Python分析最近大火的網(wǎng)劇《隱秘的角落》

更新時間：2020年07月02日 11:34:52 作者：松鼠愛吃餅干

這篇文章主要介紹了Python分析最近大火的網(wǎng)劇《隱秘的角落》,本文通過實例代碼圖文相結合給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下

前言

估計最近很火的連續(xù)劇《隱秘的角落》大家趁著端午假期都看過了吧？小編也跟著潮流，一口氣把12集的連續(xù)劇全部看完了。看過的人肯定對朋友圈里有人發(fā)的“一起去爬山”、“小白船”、“還有機會嗎”的意思心照不宣。沒看過的，如果已為人父人母的，強烈要求看一下。

劇很精彩，但追劇界有句俗話說得好：“彈幕往往比劇更精彩”，為了讓精彩延續(xù)下去，咱們來看看該劇彈幕的部分。電視劇是在愛奇藝獨播，因此從愛奇藝上爬蟲最為合適。

爬取彈幕

愛奇藝的彈幕數(shù)據(jù)是以 .z 形式的壓縮文件存在的，先獲取 tvid 列表，再根據(jù) tvid 獲取彈幕的壓縮文件，最后對其進行解壓及存儲，大概就是這樣一個過程。

def get_data(tv_name,tv_id):
 url = https://cmts.iqiyi.com/bullet/{}/{}/{}_300_{}.z
 datas = pd.DataFrame(columns=[uid,contentsId,contents,likeCount])
 for i in range(1,20):
  myUrl = url.format(tv_id[-4:-2],tv_id[-2:],tv_id,i)
  print(myUrl)
  res = requests.get(myUrl)
  if res.status_code == 200:
   btArr = bytearray(res.content)
   xml=zlib.decompress(btArr).decode(utf-8)
   bs = BeautifulSoup(xml,"xml")
   data = pd.DataFrame(columns=[uid,contentsId,contents,likeCount])
   data[uid] = [i.text for i in bs.findAll(uid)]
   data[contentsId] = [i.text for i in bs.findAll(contentId)]
   data[contents] = [i.text for i in bs.findAll(content)]
   data[likeCount] = [i.text for i in bs.findAll(likeCount)]
  else:
   break
  datas = pd.concat([datas,data],ignore_index = True)
 datas[tv_name]= str(tv_name)
 return datas

共爬取得到201865 條《隱秘的角落》彈幕數(shù)據(jù)。

彈幕發(fā)射器

按照用戶id分組并對彈幕id計數(shù)，可以得到每位用戶的累計發(fā)送彈幕數(shù)。

#累計發(fā)送彈幕數(shù)的用戶
danmu_counts = df.groupby(uid)[contentsId].count().sort_values(ascending = False).reset_index()
danmu_counts.columns = [用戶id,累計發(fā)送彈幕數(shù)]
danmu_counts.head()

累計發(fā)送彈幕數(shù)用戶top5

第一名竟然發(fā)送了2561條彈幕，這只是一部12集的網(wǎng)劇啊。

難道他/她是水軍？每條都發(fā)的差不多？

df_top1 = df[df[uid] == 1810351987].sort_values(by="likeCount",ascending = False).reset_index()
df_top1.head(10)

然而并不是，每一條彈幕都是這位觀眾的有感而發(fā)，可能他/她只是在發(fā)彈幕的同時順便看看劇吧。

這位“彈幕發(fā)射器”朋友，在每一集的彈幕量又是如何呢？

分集&平均彈幕量

是不是通過上圖可以側面說明個別劇集的戲劇沖突更大，更能引發(fā)觀眾吐槽呢？

“彈幕發(fā)射器”同志，11、12集請加大輸出！

這些彈幕大家都認同

拋開“彈幕發(fā)射器”同志，我們繼續(xù)探究一下分集的彈幕。

看看每一集當中，哪些彈幕大家都很認同（贊）？

df_like = df[df.groupby([tv_name])[likeCount].rank(method="first", ascending=False)==1].reset_index()[[tv_name,contents,likeCount]]
df_like.columns = [劇集,彈幕,贊]
df_like