要说今年最出圈的词汇，《你好，李焕英》绝对算是最热的黑马之一。不鸣则已，一鸣惊人，这部优秀的作品更是让贾玲荣获“全球票房最高女导演”的称号。
（图片来自于“猫眼”程序）
要从感情上分析这部电影为什么能取得如此成功，想必大家已经看得很多，今天我们从数据分角度出发，用Python分析一下这位春节档的最大赢家——《你好，李焕英》!
首先，我们要简单使用Python爬取豆瓣的短评数据。目前这部剧豆瓣上共有612433人进行评分，分数为8.1分，这种评分在国产剧中是很优秀的成绩了。
这里我们使用requests并搭配xpath来爬取豆瓣评价以及评论者的个人信息。
静待十几秒，就成功获取了500条豆瓣评论数据👇
简单筛选，我们就可以从500条数据统计出主演提及次数，并利用pyecharts制作条形图。
bar = (Bar()
.add_xaxis(x_df)
.add_yaxis('提及次数', y_df)
.set_global_opts(title_opts=opts.TitleOpts(title='《你好，李焕英》豆瓣评论中的主演提及次数')
,visualmap_opts=opts.VisualMapOpts())
)
bar.render_notebook()
我们通过排序可以发现，贾玲饰演的自己，张小斐饰演的李焕英是观众评论提及最多的角色。
我们还可以用pyecharts来制作map地图，来展示评论者的地域分布：
可以看到，豆瓣上给《你好，李焕英》评分的观众中，来自北京市的最多！
最后我们再利用stylecloud制作一个词云图，看看大家主要都在评论些什么？
stylecloud.gen_stylecloud(text=' '.join(text),
collocations=False,
icon_name='fas fa-chart-pie',
size=600,
output_name='./评论词云图.png')
Image(filename='./评论词云图.png')
结果如下：
豆瓣评论中主要围绕的关键词有"母亲"和"女儿"，以及对应的角色"贾玲"和"李焕英"。除此以外，"沈腾"、"穿越"、"反转"、"结尾"、"小品"等关键词也被多次提到。
上文就是我们用Python分析一下《你好，李焕英》这部叫好又叫座的电影了。
不过只是使用 Python 简单给你演示一下数据分析的魅力，后续我们其实还能做深入的数据挖掘。而且，实际上数据分析除了获取数据，存储数据，还需要会对数据进行预处理，提取，然后分析，统计，报告等操作。
如果你对使用 Python 数据分析感兴趣，想要拿到一份薪资不错的工作，但是目前还有些许茫然，有很多不清楚的地方，比如数据分析的学习路径是怎么样的？如何制作精美的可视化视图？如何进行股票量化等等？
我这次特地总结了一张思维导图给大家，点击放大看更清楚哦。基于此，我这里将我以前学习过程中用过的电子书（技能类、统计类、业务类），还有相关视频免费分享给大家，省去了你们挑选视频的时间，也希望能够对你们的学习有所帮助。PS：我总结的资料有点多哦，差不多有4G，大家一定要给你的百度云盘空出位置来哦！
（资料仅展示部分）大家按照以下步骤，获取我特意挑选出来的书籍、视频。
1、扫二维码免费报名课程（限时300个名额）
2、报名成功后添加小助手即可免费领取资料
如果遇到一些环境配置，还有一些错误异常等bug，资料就显得不太够用，这时就需要找到老师，给我们特别讲解。或者是想快速学习数据分析领域知识，不妨先找一找直播课看看，了解当下最贴合实际的学习思路，确定自己的方向。我特别推荐网易云课堂的《3天数据分析实战集训营》，定期更新干货知识。还有网易特邀数据架构讲师——“证书狂魔”Mars老师，通过直播现场教学和实战的同时，开放互动参 与学习，让你的数据分析之旅快人一步！
入门级图表：用Python快速实现
进阶交互图：股票价格走势
动态趋势图：电商直播分析
地图效果图：销售数据汇总
场景工具：利用pandas工具分解KDJ指标构成
流程处理: 交易数据爬取，业务场景分析建模和可视化
分析结果：用KDJ指标模型对比特币行情买卖点搜索&交易回溯
实战项目：掌握根据数据指数和分析工具寻找虚拟货币买卖原理
他们每周都会定期分享一些干货供大家学习参考，对学习很有帮助。（深度学习DeepLearning.ai实验室认证）（微软/甲骨文/Cloudera等公司颁发的数据分析证书）大家按照以下步骤，获取我特意挑选出来的书籍、视频。
1、扫二维码免费报名课程（限时300个名额）
2、报名成功后添加小助手即可免费领取资料
