认识数据-515K 欧洲酒店评论 - 知乎

　　-数据来源：下载自kaggle，数据为Booking.com的515k+欧洲酒店评论数据，包含欧洲1493家高档酒店。Booking.com是面向全球用户的在线酒店预订网站。该数据是很好的数据分析练习资源。

　　-数据集大小：515k+条评论记录，总计227MB

　　-数据集字段：Hotel_Address（酒店地址）、Review_Date（评论时间）、Average_Score（过去一年平均评分）、Hotel_Name（酒店名称）、Reviewer_Nationality（评论者所属国家）、Negative_Review（消极评论，不相关则标记 'No Negative'）、Review_Total_Negative_Word_Counts（评论长度）、Positive_Review（积极评论，不相关则标记 'No Positive'）、Review_Total_Positive_Word_Counts（积极评论总数）、Reviewer_Score（评论者评分）、Total_Number_of_Reviews_Reviewer_Has_Given（评论者过去评论总数）、Total_Number_of_Reviews（有效评论总数）、Tags（标签）、days_since_review（评论日期和数据抓取时间间隔）、Additional_Number_of_Scoring（无评论评分总数、lat（酒店维度）、lng（酒店经度）

　　-数据展示：

　　-通过计算1493家酒店的消极评论总数比例和积极评论总数比例，对酒店进行排序，得到积极评论、消极评论占比最高的10家酒店；

　　-统计各个评分范围内的评论数量，查看评论分布情况，得到评论数最多和最少的评分范围，并计算评论数平均值，分别统计高于平均值和低于平均值的评分范围；同时，也可以使用箱线图来得到各个评分范围大部分评论的长度，并进行比较。

　　-对消极评论作上述统计分析；

　　-对积极评论作上述统计分析；

　　-针对不同国家，统计对应酒店数量以及所有酒店的平均评分和标准差，比较各国酒店评分的分布状况；

　　-没有评论内容的评分分布状况。

　　-针对不同国家的酒店，评分是否存在地区差异；

　　-过去的酒店评分是否会对评论者评分产生影响；

　　-对消极评论和积极评论进行分词后，进行单词频度分析，得到用户最常关注的酒店问题（共现分析或主题分析？），从而可以对各个酒店添加标签；

　　-没有评论的评分和有评论内容的评分相比有什么差异。