用Python解读分析《爱情公寓》电影版

最新推荐文章于 2022-10-30 22:46:43 发布

Python中文社区

最新推荐文章于 2022-10-30 22:46:43 发布

阅读量1.3k

点赞数

♚

作者：张凡幸，人工智能初阶小白，初学Python，喜欢数据分析、爬虫相关内容

最近闲来无事恰巧《爱情公寓》电影版上映，10年青春，来看看大家是怎么去吐槽的。

PART1：数据爬取

相关代码：

# coding: utf-8
import pandas as pd
import requests
import random
import json
import time
header={
    'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36',
    'Connection':'keep-alive'
}
cookies = '_lxsdk_cuid=1651950e6dfc8-02b4e01b2f82ec-6b1b1279-100200-1651950e6dfc8; _lxsdk=FA2EEC709AFE11E883FE1F23FDF\
          D6ADBB39CE732DF384D9DADFD1909B110AD64; v=3; _lx_utm=utm_source%3DBaidu%26utm_medium%3Dorganic; __mta=121983668.153372\
          8057235.1533731802598.1533731803845.10'
cookie = {}
for line in cookies.split(';'):
    name, value = cookies.strip().split('=', 1)
    cookie[name] = value
love_apartment = pd.DataFrame(columns=['data','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 = 'https://m.maoyan.com/mmdb/comments/movie/1175253.json?_v_=yes&offset='+str(j)
        html = requests.get(url=url, cookies=cookie,headers=header).content
        data = json.loads(html.decode('utf-8'))['cmts']
        for item in data:
            love_apartment = love_apartment.append({'data':item['time'].split(' ')[0],'city':item['cityName'],
                                                    'score':str(item['score']),'comment':item['content'],'nick':item['nick']},
                                                   ignore_index=True)
        love_apartment.to_csv('爱情公寓.csv',index=False)
    except:
        continue

数据获取的最大的难点就是猫眼电影短评的api，如果直接在电脑上用浏览器是获取不到api的，本次采用的是利用手机，UC，Fiddler软件对网站的url、header及cookie进行获取，具体网址：

https://blog.csdn.net/shimengran107/article/details/78644862

640?wx_fmt=png

另外这回也是第一次尝试pandas，所以也费了不少时间去学习，附上相关网址：

https://blog.csdn.net/liufang0001/article/details/77856255/

获得数据表如下：

640?wx_fmt=png

这里遇到比较多问题就是编码问题，生成的CSV文件会出现乱码，有两种方法，我选择的是CSV转为Excel，附上相关解决方案的网址：

https://blog.csdn.net/lht_okk/article/details/54929103

https://blog.csdn.net/erinalees/article/details/78862011

基本上数据获取就完成了，电影短评截止到现在大概有7万条，我利用Python的随机函数获取了其中的1千条左右（我也不知道为什么这么少...，有待考究，可是1千多条的数据清除无效地图城市也花了不少时间），然后进行数据分析，详情请见后文。

PART2：数据分析

首先附上图表神器pyecharts的技术文档的网址：http://pyecharts.org/#/zh-cn/charts

这里主要是使用其中的HeatMap（热力图）、Bar（柱状图/条形图）、Line（折线/面积图）、Geo（地理坐标系）、Overlap 类。

词云生成wordcloud使用网址：

https://blog.csdn.net/fly910905/article/details/77763086

这里遇到最大的障碍就是Pycharm导入pyecharts库、wordcloud库失败，至于为什么也是不懂。无奈只好通过相关网站下载.whl格式的安装包，在文件夹环境下安装库，可以成功使用。

上篇的pandas也在这里有应用，主要是涉及对数据表的排序、计算处理。主要的函数就是groupby和agg，groupby可以理解为基于行操作（对相同行进行归类），agg则是基于列的（统计列的平均值和数量）。

import pandas as pd
from pyecharts import Bar, Line,Overlap,Geo
import jieba
from wordcloud import WordCloud,ImageColorGenerator
import matplotlib.pyplot as plt
from collections import Counter

love_apartment_com = pd.read_excel('爱情公寓.xlsx',encoding='utf-8')
grouped = love_apartment_com.groupby(['city'])
grouped_pct = grouped['score']

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('《爱情公寓》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", is_visualmap=True, visual_range=[0, 20],visual_text_color="#fff")
geo.render('爱情公寓全国观影图.html')

640?wx_fmt=png

在做第一张图表的时候，出现最大的问题就是pyecharts地图资源不全面，所以只好自己慢慢对Excel表筛除无效数据，着实是费了不少时间。从图中看出来，内陆确实人烟稀少，长三角，珠三角，沿海，北京，重庆都是金钱大佬，毕竟能去看电影，评得起分......

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=0, mark_point=["max", "min"], 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=0, xaxis_interval=0, is_splitline_show=False)
overlap = Overlap()
overlap.add(bar)
overlap.add(line, yaxis_index=1, is_add_yaxis=True)
overlap.render('主要城市评分and评论数.html')

640?wx_fmt=png

这边少了折线图y轴坐标的注释，明明程序里是有添加的，但是不知为何没有显示，我对城市其实没多大兴趣，主要想看就是电影评分，不过总的来说确实分低，也许这就是卖弄情怀的结果，欺骗了广大观众朋友的感情。

city_score = city_main.sort_values('mean',ascending=False)[0:20]
attr = city_score['city']
v1 = city_score['mean']
line = Line('爱情公寓主要城市评分')
line.add("城市", attr, v1, is_stack=True, xaxis_rotate=30, yaxis_min=0, mark_point=["min", "max"], xaxis_interval=0,
line_color='lightblue', line_width=4, mark_point_textcolor='black', mark_point_color='lightblue', is_splitline_show=True)
line.render('爱情公寓主要城市评分.html')

640?wx_fmt=png

最高：4.36分，最低：2.21分，数据收集的不少，应该还算可靠。

city_score_area = city_com.sort_values('count',ascending=False)[0:30]
city_score_area.reset_index(inplace=True)
data = [(city_score_area['city'][i], city_score_area['mean'][i]) for i in range(0, city_score_area.shape[0])]
geo = Geo('《爱情公寓》全国打分图', title_color="#fff",title_pos="center", width=1200, height=600, background_color='#404a59')
attr, value = geo.cast(data)
geo.add("", attr, value, visual_range=[0, 5],visual_text_color="#fff", symbol_size=15, is_visualmap=True,is_roam=False)
geo.render('爱情公寓全国打分图.html')

640?wx_fmt=png

一片黄颜色的点点，评分大多在中间段

love_apartment_str = ' '.join(love_apartment_com['comment'])
words_list = []
word_generator = jieba.cut_for_search(love_apartment_str)
for word in word_generator:
    words_list.append(word)
words_list = [k for k in words_list if len(k)>1]
back_color = plt.imread('爱心.jpg')
wc = WordCloud(background_color='white',
               mask=back_color,
               font_path='C:\Windows\Fonts\STZHONGS.TTF',
               max_words=2000,
               max_font_size=250,
               random_state=30,
               )
love_apartment_count = Counter(words_list)
wc.generate_from_frequencies(love_apartment_count)
image_colors = ImageColorGenerator(back_color)
plt.figure()
plt.imshow(wc.recolor(color_func=image_colors))
plt.axis('off')
print('生成词云成功!')
wc.to_file('love_apartment.jpg')

生成的词云如下：

640?wx_fmt=jpeg

怎么说呢，一开始看跑男的节目的时候还以为有点搞头，慢慢的时间越长名堂也越来越明显了，网上的评论也是吐槽不少，不过这也不是我该操心的事了。

十年青春，说过就过，依稀还记得里面的一句台词：人生没有彩排，每一天都是现场直播。共勉！

640?wx_fmt=jpeg

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。

640?wx_fmt=jpeg