豆瓣9.2分！17万条弹幕告诉你《沉默的真相》凭什么口碑高开暴走！

豆瓣总体评分分析

豆瓣短评词云

前十集弹幕走势图

江阳弹幕词云

李静弹幕词云

严良弹幕词云

张超弹幕词云

1. 数据获取

2. 数据读入和预处理

# 导入库
import os  
import jieba
import pandas as pd 

from pyecharts.charts import Bar, Pie, Line, WordCloud, Page
from pyecharts import options as opts 
from pyecharts.globals import SymbolType, WarningType
WarningType.ShowWarning = False

import stylecloud
from IPython.display import Image

# 读入数据
data_list = os.listdir('../data/')

df_all = pd.DataFrame()

for i in data_list:
    if i.endswith('csv'):
        df_one = pd.read_csv(f'../data/{i}', engine='python', encoding='utf-8', index_col=0)  
        df_all = df_all.append(df_one, ignore_index=False)

print(df_all.shape) 

(173226, 6)

df_all['name'] = df_all.name.str.strip() 
df_all.head() 

3. 数据可视化

repl_list = {
    '第一集 ': 1,
    '第二集': 2,
    '第三集': 3,
    '第四集': 4,
    '第五集': 5,
    '第六集': 6,
    '第七集': 7,
    '第八集': 8,
    '第九集': 9,
    '第十集': 10
}

df_all['episodes_num'] = df_all['episodes'].map(repl_list) 
df_all.head() 

# 产生数据
danmu_num = df_all.episodes_num.value_counts()
danmu_num = danmu_num.sort_index()
x_data = ['第' + str(i) + '集' for i in danmu_num.index]
y_data = danmu_num.values.tolist() 

# 条形图
bar1 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))
bar1.add_xaxis(xaxis_data=x_data)
bar1.add_yaxis('', y_axis=y_data)
bar1.set_global_opts(title_opts=opts.TitleOpts(title='前十集的弹幕数走势图'), 
                     visualmap_opts=opts.VisualMapOpts(max_=20000, is_show=False) 
                    )
bar1.render() 

x_data = ['第' + str(i) + '集' for i in danmu_num.index]
y_data = danmu_num.values.tolist() 

# 条形图
bar1 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))
bar1.add_xaxis(xaxis_data=x_data)
bar1.add_yaxis('', y_axis=y_data)
bar1.set_global_opts(title_opts=opts.TitleOpts(title='前十集的弹幕数走势图'), 
                     visualmap_opts=opts.VisualMapOpts(max_=20000, is_show=False) 
                    )
bar1.render('../html/爱奇艺弹幕数走势图.html') 

# 定义分词函数
def get_cut_words(content_series):
    # 读入停用词表
    stop_words = [] 

    with open(r"stop_words.txt", 'r', encoding='utf-8') as f:
        lines = f.readlines()
        for line in lines:
            stop_words.append(line.strip())

    # 添加关键词
    my_words = ['廖凡', '严良', '白宇', '江阳', '谭卓', '李静',
                '宁理', '张超', '黄尧', '张晓倩', '奥利给'
               ]  

    for i in my_words:
        jieba.add_word(i) 

    # 自定义停用词
    my_stop_words = ['真的', '这部', '这是', '一种', '那种', '啊啊啊', '哈哈哈', 
                     '哈哈哈哈', '我要']    
    stop_words.extend(my_stop_words)               

    # 分词
    word_num = jieba.lcut(content_series.str.cat(sep='。'), cut_all=False)

    # 条件筛选
    word_num_selected = [i for i in word_num if i not in stop_words and len(i)>=2]

    return word_num_selected