酷应用

数据解读2019春节档哪部电影最值得看？

百家作者：AI100 2019-01-28 13:38:52

作者：徐麟，目前就职于互联网公司数据部，哥大统计数据狗，从事数据挖掘&分析工作，喜欢用R&Python玩一些不一样的数据。

来源 | 数据森麟（ID:shujusenlin），知乎同名专栏作者。

前言

随着春节脚步的临近，想必各位读者都已经开始规划幸福的春节长假该如何度过。阖家团聚，探亲访友，与好久没见的好基友一起谈天说地，怼天怼地，想想都是让人感到幸福。

除此之外，每年的春节档电影都会如约而至与大家见面，春节档诞生了许多的经典电影，2019的春节档电影也是佳片云集，被称作“史上最强春节档”，今天我们就带大家一起用数据去解读其中最值得看的影片。

数据获取

本次我们的数据主要来源于猫眼，一部分是猫眼的实时预售票房数据：

这部分数据可以通过selenium去获取，代码如下：

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])

另一部分数据则来源于猫眼的观众评论，由于电影目前都还没有上映，观众评论给出的分数，表示了其对电影的期待值。需要注意的是，有许多观众在评论中并没有给出评分，会直接显示为0，在后续计算时需要排除，数据如下：

这部分数据的获取方法可以参照之前《3天破9亿！上万条评论解读《西虹市首富》是否值得一看》，我们就直接省略爬取代码。

预售票房

衡量一个电影关注度的重要方法就是去看首日的预售情况，我们此次选取八部春节档最主要的影片进行对比，代码如下：

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('春节档电影预售票房排名(万)') + 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("春节档上映前预售排名.png", p, width = 10, height = 16)

看一下最终的结果：

目前预售排名前三位的都是喜剧题材，看来在春节的时候大家还是更加希望能够放松自己，看一下轻松题材的影评。但是预售票房并不能完全觉得最终的票房走势，可以参考之前上映后口碑崩塌的《地球最后的夜晚》和《爱情公寓》。

排名前两位的影片都有沈腾的参与，看来目前沈腾的票房认可度还是不错的，希望两部影片最终都会取得不错的结果。

从预售票房上看，《廉政风云》和《神探蒲松龄》都有比较大的扑街危险，考虑到港片近期略显低迷的表现，希望这两部影片能够带来一些惊喜。

上映前口碑

另外我们也看一下上映之前，观众对于影片的整体评价情况，这也会在一定程度上体现观众的期待值：

代码如下：

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('春节档电影上映前评价') + 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("春节档上映前评分排名.png", p, width = 8, height = 12)

看一下最终的结果：

《熊出没》出人意料的在评分中排在首位，这也一定程度上提高了作者对这部影片的期待值，虽然以作者的年龄，应该是不适合去看这部影片，《小猪佩奇》凭借此前的超强营销，成功引起了大家的主要，然而最终表现如何，还是需要上映后接受观众的检验。

同时我们看到成龙大哥领衔的《神探蒲松龄》在评分上要落后于其他影片，看来大家对于这类题材的影片持保留意见比较多一些，我们也期待上映后口碑是否能够实现翻盘。

影片看点

我们最后通过评论去挖掘上映前大家比较关注的点，主要采用jieba分词，需要注意的是，我们需要在分词前增加一些自定义词典，比如“黄景瑜”，如果不加这个自定义词典，就会被分为“黄景”，之后我们会根据词语出现频率筛选出重要的关键词：

def key_words(df):
    comment_str =  ' '.join(df)
    words_list = []
    jieba.load_userdict('spring_film_dict.txt')
    word_generator = jieba.cut(comment_str)  # 返回的是一个迭代        f.close()  # stopwords文本中词的格式是'一词一行'
    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())