史上最強春節檔來襲!Python 解讀哪部影片值得一看?

作者 | 徐麟
責編 | 郭芮

隨著春節腳步的臨近，想必各位都已經開始規劃幸福的春節長假該如何度過。闔家團聚，探親訪友，與好久沒見的好基友一起談天說地，懟天懟地，想想都是讓人感到幸福。

除此之外，每年的春節檔電影都會如約而至與大家見面，春節檔誕生了許多的經典電影，2019的春節檔電影也是佳片雲集，被稱作「史上最強春節檔」。今天我們就帶大家一起用數據去解讀其中最值得看的影片。

數據獲取

本次我們的數據主要來源於貓眼，一部分是貓眼的實時預售票房數據：

這部分數據可以通過selenium去獲取，代碼如下：

driver = webdriver.Chrome()
driver.maximize_window()    
driver.close() 
driver.switch_to_window(driver.window_handles[0])  
url = 'https://piaofang.maoyan.com/dashboard?date=2019-02-05'
js='window.open("'+url+'")'
driver.execute_script(js)
driver.close() 
driver.switch_to_window(driver.window_handles[0])

另一部分數據則來源於貓眼的觀眾評論。由於電影目前都還沒有上映，觀眾評論給出的分數，表示了其對電影的期待值。需要注意的是，有許多觀眾在評論中並沒有給出評分，會直接顯示為0，在後續計算時需要排除。

數據如下：

這部分數據的獲取方法可以參照「3天破9億！上萬條評論解讀《西虹市首富》是否值得一看」這篇文章，參考代碼如下：

tomato = pd.DataFrame(columns=['date','score','city','comment','nick'])

for i in range(0, 1000):

   j = random.randint(1,1000)

   print(str(i)+' '+str(j))

   try:

       time.sleep(2)

       url= 'http://m.maoyan.com/mmdb/comments/movie/1212592.json?_v_=yes&offset=' + str(j)

       html = requests.get(url=url).content

       data = json.loads(html.decode('utf-8'))['cmts']

       for item in data:

           tomato = tomato.append({'date':item['time'].split(' ')[0],'city':item['cityName'],

                                   'score':item['score'],'comment':item['content'],

                                   'nick':item['nick']},ignore_index=True)

       tomato.to_csv('西虹市首富4.csv',index=False)                          

  except:

       continue

預售票房

衡量一個電影關注度的重要方法就是去看首日的預售情況，我們此次選取八部春節檔最主要的影片進行對比，代碼如下：

p<-ggplot(data[order(data$sale,decreasing = T),][1:8,],
         aes(x=reorder(name,sale),y=sale,fill=name))+
 geom_bar(stat='identity',width = 0.5)+
 geom_image(aes(x=name,y=0,image=image),size=0.08)+
 geom_text(aes(x=name,y=2500,label=label_sale),size = 7,col='black',fontface='bold')+
 ggtitle('春節檔電影預售票房排名(萬)') + theme_economist()+ scale_fill_tableau()+                 
 theme(axis.text.x = element_blank(),
       axis.text.y = element_blank(),
       plot.title = element_text(hjust=0.5,size=30),
       panel.grid = element_blank(),
       legend.position = 'none',
       panel.background = element_blank(),
       axis.title  = element_blank(),
       axis.line = element_blank(),
       axis.ticks = element_blank()
 )+coord_flip()+ylim(0,6500)
ggsave("春節檔上映前預售排名.png", p, width = 10, height = 16)

看一下最終的結果：

目前預售排名前三位的都是喜劇題材，看來在春節的時候大家還是更加希望能夠放鬆自己，看一下輕鬆題材的影評。但是預售票房並不能完全覺得最終的票房走勢，可以參考之前上映後口碑崩塌的《地球最後的夜晚》和《愛情公寓》。

排名前兩位的影片都有沈騰的參與，看來目前沈騰的票房認可度還是不錯的，希望兩部影片最終都會取得不錯的結果。

從預售票房上看，《廉政風雲》和《神探蒲松齡》都有比較大的撲街危險，考慮到港片近期略顯低迷的表現，希望這兩部影片能夠帶來一些驚喜。

上映前口碑

另外我們也看一下上映之前，觀眾對於影片的整體評價情況，這也會在一定程度上體現觀眾的期待值。代碼如下：

p<-ggplot(data[order(data$score,decreasing = T),][1:8,],
         aes(x=reorder(name,score),y=score,fill=name))+
 geom_bar(stat='identity',width = 0.5)+
 geom_image(aes(x=name,y=0,image=image),size=0.08)+
 geom_text(aes(x=name,y=2,label=label_score),size = 7,col='black',fontface='bold')+
 ggtitle('春節檔電影上映前評價') + theme_wsj()+ scale_fill_tableau()+                 
 theme(axis.text.x = element_blank(),
       axis.text.y = element_blank(),
       plot.title = element_text(hjust=0.5,size=30),
       panel.grid = element_blank(),
       legend.position = 'none',
       panel.background = element_blank(),
       axis.title  = element_blank(),
       axis.line = element_blank(),
       axis.ticks = element_blank()
 )+coord_flip()+ylim(0,5)
ggsave("春節檔上映前評分排名.png", p, width = 8, height = 12)

看一下最終的結果：

《熊出沒》出人意料的在評分中排在首位，這也一定程度上提高了筆者對這部影片的期待值，雖然以筆者的年齡，應該是不適合去看這部影片。《小豬佩奇》憑藉此前的超強營銷，成功引起了大家的主要，然而最終表現如何，還是需要上映後接受觀眾的檢驗。

同時我們看到成龍大哥領銜的《神探蒲松齡》在評分上要落後於其他影片，看來大家對於這類題材的影片持保留意見比較多一些，我們也期待上映後口碑是否能夠實現翻盤。

影片看點

我們最後通過評論去挖掘上映前大家比較關注的點，主要採用jieba分詞，需要注意的是，我們需要在分詞前增加一些自定義詞典，比如「黃景瑜」，如果不加這個自定義詞典，就會被分為「黃景」，之後我們會根據詞語出現頻率篩選出重要的關鍵詞：

def key_words(df):
   comment_str =  ' '.join(df)
   words_list = []
   jieba.load_userdict('spring_film_dict.txt')
   word_generator = jieba.cut(comment_str)  
   for word in word_generator:
       words_list.append(word)
   words_list = Counter([k for k in words_list if len(k)>1])
   return list(dict(words_list.most_common(30)).keys())

最後我們在每個影片中選取了五個能夠體現其看點的詞語，並進行可視化：

我們選取一些比較有趣的看點組合，進行一下深刻（suixing）解讀：

《神探蒲松齡》：大家都在期待成龍大哥的表演，雖然有很多人提前給其打上了「爛片」的標籤，但是依然期待影片口碑的翻盤。同時大家也會認真關注影片特效，不知是否會致敬此前5毛錢「duang」的特效。

《飛馳人生》《瘋狂的外星人》：感覺沈騰大有承包今年春節檔的態勢，預售排名前兩位影片中，觀眾最關注的看點都是沈騰，期待沈騰春節霸屏同時也能收穫不錯的口碑。沈騰又是和外星人打交道，又是要體驗飛馳的人生，喜歡沈騰的觀眾在春節檔可以大飽眼福了。

《小豬佩奇過大年》：一部適合孩子觀看的影片，也是一部宣傳片獲得極大討論度的影片，希望不要步此前《地球最後的夜晚》上映後口碑崩盤的後塵。

《新喜劇之王》：顯然大部分觀眾對這部影片的期待來自於星爺，有了此前經典版的《喜劇之王》珠玉在前，《新喜劇之王》不可避免地會被哪來與原作對比，我們期待能夠簡直有一部經典的影片出現。

最後提前祝願大家新年愉快，體會與家人團聚的幸福同時也能看到精彩的影片！同時也可以在留言區與我們互動，分享自己春節檔會選擇去觀看的影片。

作者介紹：徐麟，目前就職於網際網路公司數據部，哥大統計數據狗，從事數據挖掘&分析工作，喜歡用R&Python玩一些不一樣的數據。本文首發於個人公眾號：數據森麟（shujusenlin），知乎同名專欄作者。

聲明：本文為作者投稿，版權歸其個人所有。

 熱 文 推 薦 

☞ 春運車票為誰「秒空」？第三方軟體的困與危

☞ 編程 25 年後，現實將我打回菜鳥程式設計師的起點

☞ 前方 Bug 出沒？盤他！

☞「離開360時，它只給了我一塊錢」

☞ 原子互換：一統公鏈江湖的神來之筆

☞ AI找Bug，一鍵快速預測

☞ 5G大規模商用來臨之前，你必須知道的幾個知識點

☞ 女程式設計師：我敲代碼養家，老公負責貌美如花！

print_r('點個好看吧！');
var_dump('點個好看吧！');
NSLog(@"點個好看吧！");
System.out.println("點個好看吧！");
console.log("點個好看吧！");
print("點個好看吧！");
printf("點個好看吧！\n");
cout << "點個好看吧！" << endl;
Console.WriteLine("點個好看吧！");
fmt.Println("點個好看吧！");
Response.Write("點個好看吧！");
alert("點個好看吧！")
echo "點個好看吧！"