Py学习  »  Python

差评近一半,用 Python 分析胡歌的《猎场》到底值不值得看?

Python开发者 • 6 年前 • 542 次点击  

(点击上方公众号,可快速关注)


转自:CSDN

blog.csdn.net/csdnnews/article/details/78591437

如有好文章投稿,请点击 → 这里了解详情


11 月 6 日,湖南卫视已经开播被称作年度压轴的大戏“猎场”,迅速占领各大榜单,成为一部高热度的电视剧。但是在豆瓣上却形成了两极分化。截止 11 月 8 日,该剧在豆瓣上的评分为 5.7 分。相比较胡歌之前《琅琊榜》的 9.1,《伪装者》的 8.3 等来说,这一评分确实不高。有趣的是,首页的评分比例与“短评”、“剧评”的比例存在非常大的差异!



首页总评分评分两级分化严重,“差评”占主 在目前 11463 个评价中两级分化严重,“1 星”占比最高为 28.6%,其次为“5 星”的 25.4%。“好评”(5 星、4 星)占比为 35.80%,“一般”(3 星)为 16.50%,“差评”(2 星、1 星)占比为 47.80%。很明显,“差评”占了接近一半的比例。



《猎场》豆瓣评分占比分布


在短评和剧评中的另一种景象 首页的豆瓣评分中“差评”占比很高,但是在豆瓣的短评和剧评中却是另一番景象。 在目前 5979 条短评中,“好评”占比 71%,“一般”为 5%,“差评”占比 24%。而在 392 条剧评中,“5 星”占了非常高的比例!84.7%的剧评给了“好评”。



《猎场》剧评评分分布


我们将三个位置的评分放在一起比较就会出现非常明显的差异。根据这个差异,我们可以大致判断:写出短评或者剧评的观众大部分给予了“好评”,但仍有大量观众直接给了差评,并没有说明任何原因。当然,我们并没有考虑那些不写评论,而只是点“有用”和“没用”观众。


才刚刚上映,剧情还在慢慢的铺,所以现在给整部剧下定论还太早。


《猎场》到底好不好看?我们还是想通过以 11 月 8 日为界,看看人们短评人的情绪,是积极,还是消息。利用词云看看大家都说了什么,希望能大家就是否建议观看给出建议。


一、爬取《猎场》热门短评,豆瓣的爬虫做的比较好,不登录爬虫很快就会被屏蔽掉,登录后获取 cookies 如下:



同时建议在循环抓取的时候进行 sleep,例如:


time.sleep(1 + float(random.randint(1, 100)) / 20)


《猎场》热门短评内容和时间爬取了 22440 条评论,代码如下:


import re

import requests

import codecs

import time

import random

from bs4 import BeautifulSoup

absolute = 'https://movie.douban.com/subject/26322642/comments'

absolute_url = 'https://movie.douban.com/subject/26322642/comments?start=23&limit=20&sort=new_score&status=P&percent_type='

url = 'https://movie.douban.com/subject/26322642/comments?start={}&limit=20&sort=new_score&status=P'

header={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:54.0) Gecko/20100101 Firefox/54.0','Connection':'keep-alive'}

def get_data(html):

    soup =BeautifulSoup(html,'lxml')

    comment_list = soup.select('.comment > p')

    next_page= soup.select('#paginator > a')[2].get('href')

    date_nodes = soup.select ('..comment-time')

    return comment_list,next_page,date_nodes

if __name__ == '__main__':

    f_cookies = open('cookie.txt', 'r')

    cookies = {}

    for line in f_cookies.read().split(';'):

        name, value = line.strip().split('=', 1)

        cookies[name] = value

    html = requests.get(absolute_url, cookies=cookies, headers=header).content

    comment_list = []

    # 获取评论

    comment_list, next_page,date_nodes= get_data(html,)

     soup = BeautifulSoup(html, 'lxml')

    comment_list = []

    while (next_page != []):  #查看“下一页”的A标签链接

        print(absolute + next_page)

        html = requests.get(absolute + next_page, cookies=cookies, headers=header).content

        soup = BeautifulSoup(html, 'lxml')

        comment_list, next_page,date_nodes = get_data(html)

        with open("comments.txt", 'a', encoding='utf-8')as f:

            for node in comment_list:

                comment = node.get_text().strip().replace( "\n", "")

                for date in date_nodes:

                    date= node.get_text().strip()

                    f.writelines((comment,date) + u'\n')

         time.sleep(1 + float(random.randint(1, 100)) / 20)


二、对数据进行清洗:


import pandas as pd

import matplotlib.pyplot as plt

date_name=[ 'date','comment']

df = pd.read_csv('./comment.csv',header=None,names=date_name,encoding= 'gbk')

df['date'] = pd.to_datetime(df['date'])


样本数量:


print(df['date'].value_counts())

获取2017-11-06 2017-11-08 数据:



data6 = df['2017-11-06':'2017-11-08']

data6.to_csv('6.txt', encoding = 'utf-8', index = False)

print(data6.size)

5775

获取2017-11-09 2017-11-17 数据:

data9 = df['2017-11-09':'2017-11-17']

data9.to_csv('9.txt', encoding = 'utf-8', index = False)

print(data9.size)

16665


三、情感分析和词云


对热门短评基于原有 SnowNLP 进行积极和消极情感分类,读取每段评论并依次进行情感值分析(代码:https://zhuanlan.zhihu.com/p/30107203),最后会计算出来一个 0-1 之间的值。



当值大于 0.5 时代表句子的情感极性偏向积极,当分值小于 0.5 时,情感极性偏向消极,当然越偏向两边,情绪越偏激。


2017-11-06 – 2017-11-08 分析:



从上图情感分析(代码:https://zhuanlan.zhihu.com/p/30107203 )来看,影评者还是还是非常积极的,对《猎场》的期望很高。



从词云(代码:https://zhuanlan.zhihu.com/p/30107203 )上来看:


2017-11-09 – 2017-11-17 分析



从上图情感分析(代码:https://zhuanlan.zhihu.com/p/30107203 )来看,积极的情绪已经远远超过消极的情绪,还是受到大家的好评。



从词云(代码:https://zhuanlan.zhihu.com/p/30107203 )上来看,出现好看、剧情、期待、喜欢等词。


总结


词云的背景是胡歌,大家看出来了嘛?目前豆瓣的分数已经是 6.2 分,目前剧情过半,相信接下来会更精彩,个人认为分数会在 7.5 分以上。


抛开豆瓣的推荐分数,通过的热门短评的情感和词云分析,是一部不错的现实剧,剧情犀利、深刻、启迪,很多人期待。如果您有时间,不妨看一下,或许能收获一些意想不到的东西。


看完本文有收获?请转发分享给更多人

关注「Python开发者」,提升Python技能

淘口令复制以下红色内容,再打开手淘即可购买

范品社,使用¥极客T恤¥抢先预览(长按复制整段文案,打开手机淘宝即可进入活动内容)


今天看啥 - 高品质阅读平台
本文地址:http://www.jintiankansha.me/t/YExpINyzmB
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/4282
 
542 次点击