数据分析——5天破10亿的哪吒，为啥这么火，Python来分析

「爱情、让人受尽委屈。」 2023-06-02 07:50 101阅读 0赞

不知道大家最近有没有去看电影，最近身边的朋友都在向我安利一部叫做《哪吒之魔童降世》的动漫电影。大家无一例外，都说非常的好看。

看一下最近的微信搜索指数，比火热的电视剧“亲爱的热爱的”搜索指数要高出近6倍，比迪斯尼的“狮子王”要高出22倍，确实非常火。

![1508031-20190806202209177-680726598.png][]

去猫眼上看了一下，结果显示在接近84万人评分的情况下，评分竟然高达9.7分。看了这确实是一部好剧，去爬取一下大家的评论，并进行一波分析，从中发现一些值得关注的东西。

![1508031-20190806202245386-237085139.png][]

**1.数据的获取**

首先是关于数据的爬取，数据的爬取相对简单，大家只需要打开猫眼网里面这部片子的网址，便可以看到下面的影评。在开发者模式中，切换到移动端，便可以看到影评，如果大家仔细观察，可以发现，影评是动态加载的，如下图所示：

![1508031-20190806202343878-886337143.png][]

动态加载的话，大家只需要在network下的XHR内，仔细观察，便可以发现网页动态加载的json数据，也就是我们要爬取的数据。如下图所示。

![1508031-20190806202404647-1627790006.png][]

接下来就是利用简单的爬虫进行爬取了，部分代码如下图所示。

![1508031-20190806202429630-652738117.png][]

爬取的过程其实很简单，通过手机端的链接进去，然后循环爬取，用bs进行解析即可，然后把保存为json文件。

**2.数据的分析**

爬取完数据之后，接下来便是数据的分析，上述的数据中，大概有5000多条。(先爬5000条，高并发几十万条需要用分布式爬虫才可以）

![1508031-20190806202522880-1292226459.png][]

爬到了评论者的性别（0为未知，1代表男，2代表女）、等级、所在城市、评分以及评语。

![1508031-20190806202549380-1846414982.png][]

**3.影评分析**

用Python做可视化分析的工具很多，目前比较轻量级好用的库是pyecharts。我们看快速看一下近5000条影评的数据可视化结果:

**1)总体评分**

《哪吒》在猫眼中的总体评分为9.7分，这个分数无疑是非常高的。超过了国产动画 比如“白蛇传”。从评分分布来看，大多数评分都给了满分，占总数的86.5%，其次是4.5分，占总数的7.7%，给到3分及以下的人非常少，还不足总人数的5%，要知道众口难调，这个差评比例在电影中可以算非常低的了。

![1508031-20190806202653968-951673782.png][]

**2)性别差异**

通常来说这种国产动画的“大片”比较符合大众口味，从评论者性别分布数据来看，虽然有接近一半的人不愿透露性别，但从已知数据判断，观影男女比例约为1:1多一点，女性观众的比例稍微高一点。

![1508031-20190806202718752-1971325062.png][]

**3).城市分布**

接下来小编分析了评论者所在的城市分布。首先是直方图的来粗略的展示前十大热门的影迷城市，如下图所示：

![1508031-20190806202738674-1410480328.png][]

直方图的展示不是很直观也不全面，因此，小编采用地图的形式，为大家更加直观的进行展示，由于观影者的城市地理位置可能没有出现在程序的设置中，因此，小编只选取了观影城市最多的前八十个城市作为动态展示，如下图所示：

![1508031-20190806202842140-1353826496.png][]

**4).评论内容**

首先整合评论内容，然后利用wordcloud库绘制词云图，从词云分析情况来看，满屏的**“好看”，“不错”，“特效”**等赞美的词语，与以往的电影不同的是，**“剧情”，“故事”**等字眼也特别醒目。

![1508031-20190806202910020-98235579.png][]

转载于:https://www.cnblogs.com/LCharles/p/11311639.html

[1508031-20190806202209177-680726598.png]: /images/20230601/6ab110de3abc4d1d883a6b47c8c620e5.png
[1508031-20190806202245386-237085139.png]: /images/20230601/9ecd866d10314203a39845cb395fb1ee.png
[1508031-20190806202343878-886337143.png]: /images/20230601/9c23c37c7a4441d8b5f867152a662edf.png
[1508031-20190806202404647-1627790006.png]: /images/20230601/df0456027cea46579bf117a4bd7c9cbf.png
[1508031-20190806202429630-652738117.png]: /images/20230601/4fa46b0eafeb45ed8dc31ca4d6c7776f.png
[1508031-20190806202522880-1292226459.png]: /images/20230601/d0f2a6f744344a829892803f02711a7e.png
[1508031-20190806202549380-1846414982.png]: /images/20230601/92699d8d1358447185172f51aab4defa.png
[1508031-20190806202653968-951673782.png]: /images/20230601/fca13fc92a2a4ad295118e6ca1999d6c.png
[1508031-20190806202718752-1971325062.png]: /images/20230601/7a10318033ca4b86bf2994eaf06d8ad6.png
[1508031-20190806202738674-1410480328.png]: /images/20230601/fafc7ff588434121a76fe1da7ef001a9.png
[1508031-20190806202842140-1353826496.png]: /images/20230601/9ecec27e10f645599cd9f8bd252f88d8.png
[1508031-20190806202910020-98235579.png]: /images/20230601/7ca56c5e0d504c108cd830f6fb98dfb4.png