来源 | 志斌的python笔记
头图 | 下载于视觉中国
五月过半，观众对五一档上映电影的评价也逐渐沉淀下来，要说观影体验和口碑，当属张艺谋导演的《悬崖之上》了。《悬崖之上》作为一部谍战主题的电影，引人入胜的剧情加上主演们全员在线的演技，顺理成章地在同时期上映的电影种获得了评分排名第一。
本文通过Python爬取豆瓣上对于《悬崖之上》的短评，然后进行数据可视化分析，看看七万条短评里，网友都聊了些什么。
数据采集
在之前的文章我们已经对豆瓣短评的数据采集有过详细的介绍，有不懂的小伙伴可以看看这篇文章我用python分析《你好，李焕英》豆瓣30万+评论，终于找到了它大卖的原因。这里我们直接展示爬虫核心代码：
for page in range(80):
try:
params = (
('start', str(page * 20)),
('limit', '20'),
('status', 'P'),
('sort', 'new_score'),
('comments_only', '1'),
('ck', 'qN8_'),
)
r = requests.get('https://movie.douban.com/subject/32493124/comments', headers=headers, params=params, cookies=cookies)
yonghumingchengs = re.findall('', r.json()['html'], re.S)
youyongshus = re.findall('(.*?)', r.json()['html'], re.S)
pinglunshijians = re.findall('', r.json()['html'], re.S)
pingluns = re.findall('(.*?)', r.json()['html'], re.S)
for i in range(20):
a = a + 1
sheet.append([yonghumingchengs[i], youyongshus[i], pinglunshijians[i].split()[].split("-")[-1],
pinglunshijians[i].split()[1].split(":")[], pingluns[i]])
print(f"已爬取完第{page}页数据,存入{i + 1}条数据....")
except:
wb.save("全部.xlsx")
print(f"共爬取{page}页数据，存入{a}条数据....")
~~~
数据清洗
1.合并Excel
因为是分全部、好评、一般、差评四个部分来对影评进行爬取的，所以我们要对这四个影评文件夹进行合并。代码如下：
for i in files:
wb = openpyxl.load_workbook(i)
sheet = wb['豆瓣评论']
for i in range(2,502):
A_cell = sheet[f'A{i}']
B_cell = sheet[f'B{i}']
C_cell = sheet[f'C{i}']
D_cell = sheet[f'D{i}']
E_cell = sheet[f'E{i}']
a = [A_cell.value,int(B_cell.value),int(C_cell.value),int(D_cell.value),E_cell.value]
sheet_1.append(a)
~~~
2.导入景点数据
用pandas读取合并后的影评数据并预览。
df = pd.read_excel('总.xlsx',names=['用户名称','点赞数','评论日期','评论时间','评论内容'])
print(df.head())
3.删除重复数据
df.drop_duplicates()
4.查看数据类型
查看字段类型和缺失值情况，符合分析需要，无需另做处理。
df.info()
数据可视化
1.各类评论占比
这部电影的短评数有7w+，好评竟能占到快80%，果然张艺谋导演的剧都是好剧~，建议大家抓住五一的小尾巴，去刷一下这个剧。
2.主演提及次数
这部影片一共有五个主演，没想到男一张译和女一秦海璐竟然不是被提及次数最多的，反而是刘浩存被提及次数最多，那让我们来看看大家在影评中都是怎么评价她的。
从词云图中看出，作为新晋的谋女郎，刘浩存确实实力很强，演技很好，同时影片中的角色也很好，可能是这样才导致它的被提及次数成为第一吧。
3.各类星级占比
从图中，我们可以明显的看出，打4星的观众最多，占了54%，其次是3星和5星，分别占26%和17%。这样看来，观众还是非常肯定这部影片的。
4.评论发表时间分布
从图中，我们可以看出，大部分影评发表时间在晚上和凌晨，白天发表影评的数量很少，影院可以适当增加晚上和凌晨的场次。
