Python分析最近大火的網劇《隱祕的角落》，看看網友們有什麼看法

阿新 • • 發佈：2020-06-30

前言

本文的文字及圖片來源於網路,僅供學習、交流使用,不具有任何商業用途,版權歸原作者所有,如有問題請及時聯絡我們以作處理。

估計最近很火的連續劇《隱祕的角落》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集的連續劇全部看完了。看過的人肯定對朋友圈裡有人發的“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

愛奇藝的彈幕資料是以 .z 形式的壓縮檔案存在的，先獲取 tvid 列表，再根據 tvid 獲取彈幕的壓縮檔案，最後對其進行解壓及儲存，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《隱祕的角落》彈幕資料。

彈幕發射器

按照使用者id分組並對彈幕id計數，可以得到每位使用者的累計傳送彈幕數。

#累計傳送彈幕數的使用者

danmu_counts = df.groupby(uid)[contentsId].count().sort_values(ascending = False).reset_index()

danmu_counts.columns = [使用者id,累計傳送彈幕數]

danmu_counts.head()

累計傳送彈幕數使用者top5

第一名竟然傳送了2561條彈幕，這只是一部12集的網劇啊。

難道他/她是水軍？每條都發的差不多？

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

df_top1.head(10)

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

這位“彈幕發射器”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衝突更大，更能引發觀眾吐槽呢？

“彈幕發射器”同志，11、12集請加大輸出！

這些彈幕大家都認同

拋開“彈幕發射器”同志，我們繼續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