大家好，我是java1234_小锋老师，最近写了一套【NLP舆情分析】基于python微博舆情分析可视化系统(flask+pandas+echarts)视频教程，持续更新中，计划月底更新完，感谢支持。今天讲解微博评论IP地图可视化分析实现
视频在线地址：
2026版【NLP舆情分析】基于python微博舆情分析可视化系统(flask+pandas+echarts+爬虫) 视频教程 （火爆连载更新中..）_哔哩哔哩_bilibili
课程简介：
本课程采用主流的Python技术栈实现，Mysql8数据库，Flask后端，Pandas数据分析，前端可视化图表采用echarts，以及requests库，snowNLP进行情感分析，词频统计，包括大量的数据统计及分析技巧。
实现了，用户登录，注册，爬取微博帖子和评论信息，进行了热词统计以及舆情分析，以及基于echarts实现了数据可视化，包括微博文章分析，微博IP分析，微博评论分析，微博舆情分析。最后也基于wordcloud库实现了词云图，包括微博内容词云图，微博评论词云图，微博评论用户词云图等功能。
微博评论IP地图可视化分析实现
同理，我们在ipDataAnalysis方法里实现下评论IP代码：
cityDic2 = {} # 微博评论作者IP
commentList = commentDao.getAllComment()
for comment in commentList:
if comment[3]:
for city in cityList:
if city['province'].find(comment[3]) != -1:
if cityDic2.get(city['province'], -1) == -1:
cityDic2[city['province']] = 1
else:
cityDic2[city['province']] += 1
commentCityDicList = [{
'name': x[0],
'value': x[1]
} for x in cityDic2.items()]
return render_template('ipDataAnalysis.html',
articleCityDicList=articleCityDicList,
commentCityDicList=commentCityDicList)前端再实现下评论IP图表代码：
<script>
function formatValue(value) {
if (value) {
return value
} else {
return 0
}
}
var chartDom = document.getElementById('plMain');
var myChart = echarts.init(chartDom);
var option;
option = {
title: {
text: '评论作者IP发布地址地图',
left: 'center',
textStyle: {
color: '#333',
fontWeight: "bold"
}
},
tooltip: {
trigger: 'item',
formatter: function (params) {
return params.name + '<br>评论发布个数：' + formatValue(params.value) + ' 个'
}
},
visualMap: {
min: 0,
max: 250,
text: ['高', '低'],
realtime: true,
calculable: true,
inRange: {
color: ['orange', 'red']
}
},
series: [
{
type: 'map',
map: 'china',
label: {
normal: {
show: true,
color: "white",
fontSize: "12"
},
},
emphasis: {
label: {
show: true
}
},
data:{{ commentCityDicList | tojson }},
itemStyle: {
normal: {
areaColor: "skyblue",
borderColor: "#fff"
},
emphasis: {
areaColor: "#2B91B7"
}
},
zoom: 1.4,
roam: true
}
]
};
option && myChart.setOption(option);
</script>