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=22.13/5.258.62≈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“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。
没看过电影的朋友可以点击下面猫眼电影官网预定:
Python中文社区作为一个去中心化的全球技术社区,以成为全球20万Python中文开发者的精神部落为愿景,目前覆盖各大主流媒体和协作平台,与阿里、腾讯、百度、微软、亚马逊、开源中国、CSDN等业界知名公司和技术社区建立了广泛的联系,拥有来自十多个国家和地区数万名登记会员,会员来自以公安部、工信部、清华大学、北京大学、北京邮电大学、中国人民银行、中科院、中金、华为、BAT、谷歌、微软等为代表的政府机关、科研单位、金融机构以及海内外知名公司,全平台近20万开发者关注。
▼ 点击下方阅读原文,免费成为社区会员
3天9亿!我爬取上万条评论解读《西虹市首富》并预测票房相关推荐
- 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 ...
- 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) ...
- 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爬取上万条大众点评数据,解读一线快餐品牌背后的秘密
中国的快餐市场竞争一直都很激烈,关于各种品牌江湖上也流传着各种神奇的故事,那么你知道 一线城市最多的快餐品牌是哪家? 沙县小吃真的是中国餐饮巨头吗? 每一家肯德基边上都有一家麦当劳是不是真的? 星巴克 ...
- 爬取 48048 条评论,解读 9.3 分的「毒液」是否值得一看?
本文转载自:https://mp.weixin.qq.com/s?__biz=MzA4MjEyNTA5Mw==&mid=2652568697&idx=1&sn=e2e52e39 ...
- python 爬虫实例-python爬虫实例,一小时上手爬取淘宝评论(附代码)
前言 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. 1 明确目的 通过访问天猫的网站,先搜索对应的商品,然后爬取它的评论数据. ...
最新文章
- 给Python加Markdown式排版,在线运行可做Jupyter替身丨谷歌大脑出品
- 为什么尽量使用常量引用
- 判断二叉树是否是完全二叉树c语言_完全二叉树的节点数,你真的会算吗?
- graphpad数据小数点_GraphPad Prism 统计指南 | 关于异常值(Outlier),你真的了解吗?...
- Cisco正式停止MARS产品的销售
- Android 系统(212)---monkey实战–测试步骤、常用参数、常规monkey命令
- 安卓bin固件文件编辑器_摄像头恶意固件制作指南
- 电力拖动计算机系统考试,电力拖动自动控制系统__考试复习题.doc
- 迅捷PDF转换器怎样将PDF文件转换为HTML网页
- 墨者靶场-SQL手工注入漏洞测试(MySQL数据库-字符型)
- 创新趋势 | SaaS增长新趋势:产品驱动增长PLG(上)
- 【无标题】抖音 s_v_web_id
- [CTF密码学]RSA相关题目解题方法与python脚本总结(附例题)
- 如何提拔骨干及挑选接班人
- HTML+CSS+JS大作业——汽车租赁(47页) 加特效 web期末作业设计网页_汽车大学生网页设计作业成品
- 银行信用评分卡建模原理
- 驭势科技携手奇辉机器人,联合发布面向多行业的智慧物流整体解决方案
- C语言小游戏“剪刀石头布”
- Windows Terminal 安装
- 远程网络教学系统功能!