Python数据可视化:啥是佩奇

/ 01 / 网页分析

B站的弹幕数据有现成的接口,只需找到对应视频的cid值即可。

从上图可以知道,弹幕一共2719条,视频的cid值为72036817。

接下来访问接口,获取数据。

网址:http://comment.bilibili.com/72036817.xml

接口获取的弹幕数据最多只有1000条。

但是总数却是是2719条,那么再找找看。

登陆B站后,点击查看历史弹幕按钮。

发现了每日视频的弹幕接口(只需将请求头加上cookies,即可访问)。

发现还是限制1000条,这里也是不解。

难不成每个视频播放时就只会放出来1000条弹幕?

不过相比第一个接口,应该能多出不少弹幕。

/ 02 / 数据获取

鉴于只是练手而已,就偷个懒。

直接从不需要cookies的接口获取1000条弹幕。

获取数据代码如下。

from bs4 import BeautifulSoup
import pandas as pd
import requests

url = 'http://comment.bilibili.com/72036817.xml'
html = requests.get(url).content
html_data = str(html, 'utf-8')
soup = BeautifulSoup(html_data, 'lxml')
results = soup.find_all('d')

comments = [comment.text for comment in results]
comments_dict = {'comments': comments}

df = pd.DataFrame(comments_dict)
df.to_csv('bilibili.csv', encoding='utf-8')

最后成功获取1000条弹幕数据。

第958条,和我外公外婆一样,来到家之后一包一包的都是他们从家里带来的菜和水果

不知道,你有没有相同的感受呢?

相信大多数人都会说,有!!!

一种莫名的感动在心中。

/ 03 / 数据可视化

利用jieba分词,对弹幕数据生成词云。

from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
import pandas as pd
import jieba

df = pd.read_csv('bilibili.csv', header=None)

text = ''
for line in df[1]:
    text += ' '.join(jieba.cut(line, cut_all=False))
backgroud_Image = plt.imread('peiqi.jpg')

wc = WordCloud(
    background_color='white',
    mask=backgroud_Image,
    font_path='C:\Windows\Fonts\simhei.ttf',
    max_words=2000,
    max_font_size=80,
    random_state=30,
)
wc.generate_from_text(text)
# 看看词频高的有哪些,把无用信息去除
process_word = WordCloud.process_text(wc, text)
sort = sorted(process_word.items(), key=lambda e:e[1], reverse=True)
print(sort[:50])
img_colors = ImageColorGenerator(backgroud_Image)
wc.recolor(color_func=img_colors)
plt.imshow(wc)
plt.axis('off')
wc.to_file("佩奇.jpg")
print('生成词云成功!')

原图如下,来自一位PPT大神的鼠绘佩奇。

如有需要下图的,公众号回复「佩奇」即可。

最后生成词云图。

啥是佩奇,我肯定是知道的...

估计逛B站的大佬们也都知道,所以猪这个词,出现的并不多。

看看弹幕数据还能发现一些其他什么东西。

这里发现河北、保定、张家口、怀来县这几个地名冒出。

说明短片可能是在河北省拍的。

还有爷爷是短片的主角,短片中的手套和手机也成功吸引了大家的关注。

朋克和硬核又是什么鬼,不解...

/ 04 / 总结

下面这段内容,摘自知乎。

说到底这个宣传片之所以能火起来,靠的还是咱中国人的情。

是农村生活,过年生活的真实写照。

反映了现代社会农村的真实情况,包括4G网以及智能手机还未普及,农村空巢老人的生活状态。

或许,这就是大家有共鸣的点。

本文分享自微信公众号 - 数据森麟(shujusenlin)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-02-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券