3天破9亿!上万条评论解读《西虹市首富》是否值得一看
作者介绍:徐麟,目前就职于上海唯品会产品技术中心,哥大统计数据狗,从事数据挖掘&分析工作,喜欢用R&Python玩一些不一样的数据
个人公众号:数据森麟(ID:shujusenlin),知乎同名专栏作者。
前言:
纵观近几年的国产电影市场,“开心麻花“似乎已经成为了票房的保证。从《夏洛特烦恼》、《羞羞的铁拳》到最新上映的《西虹市首富》都引爆了票房。本期我们会根据从猫眼电影网爬取到的上万条评论为你解读《西虹市首富》是否值得一看。
数据爬取:
此次数据爬取我们参考了之前其他文章中对于猫眼数据的爬取方法,调用其接口,每次取出部分数据并进行去重,最终得到上万条评论,代码如下:
tomato = pd.DataFrame(columns=['date','score','city','comment','nick'])
for i in range(0, 1000): j = random.randint(1,1000) print(str(i)+' '+str(j)) try: time.sleep(2) url= 'http://m.maoyan.com/mmdb/comments/movie/1212592.json?_v_=yes&offset=' + str(j) html = requests.get(url=url).content data = json.loads(html.decode('utf-8'))['cmts'] for item in data: tomato = tomato.append({'date':item['time'].split(' ')[0],'city':item['cityName'], 'score':item['score'],'comment':item['content'], 'nick':item['nick']},ignore_index=True) tomato.to_csv('西虹市首富4.csv',index=False) except: continue
数据分析:
我们看一下所得到的数据:
数据中我们可以得到用户的昵称,方便后面进行去重。后面的部分主要围绕评分、城市、评论展开。
首先看一下,评论分布热力图:
京津翼、江浙沪、珠三角等在各种榜单长期霸榜单的区域,在热力图中,依然占据着重要地位。同时,我们看到东三省和四川、重庆所在区域也有着十分高的热度,这也与沈腾自身东北人&四川女婿的身份不谋而合(以上纯属巧合,切勿较真)。
下面我们要看的是主要城市的评论数量与打分情况:
打出最高分4.77分的正是沈腾家乡的省会城市哈尔滨(沈腾出生于黑龙江齐齐哈尔),看来沈腾在黑龙江还是被广大父老乡亲所认可的。最低分和次低分来自于合肥和郑州,今后的开心麻花可以考虑引入加强在中部地区的宣传。
我们按照打分从高到底对城市进行排序:
在评论数量最多的二十个城市中,评分前七名的城市中东北独占四席,而分数相对较低的城市中武汉、合肥、郑州都属于中部地区,可见不同地区的观众对影评的认可程度有着一定差异。
我们把城市打分情况投射到地图中:(红色表示打分较高,蓝色表示较低)
进一步,我们把城市划分为评分较高和较低两部分
较高区域:
较低区域:
可以看到对于“西红柿”,南北方观众的评价存在一定差异,这与每年春晚各个地区收视率似乎有一些吻合知乎。沈腾本身也是春晚的常客,电影中自然会带一些“春晚小品味”,这似乎可以一定程度上解释我们得到的结果。
看过了评分,我们看一下评论生成的词云图,以下分别是原图和据此绘制的词云图:
不知道大家的想法如何,至少在我看到了这样的词云,搞笑、笑点、值得、开心、不错,甚至是哈哈都会激起我强烈的看片欲望。同时,沈腾也被大家反复提起多次,可以预见其在片中有着非常不错的表演,也会一定程度上激发大家看片的欲望。
部分代码展示:
热力图:
tomato_com = pd.read_excel('西虹市首富.xlsx')
grouped=tomato_com.groupby(['city'])
grouped_pct=grouped['score'] #tip_pct列
city_com = grouped_pct.agg(['mean','count'])
city_com.reset_index(inplace=True)
city_com['mean'] = round(city_com['mean'],2) data=[(city_com['city'][i],city_com['count'][i]) for i in range(0, city_com.shape[0])]
geo = Geo('《西虹市首富》全国热力图', title_color="#fff", title_pos="center", width=1200, height=600, background_color='#404a59')
attr, value = geo.cast(data)
geo.add("", attr, value, type="heatmap", visual_range=[0, 200],visual_text_color="#fff", symbol_size=10, is_visualmap=True,is_roam=False)
geo.render('西虹市首富全国热力图.html')
折线图+柱形图组合:
city_main = city_com.sort_values('count',ascending=False)[0:20]
attr = city_main['city']
v1=city_main['count']
v2=city_main['mean']
line = Line("主要城市评分")
line.add("城市", attr, v2, is_stack=True,xaxis_rotate=30,yaxis_min=4.2, mark_point=['min','max'],xaxis_interval =0,line_color='lightblue', line_width=4,mark_point_textcolor='black',mark_point_color='lightblue', is_splitline_show=False) bar = Bar("主要城市评论数")
bar.add("城市", attr, v1, is_stack=True,xaxis_rotate=30,yaxis_min=4.2, xaxis_interval =0,is_splitline_show=False) overlap = Overlap()
# 默认不新增 x y 轴,并且 x y 轴的索引都为 0
overlap.add(bar)
overlap.add(line, yaxis_index=1, is_add_yaxis=True)
overlap.render('主要城市评论数_平均分.html')
词云:
tomato_str = ' '.join(tomato_com['comment'])
words_list = []
word_generator = jieba.cut_for_search(tomato_str)
for word in word_generator: words_list.append(word)
words_list = [k for k in words_list if len(k)>1] back_color = imread('西红柿.jpg') # 解析该图片 wc = WordCloud(background_color='white', # 背景颜色 max_words=200, # 最大词数 mask=back_color, # 以该参数值作图绘制词云,这个参数不为空时,width和height会被忽略 max_font_size=300, # 显示字体的最大值 stopwords=STOPWORDS.add('苟利国'), # 使用内置的屏蔽词,再添加'苟利国' font_path="C:/Windows/Fonts/STFANGSO.ttf", random_state=42, # 为每个词返回一个PIL颜色 # width=1000, # 图片的宽 # height=860 #图片的长 ) tomato_count = Counter(words_list)
wc.generate_from_frequencies(tomato_count)
# 基于彩色图像生成相应彩色
image_colors = ImageColorGenerator(back_color) # 绘制词云
plt.figure()
plt.imshow(wc.recolor(color_func=image_colors))
plt.axis('off')
票房预估:
最后我们来大胆预估下《西虹市首富》的票房,我们日常在工作中会选取标杆来对一些即将发生的事情进行预估。这次我们选择的标杆就是《羞羞的铁拳》:
基于以下几点我们选择《羞羞的铁拳》作为标杆:
均是开心麻花出品、题材相似
演员阵容重合度高
豆瓣粉丝认可程度相似(评分均为6.9,处于喜剧片中位数水平)
猫眼粉丝认可程度相似(铁拳评分9.1,西红柿评分9.3)
我们看一下两部影片前三天的走势:
前三天两部片子的票房走势十分相似,基于之前我们的平均,我们可以尝试性(比随机准一点)预测一下“西红柿”最终的票房。“西红柿”票房预测值≈“铁拳”总票房/“铁拳”前三天票房*“西红柿”前三天票房=22.13/5.25*8.62≈36,考虑到铁拳上映是在国庆假期,西红柿的票房预估需要相应的下调。
综上所述,我们给出30亿票房的预估。大家来和我们一起见证本公众号“章鱼保罗”般神奇的预测的or“球王贝利”般被啪啪打脸的预测。
欢迎各位在留言区留言你是否认同本公众号此次严谨(suixing)的预测
需要数据集的朋友,请关注“数据森麟”公众号,并在后台回复“西红柿”,期待大家更多的发现!
如果大家周围有对数据分析&数据挖掘感兴趣的朋友,欢迎在朋友圈分享&转发我们的公众号,让更多的朋友加入数据森麟。有好的文章也可以联系我与大家分享,需要获取代码转载本公众号文章,可以直接在公众号或者文章下方留言。
往期文章:
3天破9亿!上万条评论解读《西虹市首富》是否值得一看相关推荐
- 3天9亿!我爬取上万条评论解读《西虹市首富》并预测票房
♚ 作者:徐麟,目前就职于上海唯品会产品技术中心,哥大统计数据狗,从事数据挖掘&分析工作,喜欢用R&Python玩一些不一样的数据. 前言: 纵观近几年的国产电影市场,"开心 ...
- Python大佬爬取了10亿票房的《西虹市首富》热评,一起来解读吧!
回复"书籍"即可获赠Python从入门到进阶共10本电子书 公众号: python教程入门学习 前言 纵观近几年的国产电影市场,"开心麻花"似乎已经成为了票房的 ...
- 往期精彩,爬取10亿票房的《西虹市首富》热评,一起来解读吧!
本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理 本文章来自腾讯云 作者:Python进阶者 想要学习Python?有问题得不到第一 ...
- 5天赚十亿!纯C/C++打造“西虹市首富”
电影<西虹市首富>票房一路高歌顺利突破20亿,并且引发大家热议: 究竟如何一个月花光十个亿呢? 有人就说了,小编你挣着卖白菜的钱就不要操着卖白粉的心了好吗?银行存款有多少心里没点数吗? 那 ...
- 5天赚十亿!纯C/C++语言打造“西虹市首富”
电影<西虹市首富>票房一路高歌顺利突破20亿,并且引发大家热议: 究竟如何一个月花光十个亿呢? 有人就说了,小编你挣着卖白菜的钱就不要操着卖白粉的心了好吗?银行存款有多少心里没点数吗? 那 ...
- 西虹市首富:在币圈赔光10亿的一万种办法
昨天我去看了<西虹市首富>. 作为一部喜剧片嘛,算是合格了.满分10分,我给他打6分. 其中给女主3分,真的美.王力宏3分. 正片0分. 为什么给0分. 我说了,作为喜剧片,他合格了.整场 ...
- Python 爬取了猫眼 47858 万条评论,告诉你《飞驰人生》值不值得看?!
坦白说,看前几部电影的时候,我一直在想"到底放不放阿信的歌啊?什么时候放啊?",那看<飞驰人生>的时候,直到影片结束片尾曲<一半人生>响起的时候,我才记起来 ...
- Python爬取了猫眼47858万条评论,告诉你《飞驰人生》值不值得看?!
来源 | Yura不说数据说 坦白说,看前几部电影的时候,我一直在想"到底放不放阿信的歌啊?什么时候放啊?",那看<飞驰人生>的时候,直到影片结束片尾曲<一半人生 ...
- 《一出好戏》讲述人性,使用Python抓取猫眼近10万条评论并分析,一起揭秘“这出好戏”到底如何?
视频课程链接:https://edu.csdn.net/course/detail/9348 黄渤首次导演的电影<一出好戏>自8月10日在全国上映,至今已有10天,其主演阵容强大,相信许多 ...
最新文章
- 案例式c语言程序设计陈明,C语言程序设计教程 清华大学出版社 陈明主编 第1章答案...
- 模糊搜索神器FZF番外篇
- MySQL SQL优化之覆盖索引
- 【kafka】kafka rebalance generation
- 研究人员:Intel 的 VISA 漏洞可访问计算机中所有数据
- 如何使用svn客户端
- 管理感悟:需要什么样的注释
- 交换机端口镜像配置大全【汇集22个各种品牌交换机】
- mysql里一个中文多少个字节_mysql里中文占多少个字节?
- freeswitch 模块
- Apollo星火计划学习笔记——第六讲上自动驾驶感知基础(I)
- 递推算法与递推套路(手撕算法篇)
- 110种有趣的游戏和应用
- HDU2550 百步穿杨【打印图案】
- CSS中Float概念相关文章采撷
- HashMap中的遍历有序性探究
- TS声明文件重点理解和使用技巧总结
- ubuntu14.04使用ATI显卡,安装opencl并使用cgminer的方法(原创)
- 16N65-ASEMI高压MOS管16N65
- Matlab拟合椭圆
热门文章
- keepalive的原理
- 标准信号转高电压高电流输出放大转换器0-5v/0-24v转4-20mA/0-500mA
- 盘点5个C#开发的、可用于个人博客的系统
- tensorflow练习8:实现Google的Deep Dream
- 123457123456#2#----com.ppGame.ShiZi43--前拼后广--shizi游戏_pp
- c语言如何输出0,怎么用c语言打印逆置整数,零不输出?
- 神武2服务器多少级出拍卖系统,神武2拍卖系统怎么样 拍卖系统玩法技巧
- Vulkan-官方示例解读-Shadows(光栅化)
- 怎么恢复手机误删文件
- 川大计算机在职博士,川大在职博士可以申请宿舍吗