Py学习  »  Python

「长津湖」 为什么这么火爆?用Python分析了5w+影评

Python绿色通道 • 4 年前 • 733 次点击  
↑ 关注 + 星标 ,每天学Python新技能

后台回复【大礼包】送你Python自学大礼包


要说十一档最热门的电影,那肯定是长津湖了,在十一档电影中评分排名第一。


并且刚刚上映两天,票房就已经突破了六亿,破了十一项记录!


本文通过爬取《长津湖》豆瓣短评,进行数据可视化分析后,来看看这部电影为什么这么受大家欢迎!


后台回复[长津湖]即可获得全部源码。


01

数据采集


我们进入豆瓣电影的短评页面,按F12打开开发者模式后,对页面进行观察后发现,评论数据是存在于源网页中的。


在上面,我们已经找到数据存储的网页和方式,那么只需要找到页面之间的联系,构造好循环,就可以批量开始爬取啦~


接下来对不同页面之间的URL进行观察


我们发现,每翻一页,start这个参数就增加20,其他参数不变,至此我们就可以开始构建爬虫了。


数据采集的核心代码:

import requests
import re
import openpyxl
for page in range(80):
try:

params = (

('start', str(page * 20)),
('limit', '20'),
('status', 'P'),
('sort', 'new_score'),
('comments_only', '1'),
('ck', 'qN8_'),
)

r = requests.get('https://movie.douban.com/subject/32493124/comments', headers=headers, params=params, cookies=cookies)

yonghumingchengs = re.findall('', r.json()['html'], re.S)
youyongshus = re.findall('(.*?)', r.json()['html'], re.S)
pinglunshijians = re.findall('', r.json()['html'], re.S)
pingluns = re.findall('(.*?)', r.json()['html'], re.S)



for i in range(20):
a = a + 1
sheet.append([yonghumingchengs[i], youyongshus[i], pinglunshijians[i].split()[0].split("-")[-1],
pinglunshijians[i].split()[1].split(":")[0], pingluns[i]])
print(f"已爬取完第{page}页数据,存入{i + 1}条数据....")
except:
wb.save("全部.xlsx")
print(f"共爬取{page}页数据,存入{a}条数据....")
~~~



02

数据处理


01

 导入评论数据


用pandas读取合并后的影评数据并预览。


import pandas as pd
df = pd.read_excel('全部.xlsx',names=['用户名称','点赞数','评论日期','评论时间','评论内容'])
df.head()


02

 删除重复数据


df.drop_duplicates()


03

 查看数据类型


df.info()

字段类型和缺失值对可视化分析的影响非常大,所以要在进行可视化分析前要对其进行查看。




字段类型和缺失值符合分析需要,无需另做处理。


03

可视化分析


现在对处理过的评论数据进行可视化分析。


01

 词云图展示


对评论进行词云图展示后,我们发现战争、历史、震撼、志愿军这几个词出现非常多,很符合这部剧的主题。


02

 各类星级占比



从图中,我们可以明显的看出,打4星的观众最多,占了36.3%,其次是3星和5星,分别占30.8%和25.6%。这样看来,观众还是非常肯定这部影片的。


03

 主演提及次数



吴京和易烊千玺的提及数最多,没想到提及最少的是段奕宏。


04

 评论发表时间分布



从图中,我们可以看出,大部分影评发表时间在17点、22点影院,所以可以适当增加这两个时间点的场次。


04

小结


1. 本文仅供学习研究使用,提供的评论仅供参考。

2. 本人对影视的了解有限,言论粗糙,还请勿怪。


推荐阅读




    
  1. Python一行代码能做什么,30个实用案例代码详解

  2. 凉了7年的快播,登上排行榜第一

  3. 好大的官威!!!某科技公司领导工作群里爆粗口,直接@员工滚







Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/120830