[1/6] 파이썬 고객 리뷰 분석: 배달앱 데이터로 배우는 텍스트 마이닝

[3] "리뷰를 길게 남긴 사람은 뭐라고 작성했을까?"

1. 파이썬으로 리뷰 데이터 불러오기 및 확인하기

파이썬을 사용한 고객 리뷰 분석에서는 판다스(pandas) 라이브러리가 필수적입니다. 이 강력한 도구를 이용해 앱 리뷰 데이터를 효과적으로 다룰 수 있습니다.

데이터분석을 위해 파이썬 라이브러리 중 하나인 판다스를 불러와 줍니다. 라이브러리란, 다양한 기능이 담긴 '저장소'라고 생각하면 됩니다. 우리는 이 저장소에 있는 기능을 활용해서 텍스트 데이터를 분석할 겁니다.

import pandas as pd

df = pd.read_excel('92년생김치찜.xlsx')

df.head()

판다스를 불러올 때 사용한 'as'는 라이브러리 이름을 바꾸는 명령어입니다. 프로그래머들은 관례적으로 판다스를 'pd'로 줄여서 사용합니다.

만약 'import pandas as pd'를 실행했는데 오류가 난다면, 다음 명령어를 터미널에 입력하세요:

pip install pandas

vscode 기준, 'ctrl + shift + `'을 누르면 새 터미널이 열립니다.

판다스를 이용해 데이터가 담긴 엑셀 파일을 불러옵니다. 엑셀 파일을 불러오는 방법은 'pd.read_excel('파일명.xlsx')'입니다.

파일을 불러온 후, 'df(DataFrame)'라는 변수에 담아줍니다. 이후 df.head()로 상위 5개 행을 확인합니다.

2. 분석 대상 결측치 확인하기

결측치는 잘못된 입력(NaN, Not a Number)이나 데이터가 없이 비어 있는 상태(null)를 말합니다. 데이터에 결측치가 있으면 정확한 분석이 불가능합니다.

# 결측치 개수 확인

df['CONTENT'].isnull().sum()

결측치를 확인하는 방법은 'df['컬럼명'].isnull().sum()'을 입력하면 됩니다. .isnull()은 결측치 여부를 알려주고, .sum()은 결측치 개수를 합산합니다.

3. 분석 대상 내에 있는 결측치(NaN) 제거하기

# CONTENT 열의 결측치 제거 후 확인

df = df.dropna(subset=['CONTENT'])

df['CONTENT'].isnull().sum()

결측치 제거는 'df = df.dropna(subset=['컬럼명'])'으로 할 수 있습니다. 제거 후 다시 결측치를 확인하면 '0'이 표시되어 잘 제거되었음을 알 수 있습니다.

4. 가장 긴 문자열(텍스트) 확인하기

이번 분석의 목적은 '가장 긴 텍스트를 확인하는 것'입니다.

# 텍스트 길이 계산

df['CONTENT'].str.len()

'df['컬럼명'].str.len()'을 입력하면 각 텍스트의 길이를 확인할 수 있습니다. '.str'은 판다스에서 문자열을 다룰 때 사용하고, '.len()'은 데이터의 길이를 확인하는 메서드입니다.

텍스트 길이를 확인한 후, 내용과 비교하기 위해 다음 코드를 작성합니다:

# 텍스트 길이 계산 및 정렬

df['review_length'] = df['CONTENT'].str.len()

df.sort_values('review_length', ascending=False)[['CONTENT', 'review_length']]

.sort_values()는 데이터를 정렬할 때 사용하는 메서드입니다. ascending=False를 적용하면 내림차순으로 정렬되어 가장 긴 텍스트부터 볼 수 있습니다.