江西正东建设工程有限公司网站,网站设计制作价格怎么样,建设局网站,在实际工作中最常用的网页制作工具原标题#xff1a;用Python挖掘Twitter数据#xff1a;数据采集作者#xff1a;Marco Bonzanini 翻译#xff1a;数盟这是7部系列中的第1部分#xff0c;注重挖掘Twitter数据以用于各种案例。这是第一篇文章#xff0c;专注于数据采集#xff0c;起到奠定基础的作用。Tw…原标题用Python挖掘Twitter数据数据采集作者Marco Bonzanini 翻译数盟这是7部系列中的第1部分注重挖掘Twitter数据以用于各种案例。这是第一篇文章专注于数据采集起到奠定基础的作用。Twitter是一个流行的社交网络用户可以共享称为tweets的类似SMS的短消息。用户在Twitter上分享想法、链接和图片记者发表现场活动评论企业改进产品和吸引客户等等。使用Twitter的不同的方式列表可能会很长伴随着每天5亿的tweets这里有大量的数据等着我们分析。这是一系列使用Python专门用于Twitter数据挖掘的文章中的第一篇。在第一部分中我们将看到通过不同的方式来进行Twitter的数据收集。一旦我们建立好了一个数据集在接下来的环节中我们就将会讨论一些有趣的数据应用。注册应用为了能够访问Twitter数据编程我们需要创建一个与Twitter的API交互的应用程序。第一步是注册一个你的应用程序。值得注意的是您需要将您的浏览器转到http://apps.twitter.com登录到Twitter(如果您尚未登录)并注册一个新的应用程序。您现在可以为您的应用程序选择一个名称和说明(例如“挖掘演示”或类似)。您将收到一个消费者密钥和消费者密码这些都是应用程序设置应始终保密。在您的应用程序的配置页面你也可以要求获取一个访问令牌和访问令牌的密码。类似于消费者密钥这些字符串也必须保密他们提供的应用程序是代表您的帐户访问到Twitter。默认权限是只读的这是我们在案例中需要的但如果你决定改变您的许可在应用中提供更改功能你就必须再获得一个新的访问令牌。重要提示使用Twitter的API时有速率限制或者你想要提供一个可下载的数据集也会有限制请参见 您可以使用 Twitter提供的REST APIs与他们的服务进行交互。那里还有一群基于Python的客户我们可以重复循环使用。尤其Tweepy是其中最有趣和最直白的一个所以我们一起把它安装起来更新Tweepy发布的3.4.0版本在Python3上出现了一些问题目前被绑定在GitHub上还不能进行使用因此在新的版本出来之前我们一直使用3.3.0版本。更多的更新Tweepy发布的3.5.0版本已经可以使用似乎解决了上述提到的在Python3上的问题。为了授权我们的应用程序以代表我们访问Twitter我们需要使用OAuth的界面现在的API变量是我们为可以在Twitter上执行的大多数操作的入口点。例如我们可以看到我们自己的时间表(或者我们的Twitter主页)Tweepy提供便捷的光标接口对不同类型的对象进行迭代。在上面的例子中我们用10来限制我们正在阅读的tweets的数量但是当然其实我们是可以访问更多的。状态变量是Status() class的一个实例是访问数据时一个漂亮的包装。Twitter API的JSON响应在_json属性(带有前导下划线)上是可用的它不是纯JSON字符串而是一个字典。所以上面的代码可以被重新写入去处理/存储JSON如果我们想要一个所有用户的名单?来这里那么我们所有的tweets的列表呢? 也很简单通过这种方式我们可以很容易地收集tweets(以及更多)并将它们存储为原始的JSON格式可以很方便的依据我们的存储格式将其转换为不同的数据模型(很多NoSQL技术提供一些批量导入功能)。process_or_store()功能是您的自定义实施占位符。最简单的方式就是你可以只打印出JSON每行一个tweet流如果我们要“保持连接”并收集所有关于特定事件将会出现的tweets流API就是我们所需要的。我们需要扩展StreamListener()来定义我们处理输入数据的方式。一个用#python hashtag收集了所有新的tweet的例子根据不同的搜索词我们可以在几分钟之内收集到成千上万的tweet。世界性覆盖的现场活动尤其如此(世界杯、超级杯、奥斯卡颁奖典礼等)所以保持关注JSON文件看看它增长的速度是多么的快并考量你的测试可能需要多少tweet。以上脚本将把每个tweet保存在新的行中所以你可以从Unix shell中使用wc-l python.json命令来了解到你收集了多少tweet。你可以在下面的要点中看到Twitter的API流的一个最小工作示例twitter_stream_downloader.py总结我们已经介绍了tweepy作为通过Python访问Twitter数据的一个相当简单的工具。我们可以根据明确的“tweet”项目目标收集一些不同类型的数据。一旦我们收集了一些数据在分析应用方面的就可以进行展开了。在接下来的内容中我们将讨论部分问题。简介Marco Bonzanini是英国伦敦的一个数据科学家。活跃于PyData社区的他喜欢从事文本分析和数据挖掘的应用工作。他是“用Python掌握社会化媒体挖掘”( 2016月7月出版)的作者。文章来源36大数据www.36dsj.com 微信号dashuju36 36大数据是一个专注大数据创业、大数据技术与分析、大数据商业与应用的网站。分享大数据的干货教程和大数据应用案例提供大数据分析工具和资料下载解决大数据产业链上的创业、技术、分析、商业、应用等问题为大数据产业链上的公司和数据行业从业人员提供支持与服务。via:shumeng责任编辑
