要說今年最出圈的詞彙，《你好，李煥英》絕對算是最熱的黑馬之一。不鳴則已，一鳴驚人，這部優秀的作品更是讓賈玲榮獲“全球票房最高女導演”的稱號。
（圖片來自於“貓眼”程序）
要從感情上分析這部電影爲什麼能取得如此成功，想必大家已經看得很多，今天我們從數據分角度出發，用Python分析一下這位春節檔的最大贏家——《你好，李煥英》!
首先，我們要簡單使用Python爬取豆瓣的短評數據。目前這部劇豆瓣上共有612433人進行評分，分數爲8.1分，這種評分在國產劇中是很優秀的成績了。
這裏我們使用requests並搭配xpath來爬取豆瓣評價以及評論者的個人信息。
from lxml
import etree
import requests
靜待十幾秒，就成功獲取了500條豆瓣評論數據👇
簡單篩選，我們就可以從500條數據統計出主演提及次數，並利用pyecharts製作條形圖。
bar = (Bar()
.add_xaxis(x_df)
.add_yaxis('提及次數', y_df)
.set_global_opts(title_opts=opts.TitleOpts(title='《你好，李煥英》豆瓣評論中的主演提及次數')
,visualmap_opts=opts.VisualMapOpts())
)
bar.render_notebook()
我們通過排序可以發現，賈玲飾演的自己，張小斐飾演的李煥英是觀衆評論提及最多的角色。
我們還可以用pyecharts來製作map地圖，來展示評論者的地域分佈：
可以看到，豆瓣上給《你好，李煥英》評分的觀衆中，來自北京市的最多！
最後我們再利用stylecloud製作一個詞雲圖，看看大家主要都在評論些什麼？
stylecloud.gen_stylecloud(text=' '.join(text),
collocations=False,
icon_name='fas fa-chart-pie',
size=600,
output_name='./評論詞雲圖.png')
Image(filename='./評論詞雲圖.png')
結果如下：
豆瓣評論中主要圍繞的關鍵詞有"母親"和"女兒"，以及對應的角色"賈玲"和"李煥英"。除此以外，"沈騰"、"穿越"、"反轉"、"結尾"、"小品"等關鍵詞也被多次提到。
上文就是我們用Python分析一下《你好，李煥英》這部叫好又叫座的電影了。
不過只是使用 Python 簡單給你演示一下數據分析的魅力，後續我們其實還能做深入的數據挖掘。而且，實際上數據分析除了獲取數據，存儲數據，還需要會對數據進行預處理，提取，然後分析，統計，報告等操作。
如果你對使用 Python 數據分析感興趣，想要拿到一份薪資不錯的工作，但是目前還有些許茫然，有很多不清楚的地方，比如數據分析的學習路徑是怎麼樣的？如何製作精美的可視化視圖？如何進行股票量化等等？
大家按照以下步驟，獲取我特意挑選出來的書籍、視頻。
1、掃二維碼免費報名課程（限時300個名額）
2、報名成功後添加小助手即可免費領取資料
流程解析：5個關鍵步驟，掌握核心方法 過程處理：2個關鍵工具，提升工作效率 實戰項目：二手車網站數據爬取+可視化
4個案例，用Python實現【交互式可視化報表】
入門級圖表：用Python快速實現
進階交互圖：股票價格走勢
動態趨勢圖：電商直播分析
地圖效果圖：銷售數據彙總
場景工具：利用pandas工具分解KDJ指標構成
流程處理: 交易數據爬取，業務場景分析建模和可視化
分析結果：用KDJ指標模型對比特幣行情買賣點搜索&交易回溯
實戰項目：掌握根據數據指數和分析工具尋找虛擬貨幣買賣原理
大家按照以下步驟，獲取我特意挑選出來的書籍、視頻。
1、掃二維碼免費報名課程（限時300個名額）
2、報名成功後添加小助手即可免費領取資料
本文分享自微信公衆號 - IT共享之家（info-share）。
如有侵權，請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”，歡迎正在閱讀的你也加入，一起分享。