";
          var maskTemplateImage04 = "./imgs/004.png";
          var maskTemplateImage05 = "./imgs/005.png";
          var maskTemplateImage06 = "./imgs/006.png";

          var maskImage = new Image();
          maskImage.src = maskTemplateImage04;


          var bgColor = '#012248';

          //生成从minNum到maxNum的随机数
          function randomNum(minNum, maxNum) {
   
   
              switch (arguments.length) {
   
   
                  case 1:
                      return parseInt(Math.random() * minNum + 1, 10);
                      break;
                  case 2:
                      return parseInt(Math.random() * (maxNum - minNum + 1) + minNum, 10);
                      break;
                  default:
                      return 0;
                      break;
              }
          }

          var option = {
   
   
              backgroundColor: bgColor,
              title: {
   
   
                  left : 'center',
                  top: "5%" ,
                  text: "电影《千与千寻》部分短评",
                  textStyle: {
   
   
                      color : 'rgba(255,255,255,0.8)',
                      fontSize: 24,
                      align: 'center',
                  }
              },
              series: [{
   
   
                  type: 'wordCloud',
                  width: '80%',
                  height: '80%',
                  maskImage: maskImage,
                  textStyle: {
   
   
                      color: function (v) {
   
   
                          idx = randomNum(0, 19);
                          return colors[idx];
                      },
                  },
                  data: data
              }],
          };

          maskImage.onload = function () {
   
   
              // 创建一个新的 h2 元素并添加到文档
              document.querySelector(".image-box").appendChild(maskImage); // 图片加载完成后添加到文档
              myChart.setOption(option);
          }

      };

完整资源代码

点我下载:原始文本和蒙版原图 + 代码

其他蒙版

006

005

004

目录
相关文章
|
容器
layui框架实战案例(14):tabs选项卡切换时echarts拉伸变形无法正常显示的解决方案
layui框架实战案例(14):tabs选项卡切换时echarts拉伸变形无法正常显示的解决方案
221 0
|
定位技术 数据格式
Echarts实战案例代码(59):geomap实现飞线、散点、引导线以及重叠label的解决
Echarts实战案例代码(59):geomap实现飞线、散点、引导线以及重叠label的解决
596 0
|
3月前
|
搜索推荐 前端开发 数据可视化
【优秀python web毕设案例】基于协同过滤算法的酒店推荐系统,django框架+bootstrap前端+echarts可视化,有后台有爬虫
本文介绍了一个基于Django框架、协同过滤算法、ECharts数据可视化以及Bootstrap前端技术的酒店推荐系统,该系统通过用户行为分析和推荐算法优化,提供个性化的酒店推荐和直观的数据展示,以提升用户体验。
154 1
|
5月前
|
数据可视化 数据挖掘
ECharts综合案例一:近七天跑步数据
使用ECharts进行一周跑步数据分析,通过雷达图展示多维度指标(如距离、速度、时间),颜色对比体现个人与平均表现。折线图则清晰显示每日里程趋势,代码示例展示了自定义的`radar`和`line`图表配置。图表交互性强,支持点击高亮,动画流畅,提供完整代码资源。#ECharts #跑步数据 #数据可视化
148 3
ECharts综合案例一:近七天跑步数据
|
5月前
|
数据可视化 数据挖掘
ECharts综合案例一:近七天跑步数据
使用ECharts展示近七天跑步数据,结合雷达图和折线图揭示运动表现。雷达图多维度呈现全程距离、速度和时间,对比平均指标;折线图清晰展示里程趋势。图表具有交互性和动画效果,通过[代码地址](https://download.csdn.net/download/No_Name_Cao_Ni_Mei/89454698)可获取详情。#ECharts #跑步数据 #数据可视化 #雷达图 #折线图
84 3
ECharts综合案例一:近七天跑步数据
|
5月前
|
JavaScript 前端开发 搜索推荐
ECharts词云图(案例一)+配置项详解
ECharts,百度的JavaScript图表库,支持词云图(自5.0版起),借助`echarts-wordcloud`插件。配置词云图涉及`tooltip`(如显示、颜色、边框等)和`series`(类型、形状、大小范围等)。示例代码展示了如何在HTML中引入依赖并配置词云图,包括数据、形状、大小、颜色等。完整代码和依赖可下载。调整这些配置可创建个性化词云图。参阅官方文档获取不同版本详情。
993 4
 ECharts词云图(案例一)+配置项详解
|
5月前
|
JavaScript 前端开发 数据可视化
ECharts 雷达图案例001-自定义节点动画
使用ECharts创建自定义雷达图,通过JavaScript动态更新高亮和交互反馈,增强用户体验。关键步骤包括:开启动画效果,数据更新时保持图表状态,鼠标悬浮时动态高亮指标,优化动画性能。案例展示了ECharts在数据可视化中的灵活性和表现力。[查看完整案例](https://download.csdn.net/download/No_Name_Cao_Ni_Mei/89454380)。
211 0
 ECharts 雷达图案例001-自定义节点动画
|
5月前
|
数据可视化 黑灰产治理
📊 ECharts 雷达图案例002 - 诈骗性质分析
**ECharts 案例展示了诈骗性质的雷达图分析,以创新可视化揭示诈骗模式。定制化雷达图配色鲜明,多维度剖析不同诈骗手段,如网络刷单、冒充公检法。交互式设计允许用户深入探究细节。[点击这里](https://download.csdn.net/download/No_Name_Cao_Ni_Mei/89454384)查看完整案例。#ECharts #数据可视化 #雷达图 #诈骗分析**
56 0
📊 ECharts 雷达图案例002 - 诈骗性质分析
|
5月前
|
数据可视化 前端开发 搜索推荐
ECharts 词云案例三:2024年阅读关键词
探索ECharts词云图进阶,使用蒙版创造个性化2024年阅读关键词云。预览图展示渐变色背景与随机色词汇。蒙版概念引入,通过HTML结构和JavaScript配置实现词云与图像蒙版结合。代码及依赖下载链接提供,展示五种创意蒙版效果,激发数据可视化的创新思维。
72 0
ECharts 词云案例三:2024年阅读关键词
|
5月前
|
搜索推荐 数据可视化 前端开发
ECharts 词云图案例【用户画像】:创意蒙版应用
使用ECharts创建词云图,结合蒙版技术提升可视化创意。通过设置`maskImage`属性,将自定义图像作为词云的外形,如用户画像。案例中详细介绍了HTML结构、ECharts配置及蒙版图像加载过程,鼓励探索SVG路径和CSS样式以实现更多个性化效果。代码和依赖可下载,激发更多数据可视化灵感。
232 0
 ECharts 词云图案例【用户画像】:创意蒙版应用

热门文章

最新文章