歡迎光臨
每天分享高質量文章

3天破9億!上萬條評論解讀《西虹市首富》是否值得一看

作者介紹:徐麟,目前就職於上海唯品會產品技術中心,哥大統計資料狗,從事資料挖掘&分析工作,喜歡用R&Python;玩一些不一樣的資料

個人公眾號:資料森麟(ID:shujusenlin),知乎同名專欄作者。

前言

縱觀近幾年的國產電影市場,“開心麻花“似乎已經成為了票房的保證。從《夏洛特煩惱》、《羞羞的鐵拳》到最新上映的《西虹市首富》都引爆了票房。本期我們會根據從貓眼電影網爬取到的上萬條評論為你解讀《西虹市首富》是否值得一看。


圖片源自:西虹市首富

資料爬取

此次資料爬取我們參考了之前其他文章中對於貓眼資料的爬取方法,呼叫其介面,每次取出部分資料併進行去重,最終得到上萬條評論,程式碼如下:

  1. tomato = pd.DataFrame(columns=['date','score','city','comment','nick'])

  2. for i in range(0, 1000):

  3.    j = random.randint(1,1000)

  4.    print(str(i)+' '+str(j))

  5.    try:

  6.        time.sleep(2)

  7.        url= 'http://m.maoyan.com/mmdb/comments/movie/1212592.json?_v_=yes&offset;=' + str(j)

  8.        html = requests.get(url=url).content

  9.        data = json.loads(html.decode('utf-8'))['cmts']

  10.        for item in data:

  11.            tomato = tomato.append({'date':item['time'].split(' ')[0],'city':item['cityName'],

  12.                                    'score':item['score'],'comment':item['content'],

  13.                                    'nick':item['nick']},ignore_index=True)

  14.        tomato.to_csv('西虹市首富4.csv',index=False)                          

  15.   except:

  16.        continue

資料分析

我們看一下所得到的資料:



資料中我們可以得到使用者的暱稱,方便後面進行去重。後面的部分主要圍繞評分、城市、評論展開。

首先看一下,評論分佈熱力圖:



京津翼、江浙滬、珠三角等在各種榜單長期霸榜單的區域,在熱力圖中,依然佔據著重要地位。同時,我們看到東三省和四川、重慶所在區域也有著十分高的熱度,這也與沈騰自身東北人&四川女婿的身份不謀而合(以上純屬巧合,切勿較真)。

下麵我們要看的是主要城市的評論數量與打分情況:



打出最高分4.77分的正是沈騰家鄉的省會城市哈爾濱(沈騰出生於黑龍江齊齊哈爾),看來沈騰在黑龍江還是被廣大父老鄉親所認可的。最低分和次低分來自於合肥和鄭州,今後的開心麻花可以考慮引入加強在中部地區的宣傳。

我們按照打分從高到底對城市進行排序:



在評論數量最多的二十個城市中,評分前七名的城市中東北獨佔四席,而分數相對較低的城市中武漢、合肥、鄭州都屬於中部地區,可見不同地區的觀眾對影評的認可程度有著一定差異。

我們把城市打分情況投射到地圖中:(紅色表示打分較高,藍色表示較低)


進一步,我們把城市劃分為評分較高和較低兩部分

較高區域:



較低區域:



可以看到對於“西紅柿”,南北方觀眾的評價存在一定差異,這與每年春晚各個地區收視率似乎有一些吻合知乎。沈騰本身也是春晚的常客,電影中自然會帶一些“春晚小品味”,這似乎可以一定程度上解釋我們得到的結果。

看過了評分,我們看一下評論生成的詞雲圖,以下分別是原圖和據此繪製的詞雲圖:

不知道大家的想法如何,至少在我看到了這樣的詞雲,搞笑、笑點、值得、開心、不錯,甚至是哈哈都會激起我強烈的看片慾望。同時,沈騰也被大家反覆提起多次,可以預見其在片中有著非常不錯的表演,也會一定程度上激發大家看片的慾望。

部分程式碼展示

熱力圖:

  1. tomato_com = pd.read_excel('西虹市首富.xlsx')

  2. grouped=tomato_com.groupby(['city'])

  3. grouped_pct=grouped['score'] #tip_pct列

  4. city_com = grouped_pct.agg(['mean','count'])

  5. city_com.reset_index(inplace=True)

  6. city_com['mean'] = round(city_com['mean'],2)

  7. data=[(city_com['city'][i],city_com['count'][i]) for i in range(0,

  8.       city_com.shape[0])]

  9. geo = Geo('《西虹市首富》全國熱力圖', title_color="#fff",

  10.          title_pos="center", width=1200,

  11.          height=600, background_color='#404a59')

  12. attr, value = geo.cast(data)

  13. geo.add("", attr, value, type="heatmap", visual_range=[0, 200],visual_text_color="#fff",

  14.        symbol_size=10, is_visualmap=True,is_roam=False)

  15. geo.render('西虹市首富全國熱力圖.html')


折線圖+柱形圖組合:

  1. city_main = city_com.sort_values('count',ascending=False)[0:20]

  2. attr = city_main['city']

  3. v1=city_main['count']

  4. v2=city_main['mean']

  5. line = Line("主要城市評分")

  6. line.add("城市", attr, v2, is_stack=True,xaxis_rotate=30,yaxis_min=4.2,

  7.         mark_point=['min','max'],xaxis_interval =0,line_color='lightblue',

  8.         line_width=4,mark_point_textcolor='black',mark_point_color='lightblue',

  9.         is_splitline_show=False)  

  10. bar = Bar("主要城市評論數")

  11. bar.add("城市", attr, v1, is_stack=True,xaxis_rotate=30,yaxis_min=4.2,

  12.         xaxis_interval =0,is_splitline_show=False)

  13. overlap = Overlap()

  14. # 預設不新增 x y 軸,並且 x y 軸的索引都為 0

  15. overlap.add(bar)

  16. overlap.add(line, yaxis_index=1, is_add_yaxis=True)

  17. overlap.render('主要城市評論數_平均分.html')

詞雲:

  1. tomato_str =  ' '.join(tomato_com['comment'])

  2. words_list = []

  3. word_generator = jieba.cut_for_search(tomato_str)

  4. for word in word_generator:

  5.    words_list.append(word)

  6. words_list = [k for k in words_list if len(k)>1]

  7. back_color = imread('西紅柿.jpg')  # 解析該圖片

  8. wc = WordCloud(background_color='white',  # 背景顏色

  9.               max_words=200,  # 最大詞數

  10.               mask=back_color,  # 以該引數值作圖繪製詞雲,這個引數不為空時,width和height會被忽略

  11.               max_font_size=300,  # 顯示字型的最大值

  12.               stopwords=STOPWORDS.add('苟利國'),  # 使用內建的遮蔽詞,再新增'苟利國'

  13.               font_path="C:/Windows/Fonts/STFANGSO.ttf",

  14.               random_state=42,  # 為每個詞傳回一個PIL顏色

  15.               # width=1000,  # 圖片的寬

  16.               # height=860  #圖片的長

  17.               )

  18. tomato_count = Counter(words_list)

  19. wc.generate_from_frequencies(tomato_count)

  20. # 基於彩色影象生成相應彩色

  21. image_colors = ImageColorGenerator(back_color)

  22. # 繪製詞雲

  23. plt.figure()

  24. plt.imshow(wc.recolor(color_func=image_colors))

  25. plt.axis('off')

票房預估

最後我們來大膽預估下《西虹市首富》的票房,我們日常在工作中會選取標桿來對一些即將發生的事情進行預估。這次我們選擇的標桿就是《羞羞的鐵拳》:


圖片源自:羞羞的鐵拳

基於以下幾點我們選擇《羞羞的鐵拳》作為標桿:

  1. 均是開心麻花出品、題材相似

  2. 演員陣容重合度高

  3. 豆瓣粉絲認可程度相似(評分均為6.9,處於喜劇片中位數水平)

  4. 貓眼粉絲認可程度相似(鐵拳評分9.1,西紅柿評分9.3)

我們看一下兩部影片前三天的走勢:



前三天兩部片子的票房走勢十分相似,基於之前我們的平均,我們可以嘗試性(比隨機準一點)預測一下“西紅柿”最終的票房。“西紅柿”票房預測值≈“鐵拳”總票房/“鐵拳”前三天票房*“西紅柿”前三天票房=22.13/5.25*8.62≈36,考慮到鐵拳上映是在國慶假期,西紅柿的票房預估需要相應的下調。


綜上所述,我們給出30億票房的預估。大家來和我們一起見證如“章魚保羅”般神奇的預測 or “球王貝利”般被啪啪打臉的預測。


附:詳細的程式碼和資料、包括圖片地址

https://github.com/shujusenlin/tomato_film


●編號481,輸入編號直達本文

●輸入m獲取文章目錄

推薦↓↓↓

 

演演算法與資料結構

更多推薦18個技術類微信公眾號

涵蓋:程式人生、演演算法與資料結構、駭客技術與網路安全、大資料技術、前端開發、Java、Python、Web開發、安卓開發、iOS開發、C/C++、.NET、Linux、資料庫、運維等。

贊(0)

分享創造快樂

© 2024 知識星球   網站地圖