1. 从“装修焦虑”到“数据决策”一个非技术出身的家电选购思路最近刚忙完家里的装修到了选家电这一步直接给我整懵了。面对市面上几十个品牌、上百个型号的冰箱、洗衣机、空调每个商品详情页都写着“一级能效”、“变频节能”、“智能除菌”看多了感觉都一个样。更头疼的是打开小红书搜索“冰箱选购”能刷出几万篇笔记有博主测评、有素人分享、还有各种“避坑指南”信息爆炸到根本无从下手。相信很多第一次装修的朋友都经历过这种“选择困难症”预算有限比如我卡在5万块但又怕买错钱花了体验还不好。传统的做法无非是自己花几个周末跑遍线下店听销售一顿忽悠或者在网上疯狂做表格对比参数但冷冰冰的纸面数据很难反映真实的使用体验。作为一个习惯用技术思维解决问题的从业者我就在想能不能让机器帮我完成前期繁琐的信息收集和初步筛选工作把人的时间解放出来用在更需要审美和实际体验判断的环节上。于是我尝试用WorkBuddy搭配 Python 写了一个小工具核心思路很简单既然小红书上沉淀了海量的真实用户反馈和场景化内容那就让它去帮我“读”。我设定了目标针对全屋必备的几大件冰箱、洗衣机、空调、电视、热水器让程序自动收集、分析近期的热门评测和口碑笔记最终生成一份带有数据支撑的选购建议清单。整个过程我称之为“用数据对抗选择焦虑”。这并不是要完全取代人的决策而是提供一个更高效、更全面的信息预处理方案。下面我就把自己如何利用 WorkBuddy 这个“智能工作伙伴”结合 Python 和 Streamlit 搭建一个轻量级数据分析应用的全过程以及其中踩过的坑和收获的经验毫无保留地分享出来。2. 核心工具链选型为什么是 WorkBuddy Python Streamlit在开始动手之前工具的选择直接决定了项目的可行性和最终体验。我并非专业的数据科学家或爬虫工程师所以我的核心诉求是快速验证想法、低代码/可视化操作、结果直观易懂。基于这三点我锁定了现在的技术栈。2.1 WorkBuddy从“自动化脚本”到“技能工作流”WorkBuddy 是我这个项目的核心发动机。你可以把它理解为一个智能化的自动化工作台。它最大的价值在于将复杂的操作比如网页抓取、数据处理、API调用封装成一个个可视化的“Skill”技能。我不需要从零开始写网络请求、处理反爬、解析动态页面这些令人头疼的代码只需要在 WorkBuddy 的工作流画布上像搭积木一样拖拽和连接这些预置的 Skill。对于“刷小红书”这个任务WorkBuddy 社区可能有现成的“网页内容抓取”或“社交媒体数据收集”类 Skill。即使没有完全匹配的我也可以组合基础 Skill一个用于输入搜索关键词如“冰箱 评测 2024”一个用于模拟翻页滚动一个用于提取笔记的标题、正文、点赞数和评论内容。这比直接用 Python 库如requests或selenium从头构建要快得多也稳定得多因为它内部已经处理了很多底层细节和常见的网站结构变动。注意任何自动化工具在获取公开数据时都必须严格遵守目标网站的robots.txt协议控制请求频率避免对对方服务器造成压力。我的实践仅用于个人学习与数据分析且严格限制了采集速度和数量模拟人类正常的浏览间隔。2.2 Python胶水语言与数据分析核心虽然 WorkBuddy 处理了采集但后续的文本分析和数据处理工作Python 依然是无可替代的。我主要用到了以下几个库pandas: 用于存储和清洗从 WorkBuddy 导出的数据。比如将笔记内容、发布时间、互动数据整理成结构化的 DataFrame方便后续筛选例如只分析点赞超过 100 的优质笔记。jieba/snownlp: 用于中文分词和简单的情感分析。我可以快速统计哪些品牌或型号被提及的次数最多词频分析以及相关笔记的情感倾向是正面还是负面。比如分析“XX品牌冰箱噪音”相关的笔记情感分数普遍偏低这就是一个重要的负面信号。matplotlib/seaborn: 用于生成简单的图表比如品牌提及量柱状图、好评率饼图等让数据结果一目了然。Python 在这里的角色是“数据炼金术”把 WorkBuddy 抓取的原始文本提炼成有洞察力的信息。2.3 Streamlit将分析结果快速变成交互应用数据和分析脚本躺在 Jupyter Notebook 里只能我自己看。我想让我同样在装修的、非技术背景的家人也能直观地看到结论甚至能互动筛选。这时Streamlit就派上用场了。Streamlit 是一个专门为机器学习和数据科学打造的超轻量级 Web 应用框架。它的魔力在于你可以用纯 Python 脚本快速创建出带有交互控件滑块、下拉框、按钮和数据图表的应用。我不需要懂 HTML、CSS 或 JavaScript。我的流程是用 Python 脚本analysis.py读入处理好的数据然后使用 Streamlit 的组件来展示。例如st.selectbox创建一个下拉菜单让用户选择要查看的家电品类冰箱、空调等。st.slider创建一个价格区间滑块动态过滤符合预算的型号推荐。st.write和st.pyplot将分析结论和图表渲染到网页上。这样一来我最终交付的不是一份冰冷的 Excel 表格而是一个可以点击、筛选、查看的迷你“家电选购数据看板”体验感直接拉满。3. 实战四步走构建你的家电数据“侦察兵”下面我将分解整个实现过程。你可以把它看作一个标准化的项目模板稍加修改就能用于其他需要从社交媒体获取洞察的场景。3.1 第一步定义目标与数据采集策略漫无目的地收集数据只会得到垃圾信息。首先必须明确目标采购清单明确要买哪些家电我的是冰箱、洗烘套装、空调、电视、燃气热水器。关键维度确定评价每个家电的核心维度。例如冰箱容量、制冷方式风冷/直冷、循环系统单循环/双循环、噪音、品牌口碑。空调匹数、能效比APF、制冷制热速度、噪音、安装服务评价。洗衣机洗净比、烘干方式热泵/冷凝、除菌技术、噪音。搜索关键词根据维度组合出小红书搜索关键词。例如“冰箱 双循环 噪音 实测”、“XX品牌 空调 安装 吐槽”、“洗烘套装 绒毛 处理”。关键词要具体避免太泛。接下来在 WorkBuddy 中搭建采集工作流启动 Skill使用“浏览器自动化”或“网络请求”类 Skill打开小红书搜索页面。循环输入关键词将准备好的关键词列表依次输入搜索框。滚动与翻页使用“滚动页面”Skill 模拟人工浏览确保加载出足够多的笔记。设置合理的滚动次数和间隔时间如每次滚动后等待2-3秒。数据提取使用“元素提取”Skill配置 CSS 选择器或 XPath精准抓取笔记卡片中的博主名称、笔记标题、正文内容、点赞数、收藏数、评论数、发布标签如“家电测评”。数据存储将每一轮循环抓取到的数据通过 WorkBuddy 的输出功能保存为结构化的文件如 CSV 或 JSON。我通常按“品类_关键词_日期.csv”的格式命名方便管理。实操心得小红书等平台的页面结构可能频繁变动。WorkBuddy 的优点是当元素选择器失效时通常只需在工作流中重新定位一下元素即可无需修改底层代码。建议为关键的数据提取步骤设置“重试”机制并定期如每周运行一次测试流程确保采集链路畅通。3.2 第二步数据清洗与文本挖掘从 WorkBuddy 导出的原始数据是粗糙的包含大量无关信息广告、无关内容、重复笔记和杂乱格式。这是最耗时但至关重要的一步。import pandas as pd import re import jieba from collections import Counter # 1. 加载数据 df pd.read_csv(冰箱_双循环_噪音_实测_20240515.csv) # 2. 基础清洗 # 去除重复根据标题和博主名 df df.drop_duplicates(subset[title, author]) # 过滤低互动内容例如点赞50的笔记可能参考价值不高 df df[df[likes] 50] # 清洗正文去除换行符、多余空格、无关表情符号和话题标签 df[cleaned_content] df[content].apply(lambda x: re.sub(r#\w#|\n|\s|[^\u4e00-\u9fa5a-zA-Z0-9。], , str(x))) # 3. 关键信息提取以品牌为例 # 定义一个品牌词库 brands [海尔, 美的, 格力, 卡萨帝, 西门子, 松下, 博世, 容声, 美菱, COLMO] def extract_brands(text): found [] for brand in brands: if brand in text: found.append(brand) return ,.join(found) if found else 未知 df[mentioned_brands] df[cleaned_content].apply(extract_brands) # 4. 词频分析看看大家都在讨论什么 all_text .join(df[cleaned_content].tolist()) words [word for word in jieba.cut(all_text) if len(word) 1 and word not in [这个, 那个, 还是, 可以]] # 过滤停用词 word_freq Counter(words).most_common(20) # 取前20个高频词 print(高频话题词, word_freq)通过这段代码我能快速知道在“冰箱噪音”这个话题下用户最常提及的品牌是哪些以及除了品牌大家还在关心“压缩机”、“变频”、“共振”哪些具体技术点或问题。3.3 第三步情感分析与口碑量化知道大家讨论什么还不够还得知道大家是夸还是骂。这里我用了一个简单的基于词典的情感分析更复杂的可以用训练好的模型。from snownlp import SnowNLP def get_sentiment_score(text): try: return SnowNLP(text).sentiments # 返回0-1之间的值越接近1越正面 except: return 0.5 # 中性 df[sentiment] df[cleaned_content].apply(get_sentiment_score) # 按品牌聚合情感分 brand_sentiment df[df[mentioned_brands] ! 未知].copy() # 将品牌字符串拆分成多行 brand_sentiment brand_sentiment.assign(brandbrand_sentiment[mentioned_brands].str.split(,)).explode(brand) brand_summary brand_sentiment.groupby(brand).agg( mention_count(brand, count), avg_sentiment(sentiment, mean), avg_likes(likes, mean) ).round(3).sort_values(mention_count, ascendingFalse) print(brand_summary)这个brand_summary表格就非常有价值了。它告诉我海尔被提及了120次平均情感分0.72口碑较好平均点赞200。XX品牌被提及了80次但平均情感分只有0.45说明负面评价较多需要重点查看相关笔记内容。YY品牌虽然只被提及30次但情感分高达0.85可能是小众但口碑极佳的型号。3.4 第四步用 Streamlit 打造交互式选购看板最后将上述分析过程产品化。创建一个app.py文件import streamlit as st import pandas as pd import plotly.express as px # 使用plotly生成交互式图表 st.set_page_config(page_title家电选购数据洞察, layoutwide) st.title( 全屋家电选购数据侦察面板) st.markdown(基于近期小红书真实笔记分析与聚合) # 1. 侧边栏筛选控件 st.sidebar.header(筛选条件) appliance_type st.sidebar.selectbox(选择家电品类, [冰箱, 洗衣机, 空调, 电视, 热水器]) price_range st.sidebar.slider(预算范围万元, 0.2, 3.0, (0.5, 1.5)) # 2. 加载对应品类的分析结果数据这里是示例实际数据从处理好的CSV读入 # 假设我们有一个函数 load_data(appliance) 来返回分析好的DataFrame df_summary, df_notes load_data(appliance_type) # 3. 主显示区 col1, col2 st.columns(2) with col1: st.subheader(f{appliance_type}品牌口碑榜) # 绘制品牌口碑气泡图X轴提及次数Y轴平均情感分大小平均点赞 fig1 px.scatter(df_summary, xmention_count, yavg_sentiment, sizeavg_likes, hover_namedf_summary.index, labels{mention_count:提及次数,avg_sentiment:好评指数}, title品牌声量与口碑分布) st.plotly_chart(fig1, use_container_widthTrue) with col2: st.subheader(高频关注点TOP 10) # 假设df_topics是话题词频DataFrame fig2 px.bar(df_topics.head(10), xtopic, ycount, title用户讨论热点) st.plotly_chart(fig2, use_container_widthTrue) # 4. 详情列表 st.subheader(精选参考笔记) # 根据筛选条件如情感分高、点赞多展示具体笔记 for idx, row in df_notes.sort_values(likes, ascendingFalse).head(5).iterrows(): with st.expander(f{row[title]} ( {row[likes]})): st.write(f**博主**{row[author]}) st.write(f**核心观点**{row[content][:200]}...) # 预览部分内容 st.write(f**情感评分**{row[sentiment]:.2f}) if st.button(f查看原文摘要, keyidx): # 这里可以集成进一步的分析如提取核心句子 st.write(row[content])运行streamlit run app.py一个本地网页应用就启动了。我可以和家人一起滑动滑块、选择品类直观地看到哪个品牌在预算范围内口碑最好大家最关心的问题是什么并直接阅读高价值的参考笔记。4. 过程中踩过的“坑”与关键经验这个项目听起来顺畅但实际执行中遇到了不少问题这里分享出来帮你避坑。4.1 数据源的“噪音”与“偏差”处理最初我直接采集了所有搜索结果发现数据质量很差。很多笔记是纯广告、引流贴或者内容非常空洞。这直接影响了分析的准确性。解决方案我增加了多道过滤门槛。互动量过滤只采集点赞和收藏超过一定阈值如50的笔记。这能筛掉大部分无效内容。文本长度过滤正文内容太短如少于100字的笔记信息量不足直接剔除。关键词二次过滤在清洗后用更精确的关键词如“测评”、“实测”、“使用一年后”、“吐槽”在笔记正文中匹配保留相关度更高的。人工抽样校验定期随机抽样几十条笔记人工判断分类是否准确据此调整过滤规则。4.2 WorkBuddy 工作流的稳定性维护自动化采集最怕网站改版。有一次运行WorkBuddy 报错“找不到元素”原因是小红书的笔记卡片 CSS 类名更新了。解决方案使用相对稳定的选择器优先选择> 用WorkBuddy+Python+Streamlit构建家电选购数据决策工具
1. 从“装修焦虑”到“数据决策”一个非技术出身的家电选购思路最近刚忙完家里的装修到了选家电这一步直接给我整懵了。面对市面上几十个品牌、上百个型号的冰箱、洗衣机、空调每个商品详情页都写着“一级能效”、“变频节能”、“智能除菌”看多了感觉都一个样。更头疼的是打开小红书搜索“冰箱选购”能刷出几万篇笔记有博主测评、有素人分享、还有各种“避坑指南”信息爆炸到根本无从下手。相信很多第一次装修的朋友都经历过这种“选择困难症”预算有限比如我卡在5万块但又怕买错钱花了体验还不好。传统的做法无非是自己花几个周末跑遍线下店听销售一顿忽悠或者在网上疯狂做表格对比参数但冷冰冰的纸面数据很难反映真实的使用体验。作为一个习惯用技术思维解决问题的从业者我就在想能不能让机器帮我完成前期繁琐的信息收集和初步筛选工作把人的时间解放出来用在更需要审美和实际体验判断的环节上。于是我尝试用WorkBuddy搭配 Python 写了一个小工具核心思路很简单既然小红书上沉淀了海量的真实用户反馈和场景化内容那就让它去帮我“读”。我设定了目标针对全屋必备的几大件冰箱、洗衣机、空调、电视、热水器让程序自动收集、分析近期的热门评测和口碑笔记最终生成一份带有数据支撑的选购建议清单。整个过程我称之为“用数据对抗选择焦虑”。这并不是要完全取代人的决策而是提供一个更高效、更全面的信息预处理方案。下面我就把自己如何利用 WorkBuddy 这个“智能工作伙伴”结合 Python 和 Streamlit 搭建一个轻量级数据分析应用的全过程以及其中踩过的坑和收获的经验毫无保留地分享出来。2. 核心工具链选型为什么是 WorkBuddy Python Streamlit在开始动手之前工具的选择直接决定了项目的可行性和最终体验。我并非专业的数据科学家或爬虫工程师所以我的核心诉求是快速验证想法、低代码/可视化操作、结果直观易懂。基于这三点我锁定了现在的技术栈。2.1 WorkBuddy从“自动化脚本”到“技能工作流”WorkBuddy 是我这个项目的核心发动机。你可以把它理解为一个智能化的自动化工作台。它最大的价值在于将复杂的操作比如网页抓取、数据处理、API调用封装成一个个可视化的“Skill”技能。我不需要从零开始写网络请求、处理反爬、解析动态页面这些令人头疼的代码只需要在 WorkBuddy 的工作流画布上像搭积木一样拖拽和连接这些预置的 Skill。对于“刷小红书”这个任务WorkBuddy 社区可能有现成的“网页内容抓取”或“社交媒体数据收集”类 Skill。即使没有完全匹配的我也可以组合基础 Skill一个用于输入搜索关键词如“冰箱 评测 2024”一个用于模拟翻页滚动一个用于提取笔记的标题、正文、点赞数和评论内容。这比直接用 Python 库如requests或selenium从头构建要快得多也稳定得多因为它内部已经处理了很多底层细节和常见的网站结构变动。注意任何自动化工具在获取公开数据时都必须严格遵守目标网站的robots.txt协议控制请求频率避免对对方服务器造成压力。我的实践仅用于个人学习与数据分析且严格限制了采集速度和数量模拟人类正常的浏览间隔。2.2 Python胶水语言与数据分析核心虽然 WorkBuddy 处理了采集但后续的文本分析和数据处理工作Python 依然是无可替代的。我主要用到了以下几个库pandas: 用于存储和清洗从 WorkBuddy 导出的数据。比如将笔记内容、发布时间、互动数据整理成结构化的 DataFrame方便后续筛选例如只分析点赞超过 100 的优质笔记。jieba/snownlp: 用于中文分词和简单的情感分析。我可以快速统计哪些品牌或型号被提及的次数最多词频分析以及相关笔记的情感倾向是正面还是负面。比如分析“XX品牌冰箱噪音”相关的笔记情感分数普遍偏低这就是一个重要的负面信号。matplotlib/seaborn: 用于生成简单的图表比如品牌提及量柱状图、好评率饼图等让数据结果一目了然。Python 在这里的角色是“数据炼金术”把 WorkBuddy 抓取的原始文本提炼成有洞察力的信息。2.3 Streamlit将分析结果快速变成交互应用数据和分析脚本躺在 Jupyter Notebook 里只能我自己看。我想让我同样在装修的、非技术背景的家人也能直观地看到结论甚至能互动筛选。这时Streamlit就派上用场了。Streamlit 是一个专门为机器学习和数据科学打造的超轻量级 Web 应用框架。它的魔力在于你可以用纯 Python 脚本快速创建出带有交互控件滑块、下拉框、按钮和数据图表的应用。我不需要懂 HTML、CSS 或 JavaScript。我的流程是用 Python 脚本analysis.py读入处理好的数据然后使用 Streamlit 的组件来展示。例如st.selectbox创建一个下拉菜单让用户选择要查看的家电品类冰箱、空调等。st.slider创建一个价格区间滑块动态过滤符合预算的型号推荐。st.write和st.pyplot将分析结论和图表渲染到网页上。这样一来我最终交付的不是一份冰冷的 Excel 表格而是一个可以点击、筛选、查看的迷你“家电选购数据看板”体验感直接拉满。3. 实战四步走构建你的家电数据“侦察兵”下面我将分解整个实现过程。你可以把它看作一个标准化的项目模板稍加修改就能用于其他需要从社交媒体获取洞察的场景。3.1 第一步定义目标与数据采集策略漫无目的地收集数据只会得到垃圾信息。首先必须明确目标采购清单明确要买哪些家电我的是冰箱、洗烘套装、空调、电视、燃气热水器。关键维度确定评价每个家电的核心维度。例如冰箱容量、制冷方式风冷/直冷、循环系统单循环/双循环、噪音、品牌口碑。空调匹数、能效比APF、制冷制热速度、噪音、安装服务评价。洗衣机洗净比、烘干方式热泵/冷凝、除菌技术、噪音。搜索关键词根据维度组合出小红书搜索关键词。例如“冰箱 双循环 噪音 实测”、“XX品牌 空调 安装 吐槽”、“洗烘套装 绒毛 处理”。关键词要具体避免太泛。接下来在 WorkBuddy 中搭建采集工作流启动 Skill使用“浏览器自动化”或“网络请求”类 Skill打开小红书搜索页面。循环输入关键词将准备好的关键词列表依次输入搜索框。滚动与翻页使用“滚动页面”Skill 模拟人工浏览确保加载出足够多的笔记。设置合理的滚动次数和间隔时间如每次滚动后等待2-3秒。数据提取使用“元素提取”Skill配置 CSS 选择器或 XPath精准抓取笔记卡片中的博主名称、笔记标题、正文内容、点赞数、收藏数、评论数、发布标签如“家电测评”。数据存储将每一轮循环抓取到的数据通过 WorkBuddy 的输出功能保存为结构化的文件如 CSV 或 JSON。我通常按“品类_关键词_日期.csv”的格式命名方便管理。实操心得小红书等平台的页面结构可能频繁变动。WorkBuddy 的优点是当元素选择器失效时通常只需在工作流中重新定位一下元素即可无需修改底层代码。建议为关键的数据提取步骤设置“重试”机制并定期如每周运行一次测试流程确保采集链路畅通。3.2 第二步数据清洗与文本挖掘从 WorkBuddy 导出的原始数据是粗糙的包含大量无关信息广告、无关内容、重复笔记和杂乱格式。这是最耗时但至关重要的一步。import pandas as pd import re import jieba from collections import Counter # 1. 加载数据 df pd.read_csv(冰箱_双循环_噪音_实测_20240515.csv) # 2. 基础清洗 # 去除重复根据标题和博主名 df df.drop_duplicates(subset[title, author]) # 过滤低互动内容例如点赞50的笔记可能参考价值不高 df df[df[likes] 50] # 清洗正文去除换行符、多余空格、无关表情符号和话题标签 df[cleaned_content] df[content].apply(lambda x: re.sub(r#\w#|\n|\s|[^\u4e00-\u9fa5a-zA-Z0-9。], , str(x))) # 3. 关键信息提取以品牌为例 # 定义一个品牌词库 brands [海尔, 美的, 格力, 卡萨帝, 西门子, 松下, 博世, 容声, 美菱, COLMO] def extract_brands(text): found [] for brand in brands: if brand in text: found.append(brand) return ,.join(found) if found else 未知 df[mentioned_brands] df[cleaned_content].apply(extract_brands) # 4. 词频分析看看大家都在讨论什么 all_text .join(df[cleaned_content].tolist()) words [word for word in jieba.cut(all_text) if len(word) 1 and word not in [这个, 那个, 还是, 可以]] # 过滤停用词 word_freq Counter(words).most_common(20) # 取前20个高频词 print(高频话题词, word_freq)通过这段代码我能快速知道在“冰箱噪音”这个话题下用户最常提及的品牌是哪些以及除了品牌大家还在关心“压缩机”、“变频”、“共振”哪些具体技术点或问题。3.3 第三步情感分析与口碑量化知道大家讨论什么还不够还得知道大家是夸还是骂。这里我用了一个简单的基于词典的情感分析更复杂的可以用训练好的模型。from snownlp import SnowNLP def get_sentiment_score(text): try: return SnowNLP(text).sentiments # 返回0-1之间的值越接近1越正面 except: return 0.5 # 中性 df[sentiment] df[cleaned_content].apply(get_sentiment_score) # 按品牌聚合情感分 brand_sentiment df[df[mentioned_brands] ! 未知].copy() # 将品牌字符串拆分成多行 brand_sentiment brand_sentiment.assign(brandbrand_sentiment[mentioned_brands].str.split(,)).explode(brand) brand_summary brand_sentiment.groupby(brand).agg( mention_count(brand, count), avg_sentiment(sentiment, mean), avg_likes(likes, mean) ).round(3).sort_values(mention_count, ascendingFalse) print(brand_summary)这个brand_summary表格就非常有价值了。它告诉我海尔被提及了120次平均情感分0.72口碑较好平均点赞200。XX品牌被提及了80次但平均情感分只有0.45说明负面评价较多需要重点查看相关笔记内容。YY品牌虽然只被提及30次但情感分高达0.85可能是小众但口碑极佳的型号。3.4 第四步用 Streamlit 打造交互式选购看板最后将上述分析过程产品化。创建一个app.py文件import streamlit as st import pandas as pd import plotly.express as px # 使用plotly生成交互式图表 st.set_page_config(page_title家电选购数据洞察, layoutwide) st.title( 全屋家电选购数据侦察面板) st.markdown(基于近期小红书真实笔记分析与聚合) # 1. 侧边栏筛选控件 st.sidebar.header(筛选条件) appliance_type st.sidebar.selectbox(选择家电品类, [冰箱, 洗衣机, 空调, 电视, 热水器]) price_range st.sidebar.slider(预算范围万元, 0.2, 3.0, (0.5, 1.5)) # 2. 加载对应品类的分析结果数据这里是示例实际数据从处理好的CSV读入 # 假设我们有一个函数 load_data(appliance) 来返回分析好的DataFrame df_summary, df_notes load_data(appliance_type) # 3. 主显示区 col1, col2 st.columns(2) with col1: st.subheader(f{appliance_type}品牌口碑榜) # 绘制品牌口碑气泡图X轴提及次数Y轴平均情感分大小平均点赞 fig1 px.scatter(df_summary, xmention_count, yavg_sentiment, sizeavg_likes, hover_namedf_summary.index, labels{mention_count:提及次数,avg_sentiment:好评指数}, title品牌声量与口碑分布) st.plotly_chart(fig1, use_container_widthTrue) with col2: st.subheader(高频关注点TOP 10) # 假设df_topics是话题词频DataFrame fig2 px.bar(df_topics.head(10), xtopic, ycount, title用户讨论热点) st.plotly_chart(fig2, use_container_widthTrue) # 4. 详情列表 st.subheader(精选参考笔记) # 根据筛选条件如情感分高、点赞多展示具体笔记 for idx, row in df_notes.sort_values(likes, ascendingFalse).head(5).iterrows(): with st.expander(f{row[title]} ( {row[likes]})): st.write(f**博主**{row[author]}) st.write(f**核心观点**{row[content][:200]}...) # 预览部分内容 st.write(f**情感评分**{row[sentiment]:.2f}) if st.button(f查看原文摘要, keyidx): # 这里可以集成进一步的分析如提取核心句子 st.write(row[content])运行streamlit run app.py一个本地网页应用就启动了。我可以和家人一起滑动滑块、选择品类直观地看到哪个品牌在预算范围内口碑最好大家最关心的问题是什么并直接阅读高价值的参考笔记。4. 过程中踩过的“坑”与关键经验这个项目听起来顺畅但实际执行中遇到了不少问题这里分享出来帮你避坑。4.1 数据源的“噪音”与“偏差”处理最初我直接采集了所有搜索结果发现数据质量很差。很多笔记是纯广告、引流贴或者内容非常空洞。这直接影响了分析的准确性。解决方案我增加了多道过滤门槛。互动量过滤只采集点赞和收藏超过一定阈值如50的笔记。这能筛掉大部分无效内容。文本长度过滤正文内容太短如少于100字的笔记信息量不足直接剔除。关键词二次过滤在清洗后用更精确的关键词如“测评”、“实测”、“使用一年后”、“吐槽”在笔记正文中匹配保留相关度更高的。人工抽样校验定期随机抽样几十条笔记人工判断分类是否准确据此调整过滤规则。4.2 WorkBuddy 工作流的稳定性维护自动化采集最怕网站改版。有一次运行WorkBuddy 报错“找不到元素”原因是小红书的笔记卡片 CSS 类名更新了。解决方案使用相对稳定的选择器优先选择>