前言：

縱觀近幾年的國(guó)產(chǎn)電影市場(chǎng)，“開(kāi)心麻花“似乎已經(jīng)成為了票房的保證。從《夏洛特?zé)馈分练恰ⅰ缎咝叩蔫F拳》到最新上映的《西虹市首富》都引爆了票房钠署。本期我們會(huì)根據(jù)從貓眼電影網(wǎng)爬取到的上萬(wàn)條評(píng)論為你解讀《西虹市首富》是否值得一看。

01 數(shù)據(jù)爬取

此次數(shù)據(jù)爬取我們參考了之前其他文章中對(duì)于貓眼數(shù)據(jù)的爬取方法荒椭，調(diào)用其接口谐鼎，每次取出部分?jǐn)?shù)據(jù)并進(jìn)行去重，最終得到上萬(wàn)條評(píng)論趣惠，代碼如下：

數(shù)據(jù)分析：

我們看一下所得到的數(shù)據(jù)：

數(shù)據(jù)中我們可以得到用戶的昵稱狸棍，方便后面進(jìn)行去重。后面的部分主要圍繞評(píng)分味悄、城市草戈、評(píng)論展開(kāi)。

首先看一下侍瑟，評(píng)論分布熱力圖：

京津翼唐片、江浙滬、珠三角等在各種榜單長(zhǎng)期霸榜單的區(qū)域丢习，在熱力圖中牵触，依然占據(jù)著重要地位。同時(shí)咐低，我們看到東三省和四川揽思、重慶所在區(qū)域也有著十分高的熱度，這也與沈騰自身東北人&四川女婿的身份不謀而合（以上純屬巧合见擦，切勿較真）

下面我們要看的是主要城市的評(píng)論數(shù)量與打分情況：

打出最高分4.77分的正是沈騰家鄉(xiāng)的省會(huì)城市哈爾濱（沈騰出生于黑龍江齊齊哈爾）钉汗，看來(lái)沈騰在黑龍江還是被廣大父老鄉(xiāng)親所認(rèn)可的。最低分和次低分來(lái)自于合肥和鄭州鲤屡，今后的開(kāi)心麻花可以考慮引入加強(qiáng)在中部地區(qū)的宣傳损痰。

我們按照打分從高到底對(duì)城市進(jìn)行排序：

在評(píng)論數(shù)量最多的二十個(gè)城市中，評(píng)分前七名的城市中東北獨(dú)占四席酒来，而分?jǐn)?shù)相對(duì)較低的城市中武漢卢未、合肥、鄭州都屬于中部地區(qū)堰汉，可見(jiàn)不同地區(qū)的觀眾對(duì)影評(píng)的認(rèn)可程度有著一定差異辽社。

我們把城市打分情況投射到地圖中：（紅色表示打分較高，藍(lán)色表示較低）

進(jìn)一步翘鸭，我們把城市劃分為評(píng)分較高和較低兩部分滴铅。

較高區(qū)域：

較低區(qū)域：

可以看到對(duì)于“西紅柿”，南北方觀眾的評(píng)價(jià)存在一定差異就乓，這與每年春晚各個(gè)地區(qū)收視率似乎有一些吻合知乎汉匙。沈騰本身也是春晚的彻八福客，電影中自然會(huì)帶一些“春晚小品味”噩翠，這似乎可以一定程度上解釋我們得到的結(jié)果戏自。

看過(guò)了評(píng)分，我們看一下評(píng)論生成的詞云圖伤锚，以下分別是原圖和據(jù)此繪制的詞云圖：

不知道大家的想法如何浦妄，至少在我看到了這樣的詞云，搞笑见芹、笑點(diǎn)剂娄、值得、開(kāi)心玄呛、不錯(cuò)阅懦，甚至是哈哈都會(huì)激起我強(qiáng)烈的看片欲望。同時(shí)徘铝，沈騰也被大家反復(fù)提起多次耳胎，可以預(yù)見(jiàn)其在片中有著非常不錯(cuò)的表演，也會(huì)一定程度上激發(fā)大家看片的欲望惕它。

03 部分代碼展示

1. 熱力圖

tomato_com = pd.read_excel('西虹市首富.xlsx')

grouped=tomato_com.groupby(['city'])

grouped_pct=grouped['score'] #tip_pct列

city_com = grouped_pct.agg(['mean','count'])

city_com.reset_index(inplace=True)

city_com['mean'] = round(city_com['mean'],2)

data=[(city_com['city'][i],city_com['count'][i]) for i in range(0,

city_com.shape[0])]

geo = Geo('《西虹市首富》全國(guó)熱力圖', title_color="#fff",

title_pos="center", width=1200,

height=600, background_color='#404a59')

attr, value = geo.cast(data)

geo.add("", attr, value, type="heatmap", visual_range=[0, 200],visual_text_color="#fff",

symbol_size=10, is_visualmap=True,is_roam=False)

geo.render('西虹市首富全國(guó)熱力圖.html')

2. 折線圖+柱形圖組合

city_main = city_com.sort_values('count',ascending=False)[0:20]

attr = city_main['city']

v1=city_main['count']

v2=city_main['mean']

line = Line("主要城市評(píng)分")

line.add("城市", attr, v2, is_stack=True,xaxis_rotate=30,yaxis_min=4.2,

mark_point=['min','max'],xaxis_interval =0,line_color='lightblue',

line_width=4,mark_point_textcolor='black',mark_point_color='lightblue',

is_splitline_show=False)

bar = Bar("主要城市評(píng)論數(shù)")

bar.add("城市", attr, v1, is_stack=True,xaxis_rotate=30,yaxis_min=4.2,

xaxis_interval =0,is_splitline_show=False)

overlap = Overlap()

# 默認(rèn)不新增 x y 軸怕午，并且 x y 軸的索引都為 0

overlap.add(bar)

overlap.add(line, yaxis_index=1, is_add_yaxis=True)

overlap.render('主要城市評(píng)論數(shù)_平均分.html')

3. 詞云

tomato_str = ' '.join(tomato_com['comment'])

words_list = []

word_generator = jieba.cut_for_search(tomato_str)

for word in word_generator:

words_list.append(word)

words_list = [k for k in words_list if len(k)>1]

back_color = imread('西紅柿.jpg') # 解析該圖片

wc = WordCloud(background_color='white', # 背景顏色

max_words=200, # 最大詞數(shù)

mask=back_color, # 以該參數(shù)值作圖繪制詞云，這個(gè)參數(shù)不為空時(shí)淹魄，width和height會(huì)被忽略

max_font_size=300, # 顯示字體的最大值

stopwords=STOPWORDS.add('茍利國(guó)'), # 使用內(nèi)置的屏蔽詞郁惜，再添加'茍利國(guó)'

font_path="C:/Windows/Fonts/STFANGSO.ttf",

random_state=42, # 為每個(gè)詞返回一個(gè)PIL顏色

# width=1000, # 圖片的寬

# height=860 #圖片的長(zhǎng)

)

tomato_count = Counter(words_list)

wc.generate_from_frequencies(tomato_count)

# 基于彩色圖像生成相應(yīng)彩色

image_colors = ImageColorGenerator(back_color)

# 繪制詞云

plt.figure()

plt.imshow(wc.recolor(color_func=image_colors))

plt.axis('off')

04 票房預(yù)估

最后我們來(lái)大膽預(yù)估下《西虹市首富》的票房，我們?nèi)粘Ｔ诠ぷ髦袝?huì)選取標(biāo)桿來(lái)對(duì)一些即將發(fā)生的事情進(jìn)行預(yù)估甲锡。這次我們選擇的標(biāo)桿就是《羞羞的鐵拳》：

基于以下幾點(diǎn)我們選擇《羞羞的鐵拳》作為標(biāo)桿：

均是開(kāi)心麻花出品兆蕉、題材相似

演員陣容重合度高

豆瓣粉絲認(rèn)可程度相似（評(píng)分均為6.9，處于喜劇片中位數(shù)水平）

貓眼粉絲認(rèn)可程度相似（鐵拳評(píng)分9.1缤沦，西紅柿評(píng)分9.3）

我們看一下兩部影片前三天的走勢(shì)：

前三天兩部片子的票房走勢(shì)十分相似虎韵，基于之前我們的平均，我們可以嘗試性（比隨機(jī)準(zhǔn)一點(diǎn)）預(yù)測(cè)一下“西紅柿”最終的票房缸废“叮“西紅柿”票房預(yù)測(cè)值≈“鐵拳”總票房/“鐵拳”前三天票房*“西紅柿”前三天票房=22.13/5.25*8.62≈36，考慮到鐵拳上映是在國(guó)慶假期企量，西紅柿的票房預(yù)估需要相應(yīng)的下調(diào)测萎。