Python數據可視化：啥是佩奇
她爹也是豬!她娘也是豬! 兒子還是豬!一窩豬!
或許這就是***的回答。
原本只是一部電影方與移動合作的宣傳短片。
卻因里面打動人心的故事，大火了一把。
就如我之前的一篇文章里所提的。
不是年味越來越少，而是我們都長大了。
影片透露出那一股暖人心的親情，如今也是越來越不容樂觀。
物以稀為貴，或許這就便是能引起大家共鳴的原因吧。
其實大家心里都想，只不過由于種種原因，沒能實現罷了。
本次對B站的彈幕數據進行獲取。
來看看大家的彈幕信息，能不能讓我們得到回答。
亦或發現一些有趣的信息。
一、 網頁分析
B站的彈幕數據有現成的接口，只需找到對應視頻的cid值即可。
從上圖可以知道，彈幕一共2719條，視頻的cid值為72036817。
接下來訪問接口，獲取數據。
網址：http://comment.bilibili.com/72036817.xml
接口獲取的彈幕數據最多只有1000條。
但是總數卻是是2719條，那么再找找看。
登陸B站后，點擊查看歷史彈幕按鈕。
發現了每日視頻的彈幕接口(只需將請求頭加上cookies，即可訪問)。
發現還是限制1000條，這里也是不解。
難不成每個視頻播放時就只會放出來1000條彈幕?
不過相比***個接口，應該能多出不少彈幕。
二、數據獲取
鑒于只是練手而已，就偷個懶。
直接從不需要cookies的接口獲取1000條彈幕。
獲取數據代碼如下。
- from bs4 import BeautifulSoup
- import pandas as pd
- import requests
- url = 'http://comment.bilibili.com/72036817.xml'
- html = requests.get(url).content
- html_data = str(html, 'utf-8')
- soup = BeautifulSoup(html_data, 'lxml')
- results = soup.find_all('d')
- comments = [comment.text for comment in results]
- comments_dict = {'comments': comments}
- df = pd.DataFrame(comments_dict)
- df.to_csv('bilibili.csv', encoding='utf-8')
***成功獲取1000條彈幕數據。
第958條，和我外公外婆一樣，來到家之后一包一包的都是他們從家里帶來的菜和水果。
不知道，你有沒有相同的感受呢?
相信大多數人都會說，有!!!
一種莫名的感動在心中。
三、數據可視化
利用jieba分詞，對彈幕數據生成詞云。
- from wordcloud import WordCloud, ImageColorGenerator
- import matplotlib.pyplot as plt
- import pandas as pd
- import jieba
- df = pd.read_csv('bilibili.csv', header=None)
- text = ''
- for line in df[1]:
- text += ' '.join(jieba.cut(line, cut_all=False))
- backgroud_Image = plt.imread('peiqi.jpg')
- wc = WordCloud(
- background_color='white',
- mask=backgroud_Image,
- font_path='C:\Windows\Fonts\simhei.ttf',
- max_words=2000,
- max_font_size=80,
- random_state=30,
- )
- wc.generate_from_text(text)
- # 看看詞頻高的有哪些,把無用信息去除
- process_word = WordCloud.process_text(wc, text)
- sort = sorted(process_word.items(), key=lambda e:e[1], reverse=True)
- print(sort[:50])
- img_colors = ImageColorGenerator(backgroud_Image)
- wc.recolor(color_func=img_colors)
- plt.imshow(wc)
- plt.axis('off')
- wc.to_file("佩奇.jpg")
- print('生成詞云成功!')
原圖如下，來自一位PPT大神的鼠繪佩奇。
如有需要下圖的，公眾號回復「佩奇」即可。
***生成詞云圖。
啥是佩奇，我肯定是知道的...
估計逛B站的大佬們也都知道，所以豬這個詞，出現的并不多。
看看彈幕數據還能發現一些其他什么東西。
這里發現河北、保定、張家口、懷來縣這幾個地名冒出。
說明短片可能是在河北省拍的。
還有爺爺是短片的主角，短片中的手套和手機也成功吸引了大家的關注。
朋克和硬核又是什么鬼，不解...
四、總結
下面這段內容，摘自知乎。
說到底這個宣傳片之所以能火起來，靠的還是咱中國人的情。
是農村生活，過年生活的真實寫照。
反映了現代社會農村的真實情況，包括4G網以及智能手機還未普及，農村空巢老人的生活狀態。
或許，這就是大家有共鳴的點。
