用 Python 来了解一下《安家》

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了用 Python 来了解一下《安家》，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含7741字，纯文字阅读大概需要12分钟。

内容图文

如果要选一部近期最火的电视剧，一定非《安家》莫属，你可能没有具体看过，但如果你看微博的话一定听过这个名字，这部电视剧多次登上微博热搜榜，好像还有几次冲上了热搜榜首，该剧主要讲述的是关于房产中介卖房的故事，电视剧原名也是叫卖房子的人。

使用 Python 分析这部电视剧，主要包括两个步骤：获取数据和分析数据，数据来源我们选取《安家》的豆瓣评论区数据。

获取数据

豆瓣中《安家》的地址是：https://movie.douban.com/subject/30482003/，我们打开看一下，如下图所示：

从图中我们可以直观的看出截止目前有 9 万多人进行了打分，从评分上来看，打三星和四星的人数居多，总体评分 6.2 属于及格分，算是中规中矩吧。

我们把页面向下拉到评论区位置，如下图所示：

我们可以看到目前有  3 万多条评论数据，豆瓣对查看评论数据的限制是：未登录时最多可以查看 200 条，登录用户最多可以查看 500 条，也就是说我们最多可以抓取  500 条评论相关的信息，我们要抓取的数据项包括：用户昵称、星级、评论时间、评论内容，将这些信息抓取后我们再将其存到 csv  文件，代码实现如下：

import requests, time, random, pandas as pdfrom lxml import etree
def spider(): ? ?url = 'https://accounts.douban.com/j/mobile/login/basic' ? ?headers = {"User-Agent": 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)'} ? ?# 安家评论网址，为了动态翻页，start 后加了格式化数字，短评页面有 20 条数据，每页增加 20 条 ? ?url_comment = 'https://movie.douban.com/subject/30482003/comments?start=%d&limit=20&sort=new_score&status=P' ? ?data = { ? ? ? ?'ck': '', ? ? ? ?'name': '自己的用户', ? ? ? ?'password': '自己的密码', ? ? ? ?'remember': 'false', ? ? ? ?'ticket': '' ? ?} ? ?session = requests.session() ? ?session.post(url=url, headers=headers, data=data) ? ?# 初始化 4 个 list 分别存用户名、评星、时间、评论文字 ? ?users = [] ? ?stars = [] ? ?times = [] ? ?content = [] ? ?# 抓取 500 条，每页 20 条，这也是豆瓣给的上限 ? ?for i in range(0, 500, 20): ? ? ? ?# 获取 HTML ? ? ? ?data = session.get(url_comment % i, headers=headers) ? ? ? ?# 状态码 200 表是成功 ? ? ? ?print('第', i, '页', '状态码：',data.status_code) ? ? ? ?# 暂停 0-1 秒时间，防止 IP 被封 ? ? ? ?time.sleep(random.random()) ? ? ? ?# 解析 HTML ? ? ? ?selector = etree.HTML(data.text) ? ? ? ?# 用 xpath 获取单页所有评论 ? ? ? ?comments = selector.xpath('//div[@class="comment"]') ? ? ? ?# 遍历所有评论，获取详细信息 ? ? ? ?for comment in comments: ? ? ? ? ? ?# 获取用户名 ? ? ? ? ? ?user = comment.xpath('.//h3/span[2]/a/text()')[0] ? ? ? ? ? ?# 获取评星 ? ? ? ? ? ?star = comment.xpath('.//h3/span[2]/span[2]/@class')[0][7:8] ? ? ? ? ? ?# 获取时间 ? ? ? ? ? ?date_time = comment.xpath('.//h3/span[2]/span[3]/@title') ? ? ? ? ? ?# 有的时间为空，需要判断下 ? ? ? ? ? ?if len(date_time) != 0: ? ? ? ? ? ? ? ?date_time = date_time[0] ? ? ? ? ? ?else: ? ? ? ? ? ? ? ?date_time = None ? ? ? ? ? ?# 获取评论文字 ? ? ? ? ? ?comment_text = comment.xpath('.//p/span/text()')[0].strip() ? ? ? ? ? ?# 添加所有信息到列表 ? ? ? ? ? ?users.append(user) ? ? ? ? ? ?stars.append(star) ? ? ? ? ? ?times.append(date_time) ? ? ? ? ? ?content.append(comment_text) ? ?# 用字典包装 ? ?comment_dic = {'user': users, 'star': stars, 'time': times, 'comments': content} ? ?# 转换成 DataFrame 格式 ? ?comment_df = pd.DataFrame(comment_dic) ? ?# 保存数据 ? ?comment_df.to_csv('data.csv') ? ?# 将评论单独再保存下来 ? ?comment_df['comments'].to_csv('comment.csv', index=False)

分析数据

现在数据取到了，我们使用 Python 来对这些数据进行分析一下。

评论数量

首先，我们来统计一下这 500 条数据每天的评论数量，然后利用折线图进行数据展示，代码实现如下：

import pandas as pd, matplotlib.pyplot as plt
csv_data = pd.read_csv('data.csv')df = pd.DataFrame(csv_data)df_gp = df.groupby(['time']).size()values = df_gp.values.tolist()index = df_gp.index.tolist()# 设置画布大小plt.figure(figsize=(10, 6))# 数据plt.plot(index, values, label='评论数')# 设置数字标签for a, b in zip(index, values): ? ?plt.text(a, b, b, ha='center', va='bottom', fontsize=13, color='black')plt.title('评论数随时间变化折线图')plt.xticks(rotation=330)plt.tick_params(labelsize=10)plt.ylim(0, 200)plt.legend(loc='upper right')plt.show()

看一下效果图：

从图中我们可以看出  2 月 21、22 这两天评论数最多，其中 2 月 21 号为开播日，评论数较多很正常， 2 月 22  号评论数多于开播日，我们大致可以推测是开播后网络等渠道进一步扩散的因素，之后随着时间的推移热度有所下降，评论数量呈下降至相对平稳的趋势。

角色分析

我们接着统计评论区中几个主要角色被提及的次数，然后再利用柱状图进行数据展示，代码实现如下所示：

import pandas as pd, jieba, matplotlib.pyplot as plt
csv_data = pd.read_csv('data.csv')roles = {'姑姑':0, '房似锦':0, '王子':0, '闪闪':0, '老油条':0, '楼山关':0, '鱼化龙':0}names = list(roles.keys())for name in names: ? ?jieba.add_word(name)for row in csv_data['comments']: ? ?row = str(row) ? ?for name in names: ? ? ? ?count = row.count(name) ? ? ? ?roles[name] += countplt.figure(figsize=(8, 5))# 数据plt.bar(list(roles.keys()), list(roles.values()), width=0.5, label='提及次数', color=['g', 'r', 'dodgerblue', 'c', 'm', 'y', 'aquamarine'])# 设置数字标签for a, b in zip(list(roles.keys()), list(roles.values())): ? ?plt.text(a, b, b, ha='center', va='bottom', fontsize=13, color='black')plt.title('角色被提及次数柱状图')plt.xticks(rotation=270)plt.tick_params(labelsize=10)plt.ylim(0, 30)plt.legend(loc='upper right')plt.show()

看一下效果图：

我们从角色被提及的次数可以大致推测出角色的受欢迎程度。

星级变化

我们接着根据获取数据来看一下这几天星级变化的大致趋势，一天中如果有多条星评我们取其平均值即可，代码实现如下所示：

import pandas as pd, numpy as np, matplotlib.pyplot as plt
csv_data = pd.read_csv('data.csv')df_time = csv_data.groupby(['time']).size()df_star = csv_data.groupby(['star']).size()index = df_time.index.tolist()value = [0] * len(index)# 生成字典dic = dict(zip(index, value))for k, v in dic.items(): ? ?stars = csv_data.loc[csv_data['time'] == str(k), 'star'] ? ?# 平均值 ? ?avg = np.mean(list(map(int, stars.values.tolist()))) ? ?dic[k] = round(avg ,2)# 设置画布大小plt.figure(figsize=(9, 6))# 数据plt.plot(list(dic.keys()), list(dic.values()), label='星级')plt.title('星级随时间变化折线图')plt.xticks(rotation=330)plt.tick_params(labelsize=10)plt.ylim(0, 5)plt.legend(loc='upper right')plt.show()

看一下效果图：

从现有数据来看，《安家》的星级整体维持在 2 星左右，我们可以发现尽管该剧比较热，但观众对该剧的满意并不是很高。

词云展示

最后，我们对所有评论进行词云效果展示，这样可以让我们更加直观的看出评论区哪些词汇出现的频率较高，实现代码如下所示：

from wordcloud import WordCloudimport numpy as np, jiebafrom PIL import Image
def jieba_(): ? ?# 打开评论数据文件 ? ?content = open('comment.csv', 'rb').read() ? ?# jieba 分词 ? ?word_list = jieba.cut(content) ? ?words = [] ? ?# 过滤掉的词 ? ?remove_words = ['以及', '不会', '一些', '那个', '只有', ? ? ? ? ? ? ? ? ? ?'不过', '东西', '这个', '所有', '这么', ? ? ? ? ? ? ? ? ? ?'但是', '全片', '一点', '一部', '一个', ? ? ? ? ? ? ? ? ? ?'什么', '虽然', '一切', '样子', '一样', ? ? ? ? ? ? ? ? ? ?'只能', '不是', '一种', '这个', '为了'] ? ?for word in word_list: ? ? ? ?if word not in remove_words: ? ? ? ? ? ?words.append(word) ? ?global word_cloud ? ?# 用逗号隔开词语 ? ?word_cloud = '，'.join(words)
def cloud(): ? ?# 打开词云背景图 ? ?cloud_mask = np.array(Image.open('bg.jpg')) ? ?# 定义词云的一些属性 ? ?wc = WordCloud( ? ? ? ?# 背景图分割颜色为白色 ? ? ? ?background_color='white', ? ? ? ?# 背景图样 ? ? ? ?mask=cloud_mask, ? ? ? ?# 显示最大词数 ? ? ? ?max_words=100, ? ? ? ?# 显示中文 ? ? ? ?font_path='./fonts/simhei.ttf', ? ? ? ?# 最大尺寸 ? ? ? ?max_font_size=80 ? ?) ? ?global word_cloud ? ?# 词云函数 ? ?x = wc.generate(word_cloud) ? ?# 生成词云图片 ? ?image = x.to_image() ? ?# 展示词云图片 ? ?image.show() ? ?# 保存词云图片 ? ?wc.to_file('anjia.png')
jieba_()cloud()

看一下效果图：

总结

本文通过爬取豆瓣中《安家》的评论区数据并对其进行可视化，我们可以大致了解观众对《安家》这部电视大致的评价情况，当然因为我们所获取的样本数量有限，可能或多或少还会与用户实际的评价情况有一点偏差。

内容总结

以上是互联网集市为您收集整理的用 Python 来了解一下《安家》全部内容，希望文章能够帮你解决用 Python 来了解一下《安家》所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端