阿凡达时隔十年重映，王者归来还是炒冷饭？Python爬取上千条评论并分析

公众号后台回复“图书“，了解更多号主新书内容
作者：刘早起
来源：早起Python

大家好，我是早起。

上个月电影《阿凡达》重新登陆中国院线，重映第二天，票房即破5090万人民币，全球票房突破27.98亿美元，重登全球影史票房冠军，一场十多年前的电影再次引发观影热潮。

阿凡达我一直没有看过，当时的我还在读高中，只知道有一部很牛的电影上映了，十年间阿凡达也频频被好友安利，趁着清明假期，我也去电影院去看了一下，电影途中总疑惑十年前的电影技术就有这么强了么，回来后忍不住用Python爬了点评论分析一波。

数据爬取

本文选择的数据为豆瓣网，关于 Python 爬取豆瓣电影的技术分析网上有非常多的案例，甚至很多读者朋友都是从「Python爬取豆瓣TOP250电影」入坑爬虫的，下面就简单介绍，不做详细分析。

首先打开阿凡达对应的影评页面，可以看到该页的全部评论都在class = review-list的div标签中，并且每条评论都很整齐的在20个子div标签中

所以可以直接用requests构造请求+bs4解析数据+pandas存储即可，相关代码如下

关于反爬，豆瓣好像一直没有什么特别复杂的反爬措施，控制频率并使用随机ua+代理ip即可拿下大部分数据，可以看到一共取回了近 4000 条评论数据包含 「时间、评分、标题、内容」 四个字段

评星分析

先来看十年间阿凡达整体的评星分布，使用matplotlib对数据进行可视化如下

可以看到，五星好评的人数超过了一半，给出五星+四星的用户达到了86.5%，而仅有2.5%的用户给到了差评。

那么除了豆瓣，阿凡达在其他平台表现怎么样？本文选取其他两家国内影视巨头猫眼、淘票票以及国外影评网站烂番茄、IMDB的评分进行对比如下

不难发现，阿凡达在国内的评分均高于国外平台，其中在淘票票给出好评的人数高达97%（此处好评并非为电影主页显示的评分，而是在评价汇总中，根据给出好评的评价数量计算而来），而在IMDB网上仅得到78%的好评。

上面的分析是针对现有的全部数据得到，因为我们爬取的数据包含时间信息，下面对十年前后的打分进行对比

可以看到，最近一年来的好评比2009—2019十年间的比例要多，差评比例要少，果然十年之后，阿凡达依旧很能打，接下来让我们将目光放在具体的评论内容上。

内容分析

本节对具体的评论内容进行分析，主要是词频分析与词云制作，在 Python 中可以使用 jieba 进行分词，并使用 collections 对返回的分词结果进行统计，相关代码如下

对标题内容进行词频分析得到标题中出现频率最高的十个词如下

可以看到出现最多的词当然是主角阿凡达(TOP1)和Avatar(TOP2)，以及对应的 潘多拉星球(TOP3) ，其次有 3D(TOP4)、观影(TOP9)、IMAX(TOP10) 等观影体验上的单词频繁出现，还有 人类(TOP5)、世界(TOP6)、故事(TOP8) 等与剧情相关的吐槽，值得注意的是导演 卡梅隆(TOP7) 也被用户频频提起。

最后再将具体评论内容中根据好评（评分4、5）和差评（评分1、2）进行拆分，并制作词云图如下

可以看到，好评除了在说剧情外，大多与观影体验有关，比如特效、震撼等，而差评则聚焦于具体的主线故事，大多数差评用户在吐槽剧情、逻辑、文化等比直观的观影体验更深刻的思考。

本文的分享就到这里，不知道大家有没有看过阿凡达，是在十年前还是今年看的，是用电脑还是在影院看的，可以在留言区和我交流。

◆ ◆ ◆  ◆ ◆麟哥新书已经在当当上架了，我写了本书：《拿下Offer-数据分析师求职面试指南》，目前当当正在举行活动，大家可以用相当于原价5折的预购价格购买，还是非常划算的：

数据森麟公众号的交流群已经建立，许多小伙伴已经加入其中，感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容，还没有加入的小伙伴可以扫描下方管理员二维码，进群前一定要关注公众号奥，关注后让管理员帮忙拉进群，期待大家的加入。
管理员二维码：
猜你喜欢
● 卧槽！原来爬取B站弹幕这么简单● 厉害了！麟哥新书登顶京东销量排行榜！● 笑死人不偿命的知乎沙雕问题排行榜
● 用Python扒出B站那些“惊为天人”的阿婆主！● 你相信逛B站也能学编程吗