拿下60亿流量的《惊雷》都是哪些人在听？python帮你统计出来

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。

作者： 听不来喊麦的C君

PS：如果你处于想学Python或者正在学习Python，Python的教程不少了吧，但是是最新的吗？说不定你学了可能是两年前人家就学过的内容，在这小编分享一波2020最新的Python教程。获取方式，私信小编 “ 资料 ”，即可免费获取哦！

 

 

这看起来不着边际的歌词，配上简单粗暴的蹦迪音乐。

最近，一首《惊雷》的喊麦歌曲在短视频平台火了，震惊了整个音乐圈。

但4月10日歌手杨坤却在直播中批评《惊雷》“要歌没歌，要旋律没旋律，要节奏没节奏，要律动没律动”，评价其“难听”、“俗气”。

4月11日，MC六道以原唱者的身份对杨坤的指责做出回应表示，音乐没有高低之分，称《惊雷》现在比杨坤的任何一首歌都火。一时间更是把《惊雷》推上了风口浪尖。

那么《惊雷》这首歌到底怎么样？都是哪些人在听？今天我们就用Python来给你解读。

01

拿下60亿流量 

喊麦歌曲《惊雷》火了！

 

说道喊麦，作为近年来一种新兴的表演形式，其内容和表达方式则比较简单和浮夸，主要形式是在网上下载一些伴奏（以电音伴奏为主），跟着伴奏以简单的节奏和朗朗上口的押韵手法进行的语言表演。

更简单的说法就是，演唱时不讲究什么技法，带着伴奏对着麦喊就完事。比如之前爆火的《一人我饮酒醉》就是很具代表性的喊麦歌曲。

而喊麦歌曲也因为一味堆积看似没有关联的词，闹腾的电音，简单粗暴的唱法等，让大家各种吐槽。而在“全民抵制”喊麦的背景下，《惊雷》却火了。

从今年3月起，以《惊雷》为BGM的短视频在各大平台上迅速走红。截止到4月24日，在抖音的#惊雷#的标签页下显示共有23w个视频作品使用，产生64.1亿次播放。

 

 

一些网友更是跟风录制了各种翻唱版本。温柔版、方言版、戏腔版、小黄人版、种类之多，只有你想不到，没有网友做不到。瞬间《惊雷》就成了今年度的网络爆款神曲之一。在B站上搜索《惊雷》更是可以看到大量的相关视频。

 

我们对B站上《惊雷》的各类视频进行整理分析发现：

 

 

 

在3月底，《惊雷》就在B站小火了一把，总播放量突破50万。接着到了4月12日，随着杨坤和MC六道的“隔空互掐”，大量《惊雷》相关视频如雨后春笋一般爆发出来，无论是音乐、游戏、生活、影视和鬼畜各视频分区产生的相关视频突破300个，播放量更是水涨船高。

 

02

 

“精神小伙”专属歌曲 

都是哪些人在听《惊雷》？

我们使用Python获取并分析了网易云音乐上，MC六道的这首《惊雷》相关的评论数据。

经过去重得到1534条样本，从而来分析一下《惊雷》这首歌的用户和评价信息。

先看到结论：

评论时间趋势图

 

 

 

首先看到评论的时间，可以发现评论的高峰时间主要集中在：

 

• 中午12-13点左右；
• 下午5点之后的下班下课时间；
• 以及傍晚睡前9-10点

 

看来主要的听歌时间是在忙完工作的午休时，下班后的路上，以及睡前，刷着手机听听歌写写评论，也比较符合用户的听歌习惯。

 

 

评论用户性别分布

 

 

 

听歌的人群性别分布是如何的呢？经过分析发现，男性占比达到压倒性的67.08%，女性占比较少为16.43%，另外16.49%的用户没有标注性别。可见听《惊雷》的更多是男性群体。

 

评论用户年龄分布

 

 

分析发现，用户大多集中在14-30岁之间，以20岁左右居多，除去异常和虚假年龄之外，这个年龄分布也符合网易云用户的年龄段。

  

评论用户地区分布

 

 

从城市分布图中可以看出，评论用户涵盖了全国各大省份，其中广东的评论用户排名第一，其次是山东、河北、河南等省份。

 

 

 

根据网易云曾发布的音乐数据，北上广深等发达地带的用户对小众音乐情有独钟，这些城市聚集了大量的小众音乐用户，其中广东也是聚集了众多热爱电音的用户，堪称“最电音省份”。

 

同时我们查询了2019年全国各省份的人口排名，排名前三的省份是：广东、山东、河南，这个结果也与分布图较为吻合，果然还是人多力量大。

 

评论情感正负分布

 

那么评论中大家对《惊雷》更多是称赞还是吐槽呢？接着我们对评论区的留言进行了情感分析，使用的是百度的API。

 

我们定义了一个函数获取情感评分正向和负向的概率值，值介于[0,1]之前，越接近1，情感越偏向于积极，反之则越消极。

 

 

通过评论情感得分分布图，可以发现：

 

在1534条数据中，有780条数据评分分值在[0,0.05]之间，占比50.08%，有一半以上的用户对这首歌表达了非常厌恶的情绪。我们还看到，有227个样本的评分在0.95以上，属于非常正向，这些正向评论真的正向吗？

 

我们不妨看几条这些评论：

 

 

 

比如这一条：

 

谢谢，这首‘歌’我笑吐了

 

明显是属于负向的情绪，但是因为正向的关键词比较多,百度的情感分析程序给了0.97分，所以可以看出这里的正向评分也是有误差。

 

还有这一条：

 

突然感觉杨坤老师有点伟大

 

这首歌虽然是赞扬杨坤老师，但是放到这里是表达贬义，但是程序并没有判断出来，间接说明程序还是没有人聪明啊（拟合能力不足+汉语语境情况复杂）。

 

所以实际上大部分评论带着反讽的口吻，我们可以大胆推断，这首歌的负向情绪占比至少上升10~15%个百分点。

 

评论词云分布：

 

 

 

通过文本分析，可以看出大家对这首歌的评论集中对杨坤和MC六道的讨论上，吐槽点主要集中在关于歌曲的“难听”、“俗气”、"抄袭"等。同时也表达了对于“喊麦”和"音乐"的讨论上

03

 

 教你用Python分析 

网易云音乐《惊雷》的评论

 

我们使用Python获取并分析了网易云音乐上《惊雷2020》相关的评论数据并进行了以下部分处理和分析，整个分析过程分为以下几个步骤：

 

1. 数据获取
2. 数据读入与数据预处理
3. 数据分析和可视化

 

01 数据获取

 

此次爬虫部分主要是调用官方API，本次用到的API主要是：

http://music.163.com/api/v1/resource/comments/R_SO_4_{歌曲ID}?limit={每页限制数量}&offset={评论数总偏移}

 

参数说明如下：

 

{歌曲ID}：歌曲ID

limit：限制每页获取的数据条数

offset：翻页参数偏移量，offset需要是limit的倍数

返回的数据格式为json，通过此接口目前每天获取的数据量限制是1000条，代码思路如下：

1. 先获取一页的数据，并封装成解析函数parse_one_page
2. 变化offset参数，循环构建URL，并调用解析函数

具体代码如下：

# 导入库
import requests
import json
import time
import pandas as pd

def parse_one_page(comment_url):
    """
    功能：给定一页的评论接口，获取一页的数据。
    """
    # 添加headers
    headers = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.113 Safari/537.36'
    }

    # 发起请求
    r = requests.get(comment_url, headers=headers)

    # 解析数据
    comment_data = r.json()['comments']

    # 获取用户ID
    user_id = [i['user']['userId'] for i in comment_data]
    # 获取用户昵称
    nick_name = [i['user']['nickname'] for i in comment_data]
    # 获取评论ID
    comment_id = [i['commentId'] for i in comment_data]
    # 获取评论内容
    content = [i['content'] for i in comment_data]
    # 获取评论时间
    content_time = [i['time'] for i in comment_data]
    # 获取点赞
    liked_Count = [i['likedCount'] for i in comment_data]

    df_one = pd.DataFrame({
        'user_id': user_id,
        'nick_name': nick_name,
        'comment_id': comment_id,
        'content': content,
        'content_time': content_time,
        'liked_Count': liked_Count
    })

    return df_one


def get_all_page(song_id):
    """
    功能：获取100页短评：目前接口一天最多获取数据量
    """
    df_all = pd.DataFrame()

    for i in range(101):  # 最多100页
        url = 'http://music.163.com/api/v1/resource/comments/R_SO_4_{}?limit=10&offset={}'.format(song_id, i*10)
        # 调用函数
        df = parse_one_page(comment_url=url)
        # 循环追加
        df_all = df_all.append(df, ignore_index=True)
        # 打印进度
        print('我正在获取第{}页的信息'.format(i + 1))
        # 休眠一秒
        time.sleep(1)

    return df_all

if __name__ == '__main__':
    # 惊雷
    song_id = '1431580747'
    # 运行函数
    df_jl = get_all_page(song_id) 
获取到的数据如下所示，此次我们一共获取了两天的数据，经过去重得到1534条样本，来分析一下《惊雷》这首歌的用户和评价信息。

获取的数据集主要包含了以下的信息：评论ID、用户ID、用户昵称、用户评论、评论时间、评论点赞。根据用户ID可以获取评论用户相关信息，此处暂不做赘述。

 

 

02 数据读入与数据预处理

此处，我们将对获取的评论数据集进行以下的处理以方便后续的分析：

1. 读入数据和数据合并，去除重复值
2. 评论时间：将评论时间转换为标准时间
3. 用户评论：使用jieba分词对评论数据进行分词处理。

代码实现如下：

 

读入数据、合并、去重

 

评论时间处理

03 使用百度API进行情感分析

 

情感分析是NLP的重要部分。这里我们使用百度的API，来进行情感分析，经测试这个API接口结果相对比较准确。我们定义了一个函数获取情感评分正向和负向的概率值。返回结果解释：以正向概率positive_prob为例，值介于[0,1]之前，越接近1，情感越偏向于积极。

 

代码和结果如下：

# 异常值处理
df_comment['content'] = df_comment['content'].replace('🕴🏿🕴🏿⚰️🕴🏿🕴🏿', '黑人抬棺') 


# 输入API Key和Secret Key
ak = '你的API Key'
sk = '你的Secret Key'

host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={}&client_secret={}'.format(ak, sk)

# 发起请求
r = requests.post(host) 
# 获取token
token = r.json()['access_token']

def get_sentiment_score(text):
    """
    输入文本，返回情感倾向得分
    """
    url = 'https://aip.baidubce.com/rpc/2.0/nlp/v1/sentiment_classify?charset=UTF-8&access_token={}'.format(token)
    data = {
        'text': text
    } 
    data = json.dumps(data)
    try:
        res = requests.post(url, data=data, timeout=3)
        items_score = res.json()['items']
    except Exception as e:
        time.sleep(1) 
        res = requests.post(url, data=data, timeout=3)
        items_score = res.json()['items']
    return items_score


# 获取情感倾向分值并存入列表
score_list = [] 

step = 0
for i in df_comment['content']:
    score = get_sentiment_score(i)
    # 打印进度
    step += 1
    print('我正在获取第{}个评分'.format(step), end='\r') 
    score_list.append(score) 

最后提取正负向的概率，并添加标签。将positive_prob>0.5定义为正向。

 

 

04 数据可视化

 

我们将进行以下的数据可视化

 

1. 评论数时间(按小时)分布
2. 评论用户性别占比
3. 评论用户年龄分布
4. 评论用户地区分布
5. 评论情感得分正负向标签占比分析-基于百度自然语言处理API
6. 评论情感得分分布
7. 评论词云分析

 

评论数时间(按小时)分布

 

 

通过评论时间按小时分布图可以看出，评论数在一天当中从5点开始一路攀升，一天有三个小高峰：13点-17点-21点。

 

评论用户性别占比

 

通过评论用户性别分布图可以看出，在评论用户中男性用户占到了67.08%。

 

评论用户年龄分布

用户年龄分布图可以看出，用户大多集中在14-30岁之间，以20岁左右居多，除去异常和虚假年龄之外，这个年龄分布也符合网易云用户的年龄段。

评论用户城市分布Top10

 

城市分布图中可以看出，评论用户涵盖了全国各大省份，其中广东的评论用户排名第一。

 

评论情感得分正负向标签占比分析

 

通过分布图可以看出，评论内容中70%左右的内容表达了负向的情绪，说明对于《惊雷》这首喊麦的歌曲，大众主要持批判的观点。

 

情感评论得分分布

 

通过评论情感得分分布图，可以发现，在1534条数据中，有780条数据评分分值在[0,0.05]之间，占比50.08%。

 

评论词云分析

 

此处数据处理主要使用jieba分词，步骤暂略。