深陷抄襲之名、訴訟糾紛的《愛情公寓》終于上映了弄诲。

情懷粉們的力量不容小覷愚战，截止到撰稿，《愛情公寓》票房已經(jīng)突破 3.72 億大關(guān)齐遵，穩(wěn)坐票房冠軍的寶座寂玲，院線排片占比高達 40.0%。

和超高票房背道而馳的梗摇，是各大社交平臺上一邊倒的差評拓哟。豆瓣萬人打分，九成觀眾果斷打了一星伶授，只無奈豆瓣沒有零星選項彰檬。

不知道有多少像我這樣的情懷粉絲們伸刃，滿懷期待地買了電影票，走進電影院逢倍，卻發(fā)現(xiàn)是交了智商稅捧颅。

豆瓣短評區(qū)里，觀眾們的狀態(tài)已經(jīng)出離憤怒较雕，近乎暴走的狀態(tài)碉哑。有人揭露電影掛羊頭賣狗肉，電影內(nèi)容和《愛情公寓》故事主線毫無關(guān)系亮蒋，是山寨電影扣典、詐騙電影、電影中的拼多多慎玖。

為了燃解我心頭之恨贮尖，筆者將會跟你一起用貓眼上萬條評論數(shù)據(jù)來分析，網(wǎng)友對這部電影的反響是否爛到刷新國產(chǎn)片不要臉的下限趁怔？

還是老規(guī)矩湿硝，整體思路將會從數(shù)據(jù)獲取、數(shù)據(jù)清洗润努、數(shù)據(jù)可視化三部曲來進行：

01：數(shù)據(jù)獲取清洗

整體思路與之前獲取《邪不壓正》評論一樣：

具體代碼如下：关斜、

import requests

import time

import random

import json

#獲取每一頁數(shù)據(jù)

def get_one_page(url):

response = requests.get(url=url)

if response.status_code == 200:

return response.text

return None

#解析每一頁數(shù)據(jù)

def parse_one_page(html):

data = json.loads(html)['cmts']#獲取評論內(nèi)容

for item in data:

yield{

'date':item['time'].split(' ')[0],

'nickname':item['nickName'],

'city':item['cityName'],

'rate':item['score'],

'conment':item['content']

}

#保存到文本文檔中

def save_to_txt():

for i in range(1,1001):

print("開始保存第%d頁" % i)

url = 'http://m.maoyan.com/mmdb/comments/movie/1175253.json?_v_=yes&offset=' + str(i)

html = get_one_page(url)

for item in parse_one_page(html):

with open('愛情公寓.txt','a',encoding='utf-8') as f:

f.write(item['date'] + ','+item['nickname'] +','+item['city'] +','

+str(item['rate']) +',' +item['conment']+' ')

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

time.sleep(2)

#去重重復的評論內(nèi)容

def delete_repeat(old,new):

oldfile = open(old,'r',encoding='utf-8')

newfile = open(new,'w',encoding='utf-8')

content_list = oldfile.readlines() #獲取所有評論數(shù)據(jù)集

content_alread = [] #存儲去重后的評論數(shù)據(jù)集

for line in content_list:

if line not in content_alread:

newfile.write(line+' ')

content_alread.append(line)

if __name__ == '__main__':

save_to_txt()

delete_repeat(r'愛情公寓_old.txt',r'愛情公寓_new.txt')

02：數(shù)據(jù)分析可視化

我們將用 Python 的兩個模塊 Pandas 與 pyecharts：

pyecharts 是一個用于生成 Echarts 圖表的類庫。Echarts 是百度開源的一個數(shù)據(jù)可視化 JS 庫铺浇。用 Echarts 生成的圖可視化效果非常棒痢畜，pyecharts 是為了與 Python 進行對接，方便在 Python 中直接使用數(shù)據(jù)生成圖鳍侣。（詳情請看：http://pyecharts.org/）

Pandas 是基于 NumPy 的一個非常好用的庫丁稀，正如名字一樣，人見人愛倚聚。之所以如此二驰，就在于不論是讀取、處理數(shù)據(jù)秉沼，用它都非常簡單桶雀。Pandas 有兩種自己獨有的基本數(shù)據(jù)結(jié)構(gòu)。要使用 pandas唬复，首先就得熟悉它的兩個主要數(shù)據(jù)結(jié)構(gòu)：Series 和 DataFrame矗积。其中 Series 的性質(zhì)和 Python 中原生的 dict 差不多，一個 key 對應一個 vaule敞咧，而且 key 必須是唯一的棘捣；DataFrame(以下簡稱 df)的性質(zhì)則和 SQL 中的 table 差不多（詳情請看：http://pandas.pydata.org/）。

真可謂電影界的“拼多多”休建。

我們把城市打分情況投射到地圖中乍恐，可以看出：

在熱力圖中评疗，白銀、綿陽茵烈、遵義等三四線城市熱度相對高點百匆，也可看出隨著人們消費水平的升級，去電影院看電影是娛樂首選呜投。在滿足普通人民精神娛樂需求方面加匈，但也不能掛羊頭賣狗肉，電影內(nèi)容和《愛情公寓》故事主線毫無關(guān)系仑荐。這難道不是電影界的拼多多么雕拼？

在學習中有迷茫不知如何學習的朋友小編推薦一個學Python的學習裙[663033228]無論你是大牛還是小白，是想轉(zhuǎn)行還是想入行都可以來了解一起進步一起學習粘招！裙內(nèi)有開發(fā)工具啥寇，很多干貨和技術(shù)資料分享！

評分清一色洒扎，均為 3 星級

圖為主要城市的評論數(shù)量與打分情況：

由圖中可看出辑甜，各大城市觀眾打分均為 3 星級左右，這與貓眼評分 6.6 基本吻合逊笆；打出最高分與最低分分別是哈爾濱與中山栈戳。同時也能看出岂傲，一二線城市觀眾對此很失望难裆。

有些人的良心被狗吃了？

看過了評分镊掖，我們看一下評論生成的詞云圖：

由詞云圖可以看出乃戈，愛情公寓、盜墓電影二詞顯目在列亩进，整部電影就 30 秒和《愛情公寓》有關(guān)症虑，所謂的集齊原班人馬回歸也只是個幌子，《愛情公寓》大電影完全是一部盜墓筆記归薛，真正毀了《愛情公寓》這個 IP谍憔，也毀了《盜墓筆記》這個 IP。

但即便是在這樣觀眾一致認為徹底失望的情況之下主籍，依然有一波忠實的『粉絲們』堅守陣地习贫。他們的手中依然緊握著情懷牌，打分也是一水的五星千元。

對于這些水軍以及說《愛情公寓》好看的人苫昌，大家可以絕交了；作為觀眾幸海，任何的關(guān)注都是助長《愛情公寓》的囂張氣焰祟身，我們也有責任自發(fā)抵制爛片奥务，決不讓詐騙電影多賺一分錢。

以上信息具體代碼為：

from wordcloud import WordCloud,STOPWORDS

import pandas as pd

import jieba

import matplotlib.pyplot as plt

#import seaborn as sns

from pyecharts import Geo,Style,Line,Bar,Overlap

f = open('愛情公寓_new.txt',encoding='utf-8')

data = pd.read_csv(f,sep=',',header=None,encoding='utf-8',names=['date','nickname','city','rate','comment'])

city = data.groupby(['city'])

rate_group = city['rate']

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

#print(city_com)

city_com.reset_index(inplace=True)

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

#熱力圖分析

data_map = [(city_com['city'][i],city_com['count'][i]) for i in range(0,city_com.shape[0])]

#print(data_map)

style = Style(title_color="#fff",title_pos = "center",

width = 1200,height = 600,background_color = "#404a59")

geo = Geo("《愛情公墓》粉絲人群地理位置","數(shù)據(jù)來源：戀習Python",**style.init_style)

while True:

try:

attr,val = geo.cast(data_map)

geo.add("",attr,val,visual_range=[0,20],

visual_text_color="#fff",symbol_size=20,

is_visualmap=True,is_piecewise=True,

visual_split_number=4)

except ValueError as e:

e = str(e)

e = e.split("No coordinate is specified for ")[1]#獲取不支持的城市名

for i in range(0,len(data_map)):

if e in data_map[i]:

data_map.pop[i]

break

else:

break

geo.render('愛情公墓.html')

#折線+柱圖分析

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

#print(city_main)

attr = city_main['city']

v1 = city_main['count']

v2 = city_main['mean']

#print(attr,v1,v2)

line = Line("主要城市評分")

line.add("城市",attr,v2,is_stack=True,xaxis_rotate=30,yaxix_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("主要城市評論數(shù)")

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

xaxis_interval=0,is_splitline_show=False)

overlap = Overlap()

overlap.add(bar)

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

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

#詞云分析

#分詞

comment = jieba.cut(str(data['comment']),cut_all=False)

wl_space_split = " ".join(comment)

#導入背景圖

backgroud_Image = plt.imread('lan.jpg')

stopwords = STOPWORDS.copy()

#print("STOPWORDS.copy()",help(STOPWORDS.copy()))

wc = WordCloud(width=1024,height=768,background_color='white',

mask=backgroud_Image,font_path="C:simhei.ttf",

stopwords=stopwords,max_font_size=400,

random_state=50)

wc.generate_from_text(wl_space_split)

plt.imshow(wc)

plt.axis('off')#不顯示坐標軸

plt.show()

wc.to_file(r'laji.jpg')

最后袜硫，作為《愛情公寓》之前的鐵粉氯葬，只想評價一個字：爛。

爛在哪里父款？并不是爛在盜墓劇情溢谤，也不爛在演員特效。爛在它消費粉絲熱情和愛戴憨攒，玩弄觀眾世杀。

2.4 分我想更多是對韋正和汪遠的評價。為了賺錢肝集，上映前吹噓夸大瞻坝，不設(shè)點映；為了賺錢杏瞻，宣傳片預告片 MV 大量回憶殺所刀，關(guān)谷展博無限出鏡；為了賺錢捞挥，藏著掖著不見光不露臉浮创，以 9.9 分的保票“催”著粉絲買預售票。上映第一天 3 億砌函。賺的盆滿缽滿斩披。

反過來看觀眾，哭著臉走出影院的讹俊，多數(shù)是被結(jié)尾彩蛋感動垦沉，彩蛋才真正傳達了“愛情公寓精神”。主演們對著鏡頭的自白仍劈，說出了我們最想聽到的幾段話厕倍，才真正喚起了我們腦海里對愛情公寓的美好回憶。

電影結(jié)尾的彩蛋贩疙，小姨媽呼喚關(guān)谷的那一段讹弯，算是愛情公寓最感人的地方了吧。

但是这溅，一個彩蛋真的配 3 億票房嗎组民？

用近乎做作的猶抱琵琶半遮面的營銷手段，讓大家對它憧憬芍躏，希望它能給我們的記憶畫上一個圓滿的句號邪乍，可卻用一部近乎玩笑的垃圾影片嘲笑我們對它的喜愛。

打著情懷的旗號，將一個個劇版粉絲騙進電影院庇楞，將電影票錢裝進自己的腰包榜配。

這就是它最爛的地方。