CDA數(shù)據分析師 出品

【導語】：今天我們就來聊聊另類春節(jié)檔的唯一一部電影《囧媽》，Python技術部分可以直接看第三部分。

2020年的春節(jié)檔之前被譽為神仙打架，各顯神通，可以說是史上最強的春節(jié)檔，不料一場疫情，就換了另一個局面。為配合疫情的防控，春節(jié)檔電影全部撤檔。

本以為就這樣沒下文了，結果徐崢打出一張牌：線上免費看《囧媽》，作為發(fā)行方的歡喜傳媒股票當天也應聲上漲42%。今天我們就來聊聊另類春節(jié)檔的唯一一部電影《囧媽》。

1

另類春節(jié)檔

《囧媽》繞過院線 全網免費看

在《姜子牙》《唐人街探案3》等片紛紛撤出春節(jié)檔之時，《囧媽》突然宣布將于大年初一零點起，在抖音、西瓜視頻、今日頭條、歡喜首映等App上免費上映，成為史上首部繞過院線直接網播的春節(jié)檔電影。

《囧媽》主要講的是小老板伊萬纏身于商業(yè)糾紛，卻意外同母親坐上了開往俄羅斯的火車。在旅途中，他和母親發(fā)生激烈沖突，同時還要和競爭對手斗智斗勇。為了最終抵達莫斯科，他不得不和母親共同克服難關，并面對家庭生活中一直所逃避的問題。

徐崢這次把《囧媽》免費讓觀眾看的舉措，讓《囧媽》在慘淡的春節(jié)檔賺足了足夠的熱度，字節(jié)跳動也收獲了大量的流量。該片三天總播出量超過6億人次，觀眾總數(shù)為1.8億人次。

2

敢做第一個吃螃蟹的人

回望中國電影「大票房」時代，國內首部票房破10億的國產電影就是徐崢在2012年的作品《人再囧途之泰囧》，達到12.67億，之后國產電影就像打了雞血一樣，一個又一個破新高。

當然這里面C君覺得有50%的功勞要算在2010年前作《人在囧途》的精彩上，讓影迷們覺得囧系列和徐崢是品質保證。C君記得當時看完《人在囧途》，就說下次徐崢再拍囧系列一定要去電影院支持，這種口碑效應在電影里面特別明顯?？赡苷沁@樣的藝高，所以才膽大。

這次《囧媽》直接選擇線上首映，同時還把錢給掙了，弄的電影院聯(lián)名聲討，了解一下過程，你就懂了。

原來的形式是發(fā)行方歡喜傳媒拍好了電影，賣給橫店影視，保底24億票房。然后橫店影視去找全國的電影院，你們幫我放這部電影，最后我們肯定至少能收入24億票房，咱們一起分。給發(fā)行方歡喜傳媒6個多億，然后我們再分剩下的18億，是個不錯的生意。

而現(xiàn)在，是今日頭條直接取代了橫店影視的位置，我給你6個多億，我不用電影院放，我自己上億裝機量的APP上就可以看，大家拿手機免費看，我的APP打開率高了，錢就掙回來了，說不定還能培養(yǎng)出大家用APP看電影首映的習慣。

發(fā)行方歡喜傳媒，徐崢沒啥損失。電影院被今日頭條系給取代了，你說能不聲討嗎？

3

但觀眾看完之后

又是什么反應呢？

雖然《囧媽》賺足了流量，但口碑究竟如何呢？

目前《囧媽》在豆瓣上的評分僅為5.9分，負面的評論居多。我們搜集整理了豆瓣上的評論數(shù)據，用Python進行分析。整個數(shù)據分析的過程分為三步：

· 獲取數(shù)據

· 數(shù)據預處理

· 數(shù)據可視化

以下是具體的步驟和代碼實現(xiàn)：

01 獲取數(shù)據

豆瓣從2017.10月開始全面限制爬取數(shù)據，非登錄狀態(tài)下最多獲取200條，登錄狀態(tài)下最多為500條，本次我們共獲取數(shù)據698條。

為了解決登錄的問題，本次使用Selenium+BeautifulSoup獲取數(shù)據。

如下圖所示，本此數(shù)據爬取主要獲取的內容有：

· 評論用戶ID

· 評論用戶主頁

· 評論內容

· 評分星級

· 評論日期

· 用戶所在城市

代碼實現(xiàn)：

# 導入所需包
import requests
from bs4 import BeautifulSoup
import numpy as np
import pandas as pd 
import time
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.chrome.options import Options
# 定義登錄函數(shù)
def login_douban:
'''功能：自動登錄豆瓣網站'''
global browser # 設置為全局變量
browser = webdriver.Chrome
# 進入登錄頁面
login_url = 'https://accounts.douban.com/passport/login?source=movie'
browser.get(login_url)
# 點擊密碼登錄
browser.find_element_by_class_name('account-tab-account').click
# 輸入賬號和密碼
username = browser.find_element_by_id('username')
username.send_keys('18511302788') 
password = browser.find_element_by_id('password')
password.send_keys('12349148feng')
# 點擊登錄
browser.find_element_by_class_name('btn-account').click
# 定義函數(shù)獲取單頁數(shù)據
def get_one_page(url):
'''功能：傳入url，豆瓣電影一頁的短評信息''' 
# 進入短評頁
browser.get(url)
# 使用bs解析網頁數(shù)據
bs = BeautifulSoup(browser.page_source, 'lxml')
# 獲取用戶名
username = [i.find('a').text for i in bs.findAll('span', class_='comment-info')]
# 獲取用戶url
user_url = [i.find('a')['href'] for i in bs.findAll('span', class_='comment-info')]
# 獲取推薦星級
rating = 
for i in bs.findAll('span', class_='comment-info'):
try:
one_rating = i.find('span', class_='rating')['title']
rating.append(one_rating)
except:
rating.append('力薦')
# 評論時間
time = [i.find('span', class_='comment-time')['title'] for i in bs.findAll('span', class_='comment-info')]
# 短評信息
short = [i.text for i in bs.findAll('span', class_='short')]
# 投票次數(shù)
votes = [i.text for i in bs.findAll('span', class_='votes')]
# 創(chuàng)建一個空的DataFrame
df_one = pd.DataFrame 
# 存儲信息 
df_one['用戶名'] = username
df_one['用戶主頁'] = user_url
df_one['推薦星級'] = rating
df_one['評論時間'] = time
df_one['短評信息'] = short
df_one['投票次數(shù)'] = votes
return df_one
# 定義函數(shù)獲取25頁數(shù)據（目前所能獲取的最大頁數(shù)）
def get_25_page(movie_id):
'''功能：傳入電影ID，獲取豆瓣電影25頁的短評信息'''
# 創(chuàng)建空的DataFrame
df_all = pd.DataFrame
# 循環(huán)追加
for i in range(25):
url = "https://movie.douban.com/subject/{}/comments?start={}&limit=20&sort=new_score&status=P".format(movie_id,i*20)
print('我正在抓取第{}頁'.format(i+1), end='\r') 
# 調用函數(shù)
df_one = get_one_page(url) 
df_all = df_all.append(df_one, ignore_index=True)
# 程序休眠一秒
time.sleep(1.5) 
return df_all
if __name__ == '__main__':
# 先運行登錄函數(shù)
login_douban
# 程序休眠兩秒
time.sleep(2) 
# 再運行循環(huán)翻頁函數(shù)
movie_id = 30306570 # 囧媽 
df_all = get_25_page(movie_id)

爬取出來的數(shù)據以數(shù)據框的形式存儲，結果如下所示:

從用戶主頁的地址可以獲取到用戶的城市信息，這一步比較簡單，此處的代碼省略。

02 數(shù)據預處理

對于獲取到的數(shù)據，我們需要進行以下的處理以方便后續(xù)分析：

· 推薦星級：轉換為1-5分。

· 評論時間：轉換為時間類型，提取出日期信息

· 城市：有城市空缺、海外城市、亂寫和pyecharts尚4. 不支持的城市，需要進行處理

· 短評信息：需要進行分詞和提取關鍵詞

代碼實現(xiàn)：

# 定義函數(shù)轉換推薦星級字段
def transform_star(x):
if x == '力薦':
return 5
elif x == '推薦':
return 4
elif x == '還行':
return 3
elif x == '較差':
return 2
else:
return 1
# 星級轉換
df_all['星級'] = df_all.推薦星級.map(lambda x:transform_star(x)) 
# 轉換日期類型
df_all['評論時間'] = pd.to_datetime(df_all.評論時間) 
# 提取日期
df_all['日期'] = df_all.評論時間.dt.date
# 定義函數(shù)-獲取短評信息關鍵詞
def get_comment_word(df): 
'''功能：傳入df,提取短評信息關鍵詞'''
# 導入庫
import jieba.analyse
import os 
# 去停用詞
stop_words = set
# 加載停用詞
cwd = os.getcwd 
stop_words_path = cwd + '\\stop_words.txt'
with open(stop_words_path, 'r', encoding='utf-8') as sw:
for line in sw.readlines:
stop_words.add(line.strip)
# 添加停用詞
stop_words.add('6.3')
stop_words.add('一張')
stop_words.add('一部')
stop_words.add('徐崢')
stop_words.add('徐導') 
stop_words.add('電影')
stop_words.add('電影票')
# 合并評論信息
df_comment_all = df['短評信息'].str.cat
# 使用TF-IDF算法提取關鍵詞
word_num = jieba.analyse.extract_tags(df_comment_all, topK=100, withWeight=True, allowPOS=)
# 做一步篩選
word_num_selected = 
# 篩選掉停用詞
for i in word_num:
if i[0] not in stop_words:
word_num_selected.append(i) 
else:
pass
return word_num_selected
key_words = get_comment_word(df_all)
key_words = pd.DataFrame(key_words, columns=['words','num'])

03 數(shù)據可視化

用Python做可視化分析的工具很多，目前比較好用可以實現(xiàn)動態(tài)可視化的是pyecharts。我們主要對以下幾個方面信息進行可視化分析：

· 評論總體評分分布

· 評分時間走勢

· 城市分布

· 評論內容

總體評分分布

《囧媽》截止到目前在豆瓣中的總體評分為5.9分，僅好于19%的喜劇片。從評分分布來看，3分的占比最高，有36.39%，其次為2分，有32.09%，5分的比例最低，僅有6.88%。

代碼實現(xiàn)：

# 總體評分百分比
score_perc = df_all.星級.value_counts / df_all.星級.value_counts.sum
score_perc = np.round(score_perc*100,2)
# 導入所需包
from pyecharts import options as opts
from pyecharts.charts import Pie, Page
# 繪制柱形圖
pie1 = Pie(init_opts=opts.InitOpts(width='1350px', height='750px'))
pie1.add("", 
[*zip(score_perc.index, score_perc.values)], 
radius=["40%","75%"]) 
pie1.set_global_opts(title_opts=opts.TitleOpts(title='總體評分分布'),
legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"),
toolbox_opts=opts.ToolboxOpts)
pie1.set_series_opts(label_opts=opts.LabelOpts(formatter="{c}%")) 
pie1.render('總體評分分布.html')

評分時間走勢圖

評論的時間走勢圖和電影熱度一致，在大年初一免費上映時候達到最高值。

代碼實現(xiàn)：

# 時間排序
time = df_all.日期.value_counts 
time.sort_index(inplace=True)
from pyecharts.charts import Line
# 繪制時間走勢圖
line1 = Line(init_opts=opts.InitOpts(width='1350px', height='750px'))
line1.add_xaxis(time.index.tolist)
line1.add_yaxis('評論熱度', time.values.tolist, areastyle_opts=opts.AreaStyleOpts(opacity=0.5), label_opts=opts.LabelOpts(is_show=False))
line1.set_global_opts(title_opts=opts.TitleOpts(title="時間走勢圖"), toolbox_opts=opts.ToolboxOpts)
line1.render('評論時間走勢圖.html')

評論用戶城市分布

接下來分析了評論者所在的城市分布。

首先是用條形圖，來粗略的展示前十大熱門的影迷城市。

代碼實現(xiàn)：

# 國內城市top10
city_top10 = df_all.城市處理.value_counts[:12] 
city_top10.drop('國外', inplace=True)
city_top10.drop('未知', inplace=True)
from pyecharts.charts import Bar
# 條形圖
bar1 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px')) 
bar1.add_xaxis(city_top10.index.tolist)
bar1.add_yaxis("城市", city_top10.values.tolist) 
bar1.set_global_opts(title_opts=opts.TitleOpts(title="評論者Top10城市分布"),toolbox_opts=opts.ToolboxOpts)
bar1.render('評論者Top10城市分布條形圖.html')

柱形圖的展示不是很直觀也不全面，在含有地理位置的數(shù)據中，我們常采用采用地圖的形式，為大家更加直觀的進行展示，選取了觀影城市最多的前三十個城市作為動態(tài)展示，如下圖所示：

代碼實現(xiàn)：

city_num = df_all.城市處理.value_counts[:30] 
city_num.drop('國外', inplace=True)
city_num.drop('未知', inplace=True)
c1 = Geo(init_opts=opts.InitOpts(width='1350px', height='750px')) 
c1.add_schema(maptype='china') 
c1.add('geo', [list(z) for z in zip(city_num.index, city_num.values.astype('str'))], type_=ChartType.EFFECT_SCATTER) 
c1.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) 
c1.set_global_opts(visualmap_opts=opts.VisualMapOpts, 
title_opts=opts.TitleOpts(title='評論者城市分布'),
toolbox_opts=opts.ToolboxOpts) 
c1.render('評論者城市分布地圖.html')

評分詞云圖

從詞云圖中可以看出，"喜劇" "和解" "母子" "笑點" "親情"等詞占較大的比重。骨子里還是囧系列那種公路喜劇片，這次用母子關系制造一系列的笑點，讓電影的主題表達更進一步。但也有很多觀眾反映電影強行煽情，強行上升高度，強行搞笑，強行接續(xù)劇情，強行中年婚姻危機。

代碼實現(xiàn)：

from pyecharts.charts import WordCloud
from pyecharts.globals import SymbolType, ThemeType
word = WordCloud(init_opts=opts.InitOpts(width='1350px', height='750px'))
word.add("", [*zip(key_words.words, key_words.num)], word_size_range=[20, 200]) 
word.set_global_opts(title_opts=opts.TitleOpts(title="囧媽電影評論詞云圖"),
toolbox_opts=opts.ToolboxOpts) 
word.render('囧媽電影評論詞云圖.html')

在熱門評論里，用戶阿暖說道：

“ 很平庸，很無趣，既不好笑，對于原生家庭的探討也只是隔靴搔癢而已。”

竟然獲得了5560個贊同。

同時C君也查了一下：

2010年《人在囧途》，豆瓣7.7分。主演是徐崢，導演葉偉民。

2012年《人在囧途之泰囧》，豆瓣7.4分，徐崢自導自演。

2015年《港囧》，豆瓣5.7分，徐崢自導自演。

2018年《我不是藥神》，豆瓣9.0分，主演是徐崢，導演是文牧野。

2020年《囧媽》，豆瓣5.9分，徐崢自導自演。

所以徐崢一定是個好演員，但導演嘛，就不好說了。

有人說這次徐崢這個玩法是要做中國版的Netflix。Netflix 現(xiàn)在大家都知道是世界數(shù)一數(shù)二流媒體平臺，就是視頻網站，也能在電視上看。所以從口碑上看，《囧媽》只能算在形式上開了個頭，就像當年徐崢是開啟了中國電影的大票房時代，但真正的票房王是吳京，讓我們期待一下吧。