OPPO手机评测:性能优秀,外观时尚,拍照清晰

需积分: 0 5 下载量 74 浏览量 更新于2024-08-04 收藏 6.34MB TXT 举报
在score.txt文件中,记录了一系列关于产品的情感得分,主要涉及手机的各个方面的性能评价。文件中的数据展示了用户对手机的满意程度,这些指标可以分为以下几个方面: 1. **外观设计与工艺**: - 外形外观:多个评论强调了手机的外观华丽、时尚且非常漂亮,如"外观华丽,时尚","非常漂亮,开箱眼前一亮","美观大方"。用户对OPPO手机的整体外观满意度极高。 2. **屏幕与音效**: - 屏幕音效:用户提到触屏手感好,OLED屏清晰柔和,音质也被认为是很好的,"音质很好"和"OLED屏清晰柔和"表明了出色的视听体验。 3. **摄像头性能**: - 拍照效果:6400万像素被反复提及,且有用户称赞拍照效果清晰,特别在人像拍摄上表现出色,"拍靓照极好"。 4. **运行速度**: - 大部分用户表示运行速度满意,"运行平稳","一点即到",但也有部分用户指出蓝牙传输速度较慢。 5. **电池续航**: - 待机时间方面,虽然没有统一的数值,但评论者认为待机时间较长,且"充电后能用较长时间",显示手机的续航能力较强。 6. **功能特性**: - 指纹开锁功能被赞赏为灵活且有视觉效果,"还发亮光",而指纹识别是现代手机的重要安全特性。 - 某用户特别提到喜欢的特色是手机的轻便性,适合小仙女,这可能指的是手机的便携性。 7. **品牌口碑**: - 用户对OPPO品牌的信任度很高,认为产品质量可靠,"OPPO手机品牌信得过,质量杠杠滴,物有所值",这体现了品牌的市场声誉。 8. **用户体验**: - 许多用户对收到的实物非常满意,与实体店产品一致,认为是正品,"非常惊喜","非常开心","手机运行很流畅,闪充很快"。 score.txt文件中的情感得分反映了用户对OPPO手机的高度评价,尤其是在外观设计、屏幕音效、摄像头和性能表现方面,以及品牌的信任度。这些信息可以帮助潜在消费者做出购买决策,或者为OPPO品牌提供有价值的反馈。

#加载模块 import csv import os import re import jieba import pandas as pd #设置读取情感词典的函数 def read_dict(file): my_dict=open(file).read() wordlist=re.findall(r'[\u4e00-\u9fa5]+',my_dict) return wordlist positive=read_dict('C:/Users/xiaomei/Desktop/reports/positive.txt') negative=read_dict('C:/Users/xiaomei/Desktop/reports/negative.txt') #读取csv文件,并进行处理 results={} with open('C:/Users/xiaomei/Desktop/report.csv', 'r', encoding='utf-8') as f: reader=csv.reader(f) for row in reader: text=row[2] text=re.sub(r'[^\u4e00-\u9fa5]+',' ',text) words=jieba.cut(text) #自定义情感分析函数 def senti_count(text): wordlist1=jieba.lcut(text) wordlist1=[w for w in wordlist1 if len(w)>1] positive_count=0 for positive_word in positive: positive_count=positive_count+wordlist1.count(positive_word) negative_count=0 for negative_word in negative: negative_count=negative_count+wordlist1.count(negative_word) return {'word_num':len(wordlist1),'positive_num':positive_count,'negative_num':negative_count} #生成保存路径 csvf=open('C:/Users/xiaomei/Desktop/情感分析.csv','w',encoding = 'gbk',newline = '') writer=csv.writer(csvf) writer.writerow(('公司名称','年份','总词汇数','正面情感词汇数','负面情感词汇数')) senti_score=senti_count(text) word_num = senti_score['word_num'] positive_num = senti_score['positive_num'] negative_num = senti_score['negative_num'] writer.writerow((company,year,word_num,positive_num,negative_num)) csvf.close()

2023-06-08 上传