黄渤《一出好戏》首日票房 1.5 亿，口碑碾压《爱情公寓》凭的是什么？
本人作为黄渤的粉丝，《一出好戏》当然是必看无疑呀。在今天正式观看之前，先来通过猫眼的影评来分析下网友对它的反馈。
爬取数据
这里通过去请求猫眼的 API 来抓取数据，借助的工具是 requests 。
这里简单说下猫眼影评的 API：
http://m.maoyan.com/mmdb/comments/movie/1203084.json?_v_=yes&offset=1其中，1203084 表示猫眼中该电影的id（可以从猫眼官网得到），offset表示偏移量，简单理解就是页数。
import requests
import pandas as pd
base_url = "http://m.maoyan.com/mmdb/comments/movie/1203084.json?_v_=yes&offset="
# 爬取每一页的评论
def crawl_one_page_data(url):
headers = {
"User-Agent":"Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36"
}
response = requests.get(url, headers=headers)
# 页面访问不成功
if response.status_code != 200:
return []
return response.json()
# 解析每一个获得的结果
def parse(data):
result = []
# 影评数据在 cmts 这个 key 中
comments = data.get("cmts")
if not comments:
return []
for cm in comments:
yield [cm.get("id"), # 影评id
cm.get("time"), # 影评时间
cm.get("score"), # 影评得分
cm.get("cityName"), # 影评城市
cm.get("nickName"), # 影评人
cm.get("gender"), # 影评人性别，1 表示男性，2表示女性
cm.get("content")] # 影评内容
# 爬取影评
def crawl_film_review(total_page_num=100):
data = []
for i in range(1, total_page_num + 1):
url = base_url + str(i)
crawl_data = crawl_one_page_data(url)
if crawl_data:
data.extend(parse(crawl_data))
return data
columns=["id", "time", "score", "city", "nickname", "gender", "content"]
df = pd.DataFrame(crawl_film_review(4000), columns=columns)
# 将性别映射后的数字转为汉字
df["gender"] = np.where(df.gender==1, "男性", "女性")
# 根据id去除重复影评
df = df.drop_duplicates(subset=["id"])
为了避免每次分析时重新抓取数据，这里将数据保存到本地。
# 保存抓取数据，方便后续使用。
df.to_csv("《一出好戏》影评_1000.csv", index=False)
df = pd.read_csv("《一出好戏》影评_1000.csv", encoding="gbk")
性别分析
from pyecharts import Pie
# 求出不同性别出现的次数
gender_count = df.gender.value_counts().to_dict()
pie = Pie("性别分析")
pie.add(name="", attr=gender_count.keys(), value=gender_count.values(), is_label_show=True)
pie
看下结果，参与评价的用户中，女性用户远高于男性用户，黄渤的个人魅力竟然迷倒了这么多妹子。
评分分布
from pyecharts import Bar
# 求出不同评分出现的次数
score_count = df.score.value_counts().sort_index()
score_list = score_count.index.tolist()
count_list = score_count.tolist()
bar = Bar("评分分布", width=450, height=450)
bar.add("", score_list, count_list)
bar
可以看到，五分好评还是相当多的。这意味着大众还是很喜欢黄渤的这个处女作。
不同性别评分的差异
# 求出不同性别评分的均值
sex_score_mean = df.groupby(["gender"])["score"].mean().to_dict()
bar = Bar("不同性别评分的差异", width=450, height=450)
bar.add("", list(sex_score_mean.keys()), list(sex_score_mean.values()), is_stack=True)
bar
可以看到，男性和女性的平均评分相差不多，女性能略高一丢丢。
一线城市与二线城市的评分差异
这里选择四个城市，其中一线城市和二线城市（太原、西安）各两个，来看下他们之间的评分区别。
# 求出不同城市评分的均值
city_list = ["北京", "上海", "西安", "太原"]
gender_city_score_mean = df[df.city.isin(city_list)].groupby(["gender", "city"], as_index=False)["score"].mean()
city_data, city_index = pd.factorize(gender_city_score_mean.city)
gender_data, gender_index = pd.factorize(gender_city_score_mean.gender)
data = list(zip(city_data, gender_data, gender_city_score_mean.score.values))
from pyecharts import Bar3D
bar3d = Bar3D("一线城市与二线城市的评分差异", width=650, height=450)
range_color = ['#313695', '#4575b4', '#74add1', '#abd9e9', '#e0f3f8', '#ffffbf',
'#fee090', '#fdae61', '#f46d43', '#d73027', '#a50026']
bar3d.add("", city_index, gender_index, data,
is_visualmap=True, visual_range=[0, 5],
visual_range_color=range_color, grid3d_width=150, grid3d_depth=80, is_grid3d_rotate=False)
bar3d
可以看到，一线城市（北京、上海）的平均评分略高于二线城市（太原、西安）的评分。
影评词云图
再来看看通过大家的评论能够得到怎么样的云图。这里选择的背景图是黄渤的一张帅照：
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
import jieba
import matplotlib.pyplot as plt
# 将分词后的结果以空格连接
words = " ".join(jieba.cut(df.content.str.cat(sep=" ")))
# 导入背景图
backgroud_image = plt.imread("黄渤.jpg")
# 设置停用词
stopwords = STOPWORDS
stopwords.add("电影")
wc = WordCloud(stopwords=stopwords,
font_path="C:/Windows/Fonts/simkai.ttf", # 解决显示口字型乱码问题
mask=backgroud_image, background_color="white", max_words=100)
my_wc = wc.generate_from_text(words)
ImageColorGenerator
image_colors = ImageColorGenerator(backgroud_image)
plt.imshow(my_wc )
# plt.imshow(my_wc.recolor(color_func=image_colors), )
plt.axis("off")
plt.show()
以上数据和代码下载地址如下：
-
https://pan.baidu.com/s/1FmVKboUk1oQBO2x3zb87Og ，密码：buah