前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >用数据说话为何《一出好戏》首日就能拿下1.5亿票房.

用数据说话为何《一出好戏》首日就能拿下1.5亿票房.

作者头像
龙哥
发布2018-10-22 14:02:50
4640
发布2018-10-22 14:02:50
举报
文章被收录于专栏:Python绿色通道Python绿色通道

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:

代码语言:javascript
复制
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。

代码语言:javascript
复制
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。

代码语言:javascript
复制
# 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

代码语言:javascript
复制
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

代码语言:javascript
复制
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的?。

不同性别评分的差异

代码语言:javascript
复制
# 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。

代码语言:javascript
复制
# 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))
代码语言:javascript
复制
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~~

代码语言:javascript
复制
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()
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-08-11,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 Python绿色通道 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 爬取数据
  • 性别分析
  • 评分分布
  • 不同性别评分的差异
  • 一线城市与二线城市的评分差异
  • 影评词云图
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档