2021年的春节假期就这么结束了,本届春节档的中国电影总票房达到了78亿元!这还真是:就地过年催生“史上最强春节档”啊!
其中《唐人街探案3》率先打破多项记录,但因其广告植入又多又尴尬、剧情槽点过多等等差评使得口碑一度下滑,豆瓣评分更是从6.8分跌到了如今的5.6分,降到了烂片的行列。不过,它仍然进入了票房榜前五!
与此同期,《你好,李焕英》从春节档第4天开始,不论是上座率、排片率、还是单日票房都实现了成功逆袭,成为春节档的最大黑马。
今天我们就用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。
from lxml import etree
import requests
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。
凭借《你好,李焕英》这部电影,贾玲成为了中国票房最高女导演!沈腾原本只是去客串,结果一不小心成了主角,又一不小心成了150亿电影男演员。”
提及次数第三名的是沈腾饰演的沈光林,许多网友们都在说“沈腾原本只是去客串《你好,李焕英》,结果一不小心成了主角,又一不小心成了150亿电影男演员。”
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?
免费领取资料和大厂直播课
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
网易直播课内容详情
流程解析:5个关键步骤,掌握核心方法 过程处理:2个关键工具,提升工作效率 实战项目:二手车网站数据爬取+可视化
4个案例,用Python实现【交互式可视化报表】
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
免费领取资料和大厂直播课
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