公众号关注 “GitHubDaily”
设为 “星标”，每天带你逛 GitHub！
作者 | Mika
出品 | CDA 数据分析师（ID：cdacdacda）
今天我们来聊聊最近火到不行的综艺 ——《乘风破浪的姐姐》，Python 分析弹幕部分请看第四部分。点击下方视频，先睹为快：
如果说最近最热门的综艺，那《乘风破浪的姐姐》（下文简称《姐姐》）可谓实至名归。
30 位出道多年的姐姐辈女艺人，一个个风格各异、个性鲜明。她们将通过合宿生活与舞台竞演，最终选出 5 位组成逆龄女团。
《乘风破浪的姐姐》就这样突然定档、突然播出、播出前无宣发的情况下爆了，一经播出就抢占各大热搜榜。
今天，我们带大家就用数据来盘一盘这些姐姐们：
主要从以下几点展开：
乘风破浪的姐姐？NO！是兴风作浪的姑奶奶
出道时长十年起，这些姐姐们都有谁？
豆瓣 8.3 分，姐姐们的实力妥妥的
Python 分析 9 万条弹幕，谁才是真正的 C 位？
乘风破浪的姐姐？
NO！是兴风作浪的姑奶奶
既然是选最特别的女团，哪些人参加自然是关注的焦点。宁静、伊能静、钟丽缇、张雨绮、万茜、黄圣依… 光是听到这些选手的名字就让人太期待了！
姐姐们很 “任性”
不同于一般的女团选秀，漂亮妹妹们都得听从节目组的安排，而这次的姐姐们普遍很 “不服管教”，毕竟都是在自己领域出道多年的资深前辈，她们非常有底气，知道自己想要什么。
节目组让做自我介绍，宁静霸气的回复：“还要介绍我是谁？那我这几十年不是白干了？”
节目组导演让伊能静挡一下膝盖，伊能静说：“这是裤子，我挡不了。你配合我一下，别让我配合你们”。
问万茜为何来参加节目，万茜回答：“经纪人逼我来的”。这也太真性情了吧，简直不是乘风破浪的姐姐，而是兴风作浪的姑奶奶们呀。
端水大师 —— 黄晓明
这些姐姐们，也让在中餐厅里 “我不要你觉得 我要我觉得” 的霸道总裁黄教主秒变暖心的小明同学 ——“我不要你觉得，我要您觉得” 人送称号端水大师，满满的求生欲。
凭实力挨骂 —— 杜华
在点评环节中，作为评审之一杜华也是各种凭实力挨骂。依然以评选 20 多岁女团的刻板标准评价姐姐们，让不少观众都看得满头问号，越看越气。
出道时长十年起，唱跳演样样精通
姐姐们到底有多强？
下面让我们看到数据部分。我们搜集了百度百科和维基百科的选手数据。
姐姐们年龄分布
先看到年龄分布，可以看到 29-33 这个年龄段的姐姐最多共有 11 位，占比 36.67%。其次是 34-37 岁，共 10 位，占比 33.33%。
姐姐们都来自哪儿？
然后是地区分布，姐姐们都来自哪里呢？其中来自湖南和上海的最多，各有五位。阿朵、万茜、刘芸、沈梦辰、孟佳都是我们湖南湘妹子。然后四川、辽宁、山东的各两位。
姐姐们都是哪些职业
在职业方面呢，我们可以看到，她们大多数演员和歌手出身，艺人中身兼数职的情况比较普遍，30 人中至少有 17 人身兼多职，其中 13 人既是演员、也是歌手。
初舞台得分的关键因素
《乘风破浪的姐姐》初评分数由个人特质、成团潜力、声乐表现力和舞台表现构成，每项 25 分，总分 100 分。
我们通过 Python 计算数值型变量之间的 pearson 相关系数。对于系数 r 的取值，根据经验可将相关程度分为以下几种情况，|r|>=0.8 时，可视为高相关，0.5<=|r|<0.8，可视为中度相关，0.3<=|r|<0.5 时，可视为低度相关，|r|<0.3，可视为不相关。根据相关系数数值，在 95% 的置信程度水平情况下：
控制其他影响因素的情况下，个人特质打分对初舞台分数的影响最大。
初评舞台分数和年龄、出道年数没有显著相关关系。
年龄和个人特质、成团潜力的分数间存在低度负相关关系，年龄越大，个人特质和成团潜力的得分也就越低；
个人特质和成团潜力的打分之间存在高度正相关，即两者得分存在高则同高，低则同低的情况。
豆瓣 8.3 分，姐姐们的实力妥妥的
目前这部综艺在豆瓣的评分为 8.3 分，很不错的成绩，已有 7 万 2 千余人进行评价。
豆瓣总体评分分布
看到具体评分分布，给出四星的最多，为 38.2%；其次是 5 星 占比 25%。看来观众普遍还是十分认可姐姐们的表现的。
短评词云图
可以看到词云主要围绕的是 "姐姐"、"节目"、"女团" 展开。其中在需选手中宁静、万茜被提到的频率最高。
当然也有不少吐槽的点，大家的吐槽主要集中在：
评委杜华：不公平；30 + 的女性岁月积淀了魅力，评审却按照 20 岁女团的标准来；给丁当打分真是要气炸。
黄晓明：从霸道总裁秒怂变小明，让人感觉尴尬不已
节目组：场景布置令人寒酸，摄影差，灯光差，布景差。
也有吐槽选手的
黄圣依：等黄圣依淘汰了我再改成五星，谢谢。
Python 分析 9 万条弹幕
谁才是真正的 C 位一姐？
我们统计了芒果 tv 第一期的弹幕数据，共 94575 条。
下面展示芒果 Tv 弹幕爬虫部分代码，分析部分代码暂略。数据获取的具体思路如下：
分析网页，弹幕数据是动态加载的，因此通过 Chrome 浏览器进行抓包分析并获取真实的 URL 请求地址；
使用 selenium 请求网页数据；
使用正则表达式 re 将文本中的 HTML 提取出来，使用 json 进行解析；
使用 pandas 进行数据的保存。
一、弹幕在哪里找？
打开《乘风破浪的姐姐》选取一集，观看我们要抓取的弹幕，可以看出弹幕是在视频播放之后才滚动加载的，所以我们可以判断视频是通过 JS 异步加载的。
按照经验，我们切换到 network-XHR 下面查看，如下图所示，很容易发现了弹幕请求的地址：
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 参数每集不一样，通过抓包获取即可。
二、获取并解析数据
具体代码如下：
# 导入包
import pandas as pd
import time
import re
import json
from selenium import webdriver
# 打开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)
# 打印进度
print('正在获取第{}页的信息'.format(step))
step += 1
# 获取弹幕
browser.get(danmu_url)
# 休眠3秒
time.sleep(3)
# 提取数据
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)
# 解析数据
js_data = json.loads(data2)
# 获取数据
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]
# 内容
content = [i.get('content') for i in all_data]
# 时间
danmu_time = [i.get('time') for i in all_data]
# 点赞
up_count = [i.get('v2_up_count') for i in all_data]
# 分钟
danmu_minites = step-1
# 保存数据
df_one = pd.DataFrame({
'danmu_id': danmu_id,
'uname': uname,
'content': content,
'danmu_time': danmu_time,
'up_count': up_count,
'danmu_minites': danmu_minites
})
# 循环追加
df_all = df_all.append(df_one, ignore_index=True)
except Exception as e:
print(e)
print('没有此页面, 爬虫结束')
break
return df_all
if __name__ == '__main__':
#
df_1 = get_mgtv_danmu(month_num='06', day_num='21', num1=104556, num2=8337559)
获取的数据以数据表的形式存储，如下所示：
df.head()
结论部分
选手弹幕热度排名
在排名数据上，占据前四位的分别是宁静、万茜、吴昕和张雨绮。
下面，分别看到她们的个人弹幕词云图。
宁静 - 弹幕词云
喜欢宁静的，都喜欢她那种强大的大姐大气场，感觉静姐这哪里是来出道当女团的，明明是来选妃的。
万茜 - 弹幕词云
再看到万茜，淡雅的性格配上努力勤奋换来的过硬实力，在节目里，万茜也堪称人气王，除了观众爱她，姐姐们也都爱她。关于她的弹幕都是各种 "喜欢"、"可爱"、"性格圈粉" 等等。
吴昕 - 弹幕词云
吴昕这次在节目中给了人眼前一亮的感觉，不再是快乐家族中没啥台词的小透明，从用心准备的节目，到谈吐性格都让人感觉十分舒服，非常圈粉。
张雨绮 - 弹幕词云
最后再看到张雨绮，她真的是反差萌担当了，以为是高冷霸总，结果却是个可爱憨憨，从赛前采访就开始搞笑。带来的节目是《粉红色的回忆》，理由是这是自己唯一能唱完的歌，也是十分可爱了。
结语：
这么多个性十足的姐姐们真是让人爱了爱了，特别是《乘风破浪的姐姐》的开场旁白，非常让人印象深刻：
三十而励！三十而立！三十而骊！
30 岁以后，人生的见证者越来越少，但还可以自我见证！
30 岁以后，所有的可能性不断褪却，但还可以越过时间，越过自己！
不要轻易用年龄定义自己，只要有追逐梦想的心，无论什么年龄段都有属于自己的精彩！
《乘风破浪的姐姐》数据 + 代码：
链接: https://pan.baidu.com/s/12XsJ-GrzagDU3LdI5nrsOA
提取码: ywv8
---
由 GitHubDaily 原班人马打造的公众号：GitCube，现已正式上线！
接下来我们将会在该公众号上，为大家分享优质的计算机学习资源与开发者工具，坚持每天一篇原创文章的输出，感兴趣的小伙伴可以关注一下哈！