9 万条弹幕告诉你，《乘风破浪的姐姐》里谁才是真正的C位？
作者 | Mika
出品 | CDA数据分析师（ID：cdacdacda）
今天我们来聊聊最近火到不行的综艺——《乘风破浪的姐姐》，Python分析弹幕部分请看第四部分。点击下方视频，先睹为快：
如果说最近最热门的综艺，那《乘风破浪的姐姐》（下文简称《姐姐》）可谓实至名归。30位出道多年的姐姐辈女艺人，一个个风格各异、个性鲜明。她们将通过合宿生活与舞台竞演，最终选出5位组成逆龄女团。
《乘风破浪的姐姐》就这样突然定档、突然播出、播出前无宣发的情况下爆了，一经播出就抢占各大热搜榜。
今天，我们带大家就用数据来盘一盘这些姐姐们：
主要从以下几点展开：
乘风破浪的姐姐？NO！是兴风作浪的姑奶奶
出道时长十年起，这些姐姐们都有谁？
豆瓣8.3分，姐姐们的实力妥妥的
Python分析9万条弹幕，谁才是真正的C位？
乘风破浪的姐姐？
NO！是兴风作浪的姑奶奶
既然是选最特别的女团，哪些人参加自然是关注的焦点。宁静、伊能静、钟丽缇、张雨绮、万茜、黄圣依…光是听到这些选手的名字就让人太期待了！
姐姐们很“任性”
不同于一般的女团选秀，漂亮妹妹们都得听从节目组的安排，而这次的姐姐们普遍很“不服管教”，毕竟都是在自己领域出道多年的资深前辈，她们非常有底气，知道自己想要什么。
节目组让做自我介绍，宁静霸气的回复：“还要介绍我是谁？那我这几十年不是白干了？”
节目组导演让伊能静挡一下膝盖，伊能静说：“这是裤子，我挡不了。你配合我一下，别让我配合你们”。
问万茜为何来参加节目，万茜回答：“经纪人逼我来的”。这也太真性情了吧，简直不是乘风破浪的姐姐，而是兴风作浪的姑奶奶们呀。
端水大师——黄晓明
这些姐姐们，也让在中餐厅里“我不要你觉得 我要我觉得”的霸道总裁黄教主秒变暖心的小明同学——“我不要你觉得，我要您觉得”人送称号端水大师，满满的求生欲。
凭实力挨骂——杜华
在点评环节中，作为评审之一杜华也是各种凭实力挨骂。依然以评选20多岁女团的刻板标准评价姐姐们，让不少观众都看得满头问号，越看越气。
出道时长十年起，唱跳演样样精通
姐姐们到底有多强？
下面让我们看到数据部分。我们搜集了百度百科和维基百科的选手数据。
姐姐们年龄分布
先看到年龄分布，可以看到29-33这个年龄段的姐姐最多共有11位，占比36.67%。其次是34-37岁，共10位，占比33.33%。
姐姐们都来自哪儿？
然后是地区分布，姐姐们都来自哪里呢？其中来自湖南和上海的最多，各有五位。阿朵、万茜、刘芸、沈梦辰、孟佳都是我们湖南湘妹子。然后四川、辽宁、山东的各两位。
姐姐们都是哪些职业
在职业方面呢，我们可以看到，她们大多数演员和歌手出身，艺人中身兼数职的情况比较普遍，30人中至少有17人身兼多职，其中13人既是演员、也是歌手。
初舞台得分的关键因素
《乘风破浪的姐姐》初评分数由个人特质、成团潜力、声乐表现力和舞台表现构成，每项25分，总分100分。
我们通过Python计算数值型变量之间的pearson相关系数。对于系数r的取值，根据经验可将相关程度分为以下几种情况，|r|>=0.8时，可视为高相关，0.5<=|r|<0.8，可视为中度相关，0.3<=|r|<0.5时，可视为低度相关，|r|<0.3，可视为不相关。根据相关系数数值，在95%的置信程度水平情况下：
控制其他影响因素的情况下，个人特质打分对初舞台分数的影响最大。
初评舞台分数和年龄、出道年数没有显著相关关系。
年龄和个人特质、成团潜力的分数间存在低度负相关关系，年龄越大，个人特质和成团潜力的得分也就越低；
个人特质和成团潜力的打分之间存在高度正相关，即两者得分存在高则同高，低则同低的情况。
豆瓣8.3分，姐姐们的实力妥妥的
目前这部综艺在豆瓣的评分为8.3分，很不错的成绩，已有7万2千余人进行评价。
豆瓣总体评分分布
看到具体评分分布，给出四星的最多，为38.2%；其次是5星 占比25%。看来观众普遍还是十分认可姐姐们的表现的。
短评词云图
可以看到词云主要围绕的是"姐姐"、"节目"、"女团"展开。其中在需选手中宁静、万茜被提到的频率最高。
当然也有不少吐槽的点，大家的吐槽主要集中在：
评委杜华：不公平；30+的女性岁月积淀了魅力，评审却按照20岁女团的标准来；给丁当打分真是要气炸。
黄晓明：从霸道总裁秒怂变小明，让人感觉尴尬不已
节目组：场景布置令人寒酸，摄影差，灯光差，布景差。
也有吐槽选手的
黄圣依：等黄圣依淘汰了我再改成五星，谢谢。
Python分析9万条弹幕
谁才是真正的C位一姐？
我们统计了芒果tv第一期的弹幕数据，共94575条。
下面展示芒果Tv弹幕爬虫部分代码，分析部分代码暂略。数据获取的具体思路如下：
分析网页，弹幕数据是动态加载的，因此通过Chrome浏览器进行抓包分析并获取真实的URL请求地址；
使用selenium请求网页数据；
使用正则表达式re将文本中的HTML提取出来，使用json进行解析；
使用pandas进行数据的保存。
一、弹幕在哪里找？
打开《乘风破浪的姐姐》选取一集，观看我们要抓取的弹幕，可以看出弹幕是在视频播放之后才滚动加载的，所以我们可以判断视频是通过JS异步加载的。
按照经验，我们切换到network-XHR下面查看，如下图所示，很容易发现了弹幕请求的地址：
https://bullet-ws.hitv.com/bullet/2020/06/21/104556/8337559/0.json
其中：2020/06/21代表日期，104556和8337559参数每集不一样，通过抓包获取即可。
二、获取并解析数据
具体代码如下：
# 导入包
import pandas as pd
import time
import re
import json
from selenium import webdriver# 打开Chrome（需配置webdriver）
browser = webdriver.Chrome()def get_mgtv_danmu(month_num, day_num, num1, num2):step = 1df_all = pd.DataFrame()while True:try:# 第一集URLdanmu_url = 'https://bullet-ws.hitv.com/bullet/2020/{}/{}/{}/{}/{}.json'.format(month_num, day_num, num1, num2, step)# 打印进度print('正在获取第{}页的信息'.format(step))step += 1# 获取弹幕browser.get(danmu_url)# 休眠3秒time.sleep(3)# 提取数据pattern1 = re.compile(r'<html><head></head><body><pre style="word-wrap: break-word; white-space: pre-wrap;">')pattern2 = re.compile(r'</pre></body></html>')data1 = re.sub(pattern1, '', browser.page_source)data2 = re.sub(pattern2, '', data1)# 解析数据js_data = json.loads(data2)# 获取数据all_data = js_data['data']['items']# iddanmu_id = [i.get('id') for i in all_data]# unameuname = [i.get('uname') for i in all_data]# 内容content = [i.get('content') for i in all_data]# 时间danmu_time = [i.get('time') for i in all_data]# 点赞up_count = [i.get('v2_up_count') for i in all_data]# 分钟danmu_minites = step-1# 保存数据df_one = pd.DataFrame({'danmu_id': danmu_id,'uname': uname,'content': content,'danmu_time': danmu_time,'up_count': up_count,'danmu_minites': danmu_minites})# 循环追加df_all = df_all.append(df_one, ignore_index=True)except Exception as e:print(e)print('没有此页面, 爬虫结束')breakreturn df_allif __name__ == '__main__':# df_1 = get_mgtv_danmu(month_num='06', day_num='21', num1=104556, num2=8337559)
获取的数据以数据表的形式存储，如下所示：
df.head()
结论部分
选手弹幕热度排名
在排名数据上，占据前四位的分别是宁静、万茜、吴昕和张雨绮。
下面，分别看到她们的个人弹幕词云图。
宁静-弹幕词云
喜欢宁静的，都喜欢她那种强大的大姐大气场，感觉静姐这哪里是来出道当女团的，明明是来选妃的。
万茜-弹幕词云
再看到万茜，淡雅的性格配上努力勤奋换来的过硬实力，在节目里，万茜也堪称人气王，除了观众爱她，姐姐们也都爱她。关于她的弹幕都是各种"喜欢"、"可爱"、"性格圈粉"等等。
吴昕-弹幕词云
吴昕这次在节目中给了人眼前一亮的感觉，不再是快乐家族中没啥台词的小透明，从用心准备的节目，到谈吐性格都让人感觉十分舒服，非常圈粉。
张雨绮-弹幕词云
最后再看到张雨绮，她真的是反差萌担当了，以为是高冷霸总，结果却是个可爱憨憨，从赛前采访就开始搞笑。带来的节目是《粉红色的回忆》，理由是这是自己唯一能唱完的歌，也是十分可爱了。
结语：
这么多个性十足的姐姐们真是让人爱了爱了，特别是《乘风破浪的姐姐》的开场旁白，非常让人印象深刻：
三十而励！三十而立！三十而骊！
30岁以后，人生的见证者越来越少，但还可以自我见证！
30岁以后，所有的可能性不断褪却，但还可以越过时间，越过自己！
不要轻易用年龄定义自己，只要有追逐梦想的心，无论什么年龄段都有属于自己的精彩！
《乘风破浪的姐姐》数据+代码：
链接: https://pan.baidu.com/s/12XsJ-GrzagDU3LdI5nrsOA
提取码: ywv8
更多精彩推荐
☞国士无双：卖掉美国房子，回国创办姚班，他只为培养一流的程序员！
☞对话 SmartX：领跑超融合中高端市场之道——用专注加专业构筑企业云基础
☞过分了！耗资 5600 万、4 年开发的网络商城成“烂尾楼”，404 无法打开
☞不知道路由器工作原理？没关系，来这看看！看不懂你捶我 | 原力计划
☞万字长文带你入门 GCN
☞赠书 | 基于区块链法定货币的支付体系，应该怎么做？
你点的每个“在看”，我都认真当成了喜欢
9 万条弹幕告诉你，《乘风破浪的姐姐》里谁才是真正的C位？相关推荐
- 讲python讲得好的评价_分析20万条弹幕告诉你，8.9分的高分剧《隐秘的角落》到底好看在哪儿？...
CDA数据分析师 出品作者:Mika 数据:真达 后期:泽龙 Show me data,用数据说话 今天我们聊一聊 <隐秘的角落> 点击下方视频,先睹为快: 最近这部<隐秘的角落&g ...
- 分析20万条弹幕告诉你，8.9分的高分剧《隐秘的角落》到底好看在哪儿？
最近这部<隐秘的角落>彻底火了,目前在豆瓣高达8.9分,有45万余人进行了评论. 一时间剧中张东升那句「爬山」.「你说我还有机会吗」 承包了6月份的梗.各种表情包和段子齐飞. 作为主演秦昊 ...
- 太敢拍了！20万条弹幕告诉你，《扫黑风暴》为何能掀起收视热潮？
CDA数据分析师 出品 作者:Mika 数据:曹鑫 2021年暑期档热度最高.最出圈的电视剧莫过于<扫黑风暴>了. 这部扫黑题材的电视剧<扫黑风暴>一开播就火了.开播仅六小时播 ...
- 9万条弹幕告诉你，《乘风破浪的姐姐》里谁才是真正的C位？
CDA数据分析师 出品 作者:Mika 数据:真达 后期:泽龙 [导语]:今天我们来聊聊最近火到不行的综艺--<乘风破浪的姐姐>,Python分析弹幕部分请看第四部分. 获取数据 ...
- Python 分析 10 万条弹幕告诉你：《古董局中局2》到底好不好看？
作者 | 泽龙.Mika 来源 | CDA数据分析师 今天我们聊一聊<古董局中局2> 点击下方视频,先睹为快: 上周日,有一部鉴宝题材的剧静悄悄上线了,那就是夏雨.魏晨等主演的古董局中局系 ...
- 分析10万条弹幕告诉你：《古董局中局2》这部鉴宝题材剧究竟拍的怎么样？
CDA数据分析师 出品 [导语]:今天我们来聊一聊鉴宝题材网剧<古董局中局2>,Python技术部分请看第四部分. 获取数据代码: 扫描下方公众号 回复关键字"古董&quo ...
- Python分析《青你2》67万条弹幕，看看有没有你Pick的小姐姐
** CDA数据分析师 出品 ** 作者:泽龙.Mika **数据:真达 ** **后期:泽龙 ** 今天我们来聊一聊选秀节目<青春有你2>. Show me data,用数据说话 淡 ...
- 利用python对b站某GPT-4解说视频的近万条弹幕进行爬取、数据挖掘、数据分析、弹幕数量预测及情绪分类
目录 一.利用Python爬取弹幕 二.利用几行代码直接生成词云 三.将弹幕属性和内容放入mysql当中 四.分析弹幕在视频各节点的数量 1.分析视频各个片段出现的弹幕数量 2.分析视频各大章节出现的 ...
- 我分析了b站10万条弹幕，发现了歪嘴战神的终极奥义！（文末重磅福利）
大家好,我是小z~ 天气太热,今天文末一次性送出5本很nice商业智能可视化书籍,给大家解解暑. 最近,歪嘴战神血洗b站,靠着"耐克式微笑"成功出圈,迷倒众生. 这次,小z爬取了1 ...
最新文章
- NIO中那些奇怪的Buffer
- 函数实现十进制转二进制
- Spark2.1.0之内置RPC框架
- 题目1033：继续xxx定律
- 用Flash创建一个类似Nano War游戏的教程
- 2018.09.30 bzoj2288:生日礼物（贪心+线段树）
- Codeforces 365C - Matrix（hash + yy）
- html仿苹果浏览器,完美仿iPhone风格主题 领航浏览器体验
- python dataframe删除重复行_详解pandas使用drop_duplicates去除DataFrame重复项参数
- Dubbo服务端暴露全流程
- div自定义下拉框组件
- 实战|朝阳医院药品销售分析案例
- 支付宝手机网站支付接口集成的经验小结
- FRM 5.1 现代投资组合理论
- Vmware私有云平台搭建（1）
- 概率论与数理统计浙江大学笔记和课后答案
- sqlite数据库的版本更替
- Hive中的left semi join和left anti join
- 像计算机科学家一样思考在线,如何像计算机科学家一样思考?(女生篇)
- vb读取计算机mac地址,Re:在VB中如何取得网卡的mac地址？