python告诉你《西虹市首富》是否值得一看

687次阅读

没有评论

共计 3888 个字符，预计需要花费 10 分钟才能阅读完成。

提醒：本文最后更新于 2019-05-12 15:04，文中所关联的信息可能已发生改变，请知悉！

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).contentdata = 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\')