公衆號關注 “GitHubDaily”
設爲 “星標”，每天帶你逛 GitHub！
作者 | Mika
出品 | CDA 數據分析師（ID：cdacdacda）
今天我們來聊聊最近火到不行的綜藝 ——《乘風破浪的姐姐》，Python 分析彈幕部分請看第四部分。點擊下方視頻，先睹爲快：
如果說最近最熱門的綜藝，那《乘風破浪的姐姐》（下文簡稱《姐姐》）可謂實至名歸。
30 位出道多年的姐姐輩女藝人，一個個風格各異、個性鮮明。她們將通過合宿生活與舞臺競演，最終選出 5 位組成逆齡女團。
《乘風破浪的姐姐》就這樣突然定檔、突然播出、播出前無宣發的情況下爆了，一經播出就搶佔各大熱搜榜。
今天，我們帶大家就用數據來盤一盤這些姐姐們：
主要從以下幾點展開：
乘風破浪的姐姐？NO！是興風作浪的姑奶奶
出道時長十年起，這些姐姐們都有誰？
豆瓣 8.3 分，姐姐們的實力妥妥的
Python 分析 9 萬條彈幕，誰纔是真正的 C 位？
乘風破浪的姐姐？
NO！是興風作浪的姑奶奶
既然是選最特別的女團，哪些人蔘加自然是關注的焦點。寧靜、伊能靜、鍾麗緹、張雨綺、萬茜、黃聖依… 光是聽到這些選手的名字就讓人太期待了！
姐姐們很 “任性”
不同於一般的女團選秀，漂亮妹妹們都得聽從節目組的安排，而這次的姐姐們普遍很 “不服管教”，畢竟都是在自己領域出道多年的資深前輩，她們非常有底氣，知道自己想要什麼。
節目組讓做自我介紹，寧靜霸氣的回覆：“還要介紹我是誰？那我這幾十年不是白乾了？”
節目組導演讓伊能靜擋一下膝蓋，伊能靜說：“這是褲子，我擋不了。你配合我一下，別讓我配合你們”。
問萬茜爲何來參加節目，萬茜回答：“經紀人逼我來的”。這也太真性情了吧，簡直不是乘風破浪的姐姐，而是興風作浪的姑奶奶們呀。
端水大師 —— 黃曉明
這些姐姐們，也讓在中餐廳裏 “我不要你覺得 我要我覺得” 的霸道總裁黃教主秒變暖心的小明同學 ——“我不要你覺得，我要您覺得” 人送稱號端水大師，滿滿的求生欲。
憑實力捱罵 —— 杜華
在點評環節中，作爲評審之一杜華也是各種憑實力捱罵。依然以評選 20 多歲女團的刻板標準評價姐姐們，讓不少觀衆都看得滿頭問號，越看越氣。
出道時長十年起，唱跳演樣樣精通
姐姐們到底有多強？
下面讓我們看到數據部分。我們蒐集了百度百科和維基百科的選手數據。
姐姐們年齡分佈
先看到年齡分佈，可以看到 29-33 這個年齡段的姐姐最多共有 11 位，佔比 36.67%。其次是 34-37 歲，共 10 位，佔比 33.33%。
姐姐們都來自哪兒？
然後是地區分佈，姐姐們都來自哪裏呢？其中來自湖南和上海的最多，各有五位。阿朵、萬茜、劉芸、沈夢辰、孟佳都是我們湖南湘妹子。然後四川、遼寧、山東的各兩位。
姐姐們都是哪些職業
在職業方面呢，我們可以看到，她們大多數演員和歌手出身，藝人中身兼數職的情況比較普遍，30 人中至少有 17 人身兼多職，其中 13 人既是演員、也是歌手。
初舞臺得分的關鍵因素
《乘風破浪的姐姐》初評分數由個人特質、成團潛力、聲樂表現力和舞臺表現構成，每項 25 分，總分 100 分。
我們通過 Python 計算數值型變量之間的 pearson 相關係數。對於係數 r 的取值，根據經驗可將相關程度分爲以下幾種情況，|r|>=0.8 時，可視爲高相關，0.5<=|r|<0.8，可視爲中度相關，0.3<=|r|<0.5 時，可視爲低度相關，|r|<0.3，可視爲不相關。根據相關係數數值，在 95% 的置信程度水平情況下：
控制其他影響因素的情況下，個人特質打分對初舞臺分數的影響最大。
初評舞臺分數和年齡、出道年數沒有顯著相關關係。
年齡和個人特質、成團潛力的分數間存在低度負相關關係，年齡越大，個人特質和成團潛力的得分也就越低；
個人特質和成團潛力的打分之間存在高度正相關，即兩者得分存在高則同高，低則同低的情況。
豆瓣 8.3 分，姐姐們的實力妥妥的
目前這部綜藝在豆瓣的評分爲 8.3 分，很不錯的成績，已有 7 萬 2 千餘人進行評價。
豆瓣總體評分分佈
看到具體評分分佈，給出四星的最多，爲 38.2%；其次是 5 星 佔比 25%。看來觀衆普遍還是十分認可姐姐們的表現的。
短評詞雲圖
可以看到詞雲主要圍繞的是 "姐姐"、"節目"、"女團" 展開。其中在需選手中寧靜、萬茜被提到的頻率最高。
當然也有不少吐槽的點，大家的吐槽主要集中在：
評委杜華：不公平；30 + 的女性歲月積澱了魅力，評審卻按照 20 歲女團的標準來；給丁當打分真是要氣炸。
黃曉明：從霸道總裁秒慫變小明，讓人感覺尷尬不已
節目組：場景佈置令人寒酸，攝影差，燈光差，佈景差。
也有吐槽選手的
黃聖依：等黃聖依淘汰了我再改成五星，謝謝。
Python 分析 9 萬條彈幕
誰纔是真正的 C 位一姐？
我們統計了芒果 tv 第一期的彈幕數據，共 94575 條。
下面展示芒果 Tv 彈幕爬蟲部分代碼，分析部分代碼暫略。數據獲取的具體思路如下：
分析網頁，彈幕數據是動態加載的，因此通過 Chrome 瀏覽器進行抓包分析並獲取真實的 URL 請求地址；
使用 selenium 請求網頁數據；
使用正則表達式 re 將文本中的 HTML 提取出來，使用 json 進行解析；
使用 pandas 進行數據的保存。
一、彈幕在哪裏找？
打開《乘風破浪的姐姐》選取一集，觀看我們要抓取的彈幕，可以看出彈幕是在視頻播放之後才滾動加載的，所以我們可以判斷視頻是通過 JS 異步加載的。
按照經驗，我們切換到 network-XHR 下面查看，如下圖所示，很容易發現了彈幕請求的地址：
https://bullet-ws.hitv.com/bullet/2020/06/21/104556/8337559/0.json
其中：2020/06/21 代表日期，104556 和 8337559 參數每集不一樣，通過抓包獲取即可。
二、獲取並解析數據
具體代碼如下：
# 導入包
import pandas as pd
import time
import re
import json
from selenium import webdriver
# 打開Chrome（需配置webdriver）
browser = webdriver.Chrome()
def get_mgtv_danmu(month_num, day_num, num1, num2):
step = 1
df_all = pd.DataFrame()
while True:
try:
# 第一集URL
danmu_url = 'https://bullet-ws.hitv.com/bullet/2020/{}/{}/{}/{}/{}.json'.format(month_num, day_num, num1, num2, step)
# 打印進度
print('正在獲取第{}頁的信息'.format(step))
step += 1
# 獲取彈幕
browser.get(danmu_url)
# 休眠3秒
time.sleep(3)
# 提取數據
pattern1 = re.compile(r'<html><head></head><body><pre style="word-wrap: break-word; white-space: pre-wrap;">')
pattern2 = re.compile(r'</pre></body></html>')
data1 = re.sub(pattern1, '', browser.page_source)
data2 = re.sub(pattern2, '', data1)
# 解析數據
js_data = json.loads(data2)
# 獲取數據
all_data = js_data['data']['items']
# id
danmu_id = [i.get('id') for i in all_data]
# uname
uname = [i.get('uname') for i in all_data]
# 內容
content = [i.get('content') for i in all_data]
# 時間
danmu_time = [i.get('time') for i in all_data]
# 點贊
up_count = [i.get('v2_up_count') for i in all_data]
# 分鐘
danmu_minites = step-1
# 保存數據
df_one = pd.DataFrame({
'danmu_id': danmu_id,
'uname': uname,
'content': content,
'danmu_time': danmu_time,
'up_count': up_count,
'danmu_minites': danmu_minites
})
# 循環追加
df_all = df_all.append(df_one, ignore_index=True)
except Exception as e:
print(e)
print('沒有此頁面, 爬蟲結束')
break
return df_all
if __name__ == '__main__':
#
df_1 = get_mgtv_danmu(month_num='06', day_num='21', num1=104556, num2=8337559)
獲取的數據以數據表的形式存儲，如下所示：
df.head()
結論部分
選手彈幕熱度排名
在排名數據上，佔據前四位的分別是寧靜、萬茜、吳昕和張雨綺。
下面，分別看到她們的個人彈幕詞雲圖。
寧靜 - 彈幕詞雲
喜歡寧靜的，都喜歡她那種強大的大姐大氣場，感覺靜姐這哪裏是來出道當女團的，明明是來選妃的。
萬茜 - 彈幕詞雲
再看到萬茜，淡雅的性格配上努力勤奮換來的過硬實力，在節目裏，萬茜也堪稱人氣王，除了觀衆愛她，姐姐們也都愛她。關於她的彈幕都是各種 "喜歡"、"可愛"、"性格圈粉" 等等。
吳昕 - 彈幕詞雲
吳昕這次在節目中給了人眼前一亮的感覺，不再是快樂家族中沒啥臺詞的小透明，從用心準備的節目，到談吐性格都讓人感覺十分舒服，非常圈粉。
張雨綺 - 彈幕詞雲
最後再看到張雨綺，她真的是反差萌擔當了，以爲是高冷霸總，結果卻是個可愛憨憨，從賽前採訪就開始搞笑。帶來的節目是《粉紅色的回憶》，理由是這是自己唯一能唱完的歌，也是十分可愛了。
結語：
這麼多個性十足的姐姐們真是讓人愛了愛了，特別是《乘風破浪的姐姐》的開場旁白，非常讓人印象深刻：
三十而勵！三十而立！三十而驪！
30 歲以後，人生的見證者越來越少，但還可以自我見證！
30 歲以後，所有的可能性不斷褪卻，但還可以越過時間，越過自己！
不要輕易用年齡定義自己，只要有追逐夢想的心，無論什麼年齡段都有屬於自己的精彩！
《乘風破浪的姐姐》數據 + 代碼：
鏈接: https://pan.baidu.com/s/12XsJ-GrzagDU3LdI5nrsOA
提取碼: ywv8
---
由 GitHubDaily 原班人馬打造的公衆號：GitCube，現已正式上線！
接下來我們將會在該公衆號上，爲大家分享優質的計算機學習資源與開發者工具，堅持每天一篇原創文章的輸出，感興趣的小夥伴可以關注一下哈！