实验要求 1

实验指导文档：Python文件处理与数据分析实验

一、实验目的 - 掌握文本、CSV、JSON文件的读写与处理 - 理解数据清洗与基本分析流程 - 完成小型真实数据处理项目，包括简单情感分类与关键词关联分析

二、实验步骤 1. 读取 feedback.txt，添加编号并输出 feedback_indexed.txt 2. 将编号数据写入 CSV 文件 feedback.csv 3. 将 CSV 数据转换为 JSON 格式 feedback.json 4. 进行简单情感分类，输出 feedback_classified.json - （出现以下单词时为positive：good, great, useful, love, amazing, excellent, best, helpful） - （出现以下单词时为negative：bad, crash, crashes, slow, hate, worse, freezing, fail） 5. 绘制情感分类结果条形图 6. 统计每一类情感的前10个高频词，输出 sentiment_keywords.json

三、数据文件示例

1. feedback.txt 示例（原始） Great app, very useful! I love the design, very clean! Sometimes it crashes when I open it. ...

2. feedback_indexed.txt 示例（加编号） 1 Great app, very useful! 2 I love the design, very clean! 3 Sometimes it crashes when I open it. ... ...

3. feedback.csv 示例（两列） id,content 1,Great app, very useful! 2,I love the design, very clean! 3,Sometimes it crashes when I open it. ...,...

4. feedback.json 示例（列表字典结构） [ {"id": 1, "content": "Great app, very useful!"}, {"id": 2, "content": "I love the design, very clean!"}, ... ]

5. feedback_classified.json 示例（每一项加分类标签） [ {"id": 1, "content": "Great app, very useful!", "sentiment": "positive"}, {"id": 2, "content": "I love the design, very clean!", "sentiment": "positive"}, {"id": 3, "content": "Sometimes it crashes when I open it.", "sentiment": "negative"}, ... ]

6. sentiment_keywords.json 示例（字典嵌套字典结构） { "positive": { "app": 5, "useful": 3, ... }, "negative": { "crash": 4, "slow": 3, ... } }

四、注意事项 - 保持文件编码为 UTF-8 - 遇到异常（如文件找不到）时，及时检查路径和文件名（考虑添加异常捕获与处理逻辑） - 分步骤保存中间结果，便于调试（可用pdb工具调试） - 实验最终给出完整的6个文件（feedback.txt，feedback_indexed.txt，feedback.csv，feedback.json，feedback_classified.json，sentiment_keywords.json） - 实验报告参考报告模板撰写，并将word格式的报告发到老师邮箱：zongchang@zust.edu.cn（报告文件名格式：姓名_学号_报告1）