娱乐分享：披荆斩棘的哥哥
共 6229字，需浏览 13分钟
· 2021-08-20
大家好，我是才哥。
其实吧，上周四（8月12日）芒果台《披荆斩棘的哥哥》第1期一经播出，就炸裂来袭，情怀牌、不油腻、有质感，让它上线就获得了大量关注！
将古惑仔、摇滚乐手、rapper、舞者、歌手、功夫演员等等放在同一档综艺节目里，又会产生什么样的化学反应呢？
今天，我们就看看第1期里10万弹幕大军们怎么说吧！
目录
1. 数据预览
2. 弹幕整体词云
3. 点赞最多的弹幕
4. 最疯狂的弹幕狂魔
5. 弹幕最热的哥哥们
6. 弹幕如何评价这一次的芒果台？
7. 弹幕数据采集程序
1. 数据预览
本次采集的是芒果TV第1期上中下三集一共97,331条弹幕，具体采集过程见文末代码（比较简单哈）。
import pandas as pd
df = pd.read_excel('披荆斩棘的哥哥.xlsx')
# 数据字段信息
df.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 97331 entries, 4 to 33794
Data columns (total 7 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 ids 97331 non-null string
1 uid 97331 non-null Int64
2 content 97331 non-null string
3 time 97331 non-null Int64
4 v2_up_count 97331 non-null Int64
5 时间 97331 non-null Int64
6 上中下 97331 non-null string
dtypes: Int64(4), string(3)
memory usage: 6.3 MB
在数据中，各字段含义如下：
ids：弹幕id
uid：用户id
content：弹幕内容
time：弹幕发送时间（相对于本集开始后的毫秒）
v2_up_count：弹幕点赞数时间：弹幕发送时间（分钟）
上中下：归属第1期的上中下三部分之一
# 数据预览
df.sort_values(by=['上中下','time'], inplace=True) # 按照上中下集和time排序
df.head()
(
df.groupby('上中下').agg(弹幕数=('ids', 'count'),
时长=('时间', 'max')
).reset_index().style
.bar(subset='弹幕数', align='zero')
.bar(subset='时长', color='orange', align='zero')
)
基本上第1期的每集弹幕都是拉满状态（1分钟360条）
2. 弹幕整体词云
这里用的是此前的词云制作工具《140行代码自己动手写一个词云制作小工具（文末附工具下载）》进行绘制
从整体词云，我们可以发现观众老爷们基本都是在哈哈哈的笑声与啊啊啊的赞叹声中看完的。
不得不说，这个综艺很快乐
我们去掉这些拟声词以及一些溢美之词，再看看，可以发现大湾区（主要是指陈小春、谢天华、林晓峰、张智霖、梁汉文古惑仔组合）、赵文卓、李承铉、欧阳靖和张云龙等嘉宾们最受弹幕用户喜爱！
3. 点赞最多的弹幕
点赞前10的弹幕都集中在第1期的中集部分，且绝大部分（前4条都是）集中在赵文卓出场表演的那段，把《流星雨》唱成流星锤，哈哈哈！
(
df.sort_values(by='v2_up_count', ascending=False).head(10).style
.hide_index()
.hide_columns(['ids','uid','time'])
)
点赞第三的“陈小春：女儿真好”是在介绍赵文卓时的朋友送祝福阶段赵文卓的儿子女儿的祝福时镜头给到的陈小春，然后有网友给出的经典弹幕，很温馨有没有！
“终于知道戚薇的快乐了”这条高赞弹幕一定是一个女性网友想出来了，出自39分钟区间李承铉演唱《天上飞》时，帅炸全场！
4. 最疯狂的弹幕狂魔
看到弹幕里有不少二刷、三刷的多刷观众，有多少观众是弹幕狂魔，我们来探一探！
df.groupby('uid')['ids'].count().sort_values(ascending=False).to_frame('弹幕数').reset_index().head()
我们可以看到，有网友居然在4个半小时的第1期里一共打出了176条弹幕，平均0.65条弹幕/分钟，毫无疑问的弹幕狂魔！
抽样20条该网友的弹幕内容，我们发现他是真的爱这个节目，而不是只为某个哥哥而来！
(
df[df['uid']==3752327606].sample(18).style
.hide_index()
.hide_columns(subset='ids')
)
5. 弹幕最热的哥哥们
那么第1期三集33位哥哥们共4个半小时的表演，最受弹幕欢迎的是哪几位哥哥呢？
从弹幕整体词云可看到关键词最多的是大湾区（主要是指陈小春、谢天华、林晓峰、张智霖、梁汉文古惑仔组合）、赵文卓、李承铉、欧阳靖和张云龙。
大湾区的哥哥们
df[df['content'].astype('str').str.contains('大湾区|小春|春哥|谢天华|林晓峰|张智霖|梁汉文')]
赵文卓
df[df['content'].astype('str').str.contains('赵文卓|卓哥|文卓')]
哈哈哈，笑死，大威天龙
李承铉
那个，戚薇的快乐李承铉，直呼太帅了
df[df['content'].astype('str').str.contains('李承铉|戚薇')]
欧阳靖
说唱歌手欧阳靖
df[df['content'].astype('str').str.contains('欧阳靖')]
张云龙
言承旭张云龙“乘龙快旭”好甜，张云龙第一次看见言承旭，激动地上前直接握住对方的手然后脱口而出：“我以前模仿过你！”
df[df['content'].astype('str').str.contains('张云龙|云龙')]
关于更多弹幕数据或哥哥们的弹幕，大家可以后台回复955在芒果TV文件夹获取，然后就自己玩玩呗~！
6. 弹幕如何评价这一次的芒果台？
看到很多弹幕都在夸这次的芒果台
df[df['content'].astype('str').str.contains('芒果')]
7. 弹幕数据采集程序
贴源码咯
import requests
import pandas as pd
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.66 Safari/537.36",
}
datas = []
# 每集90多分钟，所以100够了！
for i in range(100):
print(f'\r{i}',end='')
# 注意观察每集弹幕接口地址规律
url = f'https://bullet-ali.hitv.com/bullet/2021/08/17/192249/13137070/{i}.json'
r = requests.get(url, headers=headers)
if r.status_code == 200:
data = r.json()
data = data['data']['items']
datas.extend(data)
else:
break
df = pd.DataFrame(datas)
df = df[['ids','uid','content','time','v2_up_count']].fillna(0)
df['时间'] = df.time//60000
以上就是本次全部内容，这个综艺吧还是值的一看的，真的很回忆杀
近期文章
腾讯课堂 | Python网络爬虫与文本分析 中文金融情感词典发布啦 | 附代码 B站视频 | Python自动化办公 wordexpansion包 | 新增词向量法构建领域词典 语法最简单的微博通用爬虫weibo_crawler hiResearch 定义自己的科研首页 大邓github汇总， 觉得有用记得star whatlies包 | 简单玩转词向量可视化 multistop ~ 多语言停用词库 Jaal 库 轻松绘制动态社交网络关系图 SciencePlots | 科研样式绘图库 使用streamlit上线中文文本分析网站 爬虫实战 | 采集&可视化知乎问题的回答 Clumper | dplyr式的Python数据操作包 Clumper库 | 常用的数据操作函数 Clumper库 | Groupby具体案例用法 Clumper库 | 其他数据分析 plydata库 | 数据操作管道操作符>> plotnine: Python版的ggplot2作图库 读完本文你就了解什么是文本分析 文本分析在经管领域中的应用概述 综述:文本分析在市场营销研究中的应用 plotnine: Python版的ggplot2作图库 Wow~70G上市公司定期报告数据集 漂亮~pandas可以无缝衔接Bokeh YelpDaset: 酒店管理类数据集10+G