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。