快50亿了！用Python分析长津湖到底好看在哪里

Posted 2021-11-08 Python小二

来源：www.cnblogs.com/hahaa

十月份的黄金周，乃至整个十月份，妥妥的是《长津湖》的天下，才小半个月票房就已经突破44亿，都快追上战狼2了。猫眼评分9.5，口碑超高，2021年票房口碑双丰收大黑马！

今天我们通过爬取猫眼的电影评论，进行可视化分析，康康长津湖为什么这么受欢迎，最后教大家进行票房预测，千万不要错过！

数据获取

猫眼评论爬取，还是那么老一套，直接构造 API 接口信息即可。

这么几行代码，我们就可以得到如下结果

获取到数据后，我们就可以解析返回的 json 数据，并保存到本地了。

先写一个保存数据的函数

保存到本地的数据

可视化分析

我们来进行相关的可视化分析

1、数据清洗

首先我们根据 comment_id 来去除重复数据

df_new = df.drop_duplicates(['comment_id'])

对于评论内容，我们进行去除非中文的操作。

2、评论点赞及回复榜

来看看哪些评论是被点赞最多的

Output：

下面我们来看一下整体评论数据的情况

3、各城市排行

来看看哪些城市的评论最多呢

可以看到，这个评论城市的分布，也是与我国总体经济的发展情况相吻合的

4、性别分布

attr = [其他,男,女]

b = (Pie()
     .add(, [list(z) for z in zip(attr, df_new.groupby(gender).gender.count().values.tolist())])
     .set_global_opts(title_opts = opts.TitleOpts(title='性别分布'))
     .set_series_opts(label_opts=opts.LabelOpts(is_show=True,position='right'))
)
grid = Grid(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))
grid.add(b, grid_opts=opts.GridOpts(pos_left=20%))
grid.render_notebook()

在填写了性别的数据当中，女性竟然多一些，这还是比较出乎意料的。

5、是否观看

大部分人都是在观看了之后才评论的，这要在一定程度上保证了评论和打分的可靠性。

6、评分分布

猫眼页面上是10分制，但是在接口当中是5分制。

9、用户等级分布

来看下猫眼评论用户的等级情况，虽然不知道这个等级有啥用

大家基本都是 level2，哈哈哈哈，普罗大众嘛!

10、主创提及次数

我们再来看看在评论中，各位主创被提及的次数情况.

毫无疑问，易烊千玺高居榜首，可能妈妈粉比较多吧，不过人家演技确实也在线.

明日票房预测

接下来画散点图，看下趋势情况。

可以看到，从一号开始，单日票房逐步增长，7号达到最高峰，8号开始回落。

下面我们来进行数据拟合，使用 sklearn 提供的 linear_model 来进行。

再根据拟合的结果，我们来预测下明天的票房情况。