前言
- 🔗 运行环境:python3
- 🚩 作者:K同学啊
- 📚 精品专栏:《Matplotlib教程》
- 🧿 优秀专栏:《Python入门100题》
- 🔥 推荐专栏:《小白入门深度学习》
- 🥇 精选专栏:《深度学习100例》
大家,我是K同学啊!
近期一部《长津湖》火爆朋友圈,被各种安利,咱一个人也不想跑电影院去霸个情侣座,就老老实实分析一下影评,看看大家的“观后感”是吧~
首先定位目标网页
https://movie.douban.com/subject/25845392/comments
上爬虫,抓取下面四个字段
然后使用pandas对导入数据并做简单的处理
import pandas as pd
import os
file_path = os.path.join("douban.csv")
#读取test.csv文件中的A、B列,若不设置usecols参数,默认读取全部数据。
df = pd.read_csv(open(file_path,'r',encoding='utf-8'), names=["用户名","星评","评论时间","评论"])
df.head()
用户名 | 星评 | 评论时间 | 评论 | |
---|---|---|---|---|
0 | 依然范特西 | 还行 | 2021-09-30 10:23:06 | 有点失望,剧情可以说无,还是一如既往的人物塑造,一如既往的这样煽情,第一场战斗要比第二场好看... |
1 | 奥利奥小饼干🍪 | 较差 | 2021-09-30 15:13:40 | 看完三个小时只想说以为高潮要来了结果戛然而止,有点头重脚轻了,水门桥的部分是要单独再拿出来整... |
2 | 高质量鉴赏达人 | 较差 | 2021-09-26 21:17:48 | 去看了点映,值得票价,三个小时看下来还好,一直战争戏容易麻痹双眼,但是也刺激。我不喜欢红海因... |
3 | 吴点半 | 还行 | 2021-09-27 18:16:24 | 只说实话:\n1、片长太长,对观众非常不友好。战争戏完全可以减少,士兵互相闹着玩的戏完全可以... |
4 | xi-xia | 还行 | 2021-09-30 11:11:45 | 战斗场面篇幅之长,剧情逻辑衔接之弱,看到最后真的麻木了。片长控制在两个小时更好一点。 |
star_num = df.星评.value_counts()
star_num = star_num.sort_index()
star_num
力荐 112
推荐 35
该用户未星评 2
较差 14
还行 37
Name: 星评, dtype: int64
豆瓣短评评分占比
from pyecharts.charts import Pie, Bar, Line, Page
from pyecharts import options as opts
from pyecharts.globals import SymbolType
# 数据对
data_pair = [list(z) for z in zip([i for i in star_num.index], star_num.values.tolist())]
# 饼图
pie1 = Pie(init_opts=opts.InitOpts(width='800px', height='400px'))
pie1.add('', data_pair, radius=['35%', '60%'])
pie1.set_global_opts(title_opts=opts.TitleOpts(title='豆瓣短评评分占比'),
legend_opts=opts.LegendOpts(orient='vertical', pos_top='15%', pos_left='2%')
)
pie1.set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{d}%'))
pie1.render_notebook()
评论数量走势图
# 折线图
line1 = Line(init_opts=opts.InitOpts(width='800px', height='400px'))
line1.add_xaxis(comment_date.index.tolist())
line1.add_yaxis('', comment_date.values.tolist(),
#areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
label_opts=opts.LabelOpts(is_show=False))
line1.set_global_opts(title_opts=opts.TitleOpts(title='评论数量走势图'),
# toolbox_opts=opts.ToolboxOpts(),
visualmap_opts=opts.VisualMapOpts(max_=140))
line1.set_series_opts(linestyle_opts=opts.LineStyleOpts(width=4))
line1.render_notebook()
9月30号上映,9月29号就开始造势了,30号达到高峰,但是1号似乎势头大减啊。
词云图
正面
import jieba
def get_cut_words(content_series):
# 读入停用词表
stop_words = []
with open(r"hit_stopwords.txt", 'r', encoding='utf-8') as f:
lines = f.readlines()
for line in lines:
stop_words.append(line.strip())
# 添加关键词
my_words = ['长津湖', '志愿军']
for i in my_words:
jieba.add_word(i)
# 自定义停用词
my_stop_words = ['电影',"长津湖","战争"]
stop_words.extend(my_stop_words)
# 分词
word_num = jieba.lcut(content_series.str.cat(sep='。'), cut_all=False)
# 条件筛选
word_num_selected = [i for i in word_num if i not in stop_words and len(i)>=2]
return word_num_selected
text1 = get_cut_words(content_series=df[(df.星评=='力荐')|(df.星评=='推荐')]['评论'])
text1[:5]
['牺牲', '冰雪', '战士', '应该', '遗忘']
import stylecloud
from IPython.display import Image # 用于在jupyter lab中显示本地图片
# 绘制词云图
stylecloud.gen_stylecloud(text=' '.join(text1),
max_words=1000,
collocations=False,
font_path=r'经典综艺体简.ttf',
icon_name='fas fa-thumbs-up',
size=360,
output_name='豆瓣正向评分词云图.png')
Image(filename='豆瓣正向评分词云图.png')
负面
text2 = get_cut_words(content_series=df[(df.星评=='还行')|(df.星评=='较差')]['评论'])
text2[:5]
['有点', '失望', '剧情', '一如既往', '人物']
# 绘制词云图
stylecloud.gen_stylecloud(text=' '.join(text2),
max_words=1000,
collocations=False,
font_path=r'经典综艺体简.ttf',
icon_name='fas fa-thumbs-down',
size=350,
output_name='豆瓣负向评分词云图.png')
Image(filename='豆瓣负向评分词云图.png')
🔥 关注下方公众号(K同学啊)回复:长津湖
,获取源码