分析《演员请就位2》45万条弹幕，看看大家都在吐槽什么？-技术圈

导读：今天教大家用Python分析《演员请就位2》的弹幕数据。

作者：Mika，数据：真达，后期：Mika

来源：CDA数据分析师（ID: cdacdacda）

最近开播的国综里面，热度最高的一定是《演员请就位》了。从第一季起这部综艺就话题不断，金句频出，前有李诚儒老师的“如坐针毡，如芒刺背，如鲠在喉”；这一季，李诚儒老师再出金句，“味同嚼蜡，味如鸡肋，如此乏味”一度刷爆网络。

《演员请就位2》导师方面，除了上一季的陈凯歌、赵薇、郭敬明，还有这季加入的尔冬升导演，阵容上就十分有看点。参加的演员方面也有胡杏儿、黄奕、娄艺潇等熟悉的身影。

《演员2》一开播就热搜话题不断，无论是李诚儒老师、尔冬升导演的犀利点评，郭敬明给演技小白何昶希发S卡都能引起大量的讨论。

我们今天就用Python分析了《演员2》的视频弹幕，看看大家都在吐槽些什么。

01 豆瓣6.5分《演员2》为啥令人失望？

《演员请就位》目前为止已经播出了两季，第一季在豆瓣为6.8分，共有4万余人评分。

而目前正在播出的第二季，已有1万9千多人评分，分数为6.5分，比上一季还低了0.3分。

1. 分数占比

我们用Python分析了豆瓣的500条热评数据，从评分分布可以看到：

分数占比方面，37%的人给出1星，20.8%的人给出2星。给出5星好评的仅有5%。

2. 豆瓣短评

那么短评中都在说些什么呢？

从评价词云图中可见，话题主要集中在郭敬明、尔冬升、陈凯歌、李诚儒几位嘉宾上。这也是《演员2》被诟病的一点，嘉宾导师比参赛的演员更出圈，更有话题。此外，"节目""演技""点评"等也是短评中常出现的。

3. 导演提及

几位嘉宾导师中，谁被提到的次数最多呢？

进一步分析可见，郭敬明占据着最高的话题度，其次是尔冬升和陈凯歌。

4. 导演评价

在对导演和主持嘉宾的评价也十分有意思，对郭敬明的差评达到60.66%，超过的半数，好评仅为14.22%。这与尔冬升的评价差距很大，后者的差评仅为28.83%，好评度也是最高的，达到了29.73%。而有趣的是，作为主持人的大鹏差评度居然比郭敬明还高，达到了67.27%。

02 分析45万条弹幕数据，看看大家都在吐槽什么

我们使用Python获取并分析了《演员请就位2》的腾讯弹幕数据，分析了目前播放的前五期。

弹幕数据获取
数据读入和数据预处理
数据可视化

公众号后台对话框，回复关键字源代码获取本文完整数据及代码。

1. 数据读入

首先导入所需库。

# 导入库
import os  
import jieba
import numpy as np
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 # 用于在jupyter lab中显示本地图

使用pandas循环读取数据。

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

df_all = pd.DataFrame()

for i in data_list:
#     print(i) 
    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)

df_all.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 449762 entries, 0 to 44317
Data columns (total 7 columns):
 #   Column      Non-Null Count   Dtype 
---  ------      --------------   ----- 
 0   episodes    449762 non-null  object
 1   comment_id  449762 non-null  int64 
 2   oper_name   183066 non-null  object
 3   vip_degree  449762 non-null  int64 
 4   content     449762 non-null  object
 5   time_point  449762 non-null  int64 
 6   up_count    449762 non-null  int64 
dtypes: int64(4), object(3)
memory usage: 27.5+ MB

共获取了前五期449762条弹幕数据。字段主要包括：期数、评论id、用户名、vip等级、评论内容、评论时间点和点赞数，数据预览如下：

df_all.head()

2. 数据预处理

# 删除弹幕角色
df_all['content'] = df_all['content'].str.replace('(.*?:)', '')
df_all.head()

3. 数据可视化

弹幕走势图

先看到视频弹幕走势图，从数量上可以看到，弹幕数量前三的分别是：第一期上、第三期上、第五期上。而第一期下和第五期下的弹幕较少。

df_epinum = df_all['episodes'].value_counts().reset_index()
df_epinum['num'] = [1, 5, 3, 7, 6, 8, 4, 9, 2, 10]
df_epinum = df_epinum.sort_values('num') 
df_epinum

x_data = df_epinum['index'].tolist()
y_data = df_epinum['episodes'].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='前五期的弹幕数走势图'), 
                     visualmap_opts=opts.VisualMapOpts(max_=60000, is_show=False) 
                    )
bar1.render()