对不起！《唐人街探案3》和《你好，李焕英》相比，我更推荐《你好，李焕英》！
对不起！《唐人街探案3》和《你好，李焕英》相比，我更推荐《你好，李焕英》！
hi~大家好！
自春节以来，《唐人街探案3》和《你好，李焕英》两部电影的热搜就没有停过，“陈思诚成中国首位百亿票房导演”、“贾玲成中国影史票房最高女导演”、“沈腾成为中国影史票房第一的演员”打破了票房刷新多项纪录！
两部电影上映七天，票房也双双进入30亿，其它电影成为陪衬！
两部电影虽然热评不断，但对《唐人街探案3》的评价却是极低，而《你好，李焕英》却好评不断！《唐人街探案3》在豆瓣的评分为5.7，超低的评分却有超高的票房，这不得不说让观众很失望！反之《你好，李焕英》以极低的成本获取了超高的评分和票房！
一、数据可视化
接下来让我们看下观众眼里的两部电影！
本次爬虫较为简单，就不再讲解。本文爬取了豆瓣电影中的短评，因为豆瓣有限制，爬取的是较为火热的短评，数据量较少，所以本文的意见仅供参考，纯属娱乐，切勿上纲上线！
导入需要用到的模块：
import pandas as pd
import pyecharts.options as opts
from pyecharts.charts import *
from pyecharts.globals import ThemeType
import stylecloud
from IPython.display import Image
导入数据，两个文件的格式一致，一共500条数据：
df1 = pd.read_csv('D:\数据小刀\爬虫④\豆瓣_影评\唐人街探案3.csv')
df2 = pd.read_csv('D:\数据小刀\爬虫④\豆瓣_影评\你好，李焕英.csv')
删除重复项：
df1 = df1.drop_duplicates()
df2 = df2.drop_duplicates()
查看数据信息：
df1.info()
df2.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 498 entries, 0 to 499
Data columns (total 5 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 用户名 498 non-null object
1 有用 498 non-null int64
2 评分 498 non-null object
3 日期 498 non-null object
4 评论 498 non-null object
dtypes: int64(1), object(4)
memory usage: 23.3+ KB
<class 'pandas.core.frame.DataFrame'>
Int64Index: 494 entries, 0 to 499
Data columns (total 5 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 用户名 494 non-null object
1 有用 494 non-null int64
2 评分 493 non-null object
3 日期 488 non-null object
4 评论 494 non-null object
dtypes: int64(1), object(4)
memory usage: 23.2+ KB
发现df2有缺失值，这里为了方便，直接删除掉：
df2.dropna(axis=0, how='any', inplace=True)
df2.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 487 entries, 0 to 499
Data columns (total 5 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 用户名 487 non-null object
1 有用 487 non-null int64
2 评分 487 non-null object
3 日期 487 non-null object
4 评论 487 non-null object
dtypes: int64(1), object(4)
memory usage: 22.8+ KB二、《唐人街探案3》
1、最赞短评
点赞最多的TOP10短评：
df1["有用"] = df1["有用"].astype('float') # 转换类型
df1.sort_values('有用',inplace=True,ascending=False)
df6 = df1.reset_index(drop=True)
df6[:10]
从这十条短评中可以看到：点赞最高的是“电影里插入广告”，评论最多的“剧情拼凑、分裂”，接着是吐槽“主演王宝强装疯卖傻”和讨论情节“打护士、36D、聒噪、无聊”。十条短评中评分为‘推荐’（四星）的只有一个。
2、评分占比
各个评分占比中，过一半占比为很差和较差，共占比69.88%：
df3 = df1["评分"].astype("str").value_counts()
df3 = df3.sort_values(ascending=False)
data_region = df3.index.to_list()
data_value = df3.to_list()
pie = (
Pie(init_opts=opts.InitOpts(theme=ThemeType.DARK))
.add("", list(zip(data_region,data_value)))
.set_global_opts(legend_opts = opts.LegendOpts(is_show = False),
title_opts=opts.TitleOpts(title="唐人街探索3",subtitle="数据来源：豆瓣\n公 众 号 ：Python与Excel之交"))
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}占比:{d}%",font_size=15))
)
pie.render_notebook()3、评论时间
评论时间只要集中在春节，到达高峰，然后一路跌：
df7 = df1["日期"].value_counts()
line = (
Line(init_opts=opts.InitOpts(theme=ThemeType.DARK))
.add_xaxis(df7.index.to_list())
.add_yaxis("",df7.to_list())
.set_global_opts(title_opts=opts.TitleOpts(title="唐人街探索3",subtitle="Python与Excel之交"),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=13)),
yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=13)),
)
.set_series_opts(label_opts=opts.LabelOpts(font_size=15,position='top'))
)
line.render_notebook()4、词云
词云中提及最多的是歌曲“heal the world”，电影情节‘36D’；接着是“长泽雅美”这些日本演员；剩下的基本都是“逻辑混乱”、“太难看”、“乱七八糟”等词了。
stylecloud.gen_stylecloud(text=' '.join(df1['评论']),
max_words=200,
custom_stopwords=['唐探3','唐探','唐人街探案3'], # 停词
collocations=False,
font_path='simhei.ttf',
icon_name='fas fa-heart',
size=653,
output_name='./1.jpg')
Image(filename='./1.jpg')
三、《你好，李焕英》
1、最赞短评
点赞最多的TOP10短评：
十条短评中，点赞最多的是“你以为你已经很爱很爱妈妈了，但妈妈远比你想象中更爱更爱更爱你。”；除了“吐槽沈腾”这条评分只是“还行”，其它的为“力荐”和“推荐”。
2、评分占比
各个评分占比中，“力荐”和“推荐”共占比64.68%，与《唐人街探案3》的评分正好相反：
3、评论时间
评论时间也是在春节到达高峰，但相比《唐人街探案3》，下降的比较平和：
4、词云
从词云中可以看出，泪点很多，其中“我宝”出现的最多，沈腾主演的“夏洛特烦恼”也被提及很多，接着是对情节的评论：”有笑有泪“、”喜剧“和”子欲养而亲不待“，“我的女儿”。
从两部电影的对比可以看出，哪部电影更好，观众更喜欢那部，明显可见！
本文分享自 Python与Excel之交 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！
腾讯云开发者
