《囧妈》口碑扑街?Python告诉你,为何这次观众不买账了
文章目录

CDA数据分析师 出品
【导语】:今天我们就来聊聊另类春节档的唯一一部电影《囧妈》,Python技术部分可以直接看第三部分。
2020年的春节档之前被誉为神仙打架,各显神通,可以说是史上最强的春节档,不料一场疫情,就换了另一个局面。为配合疫情的防控,春节档电影全部撤档。
本以为就这样没下文了,结果徐峥打出一张牌:线上免费看《囧妈》,作为发行方的欢喜传媒股票当天也应声上涨42%。今天我们就来聊聊另类春节档的唯一一部电影《囧妈》。
1
另类春节档
《囧妈》绕过院线 全网免费看
在《姜子牙》《唐人街探案3》等片纷纷撤出春节档之时,《囧妈》突然宣布将于大年初一零点起,在抖音、西瓜视频、今日头条、欢喜首映等App上免费上映,成为史上首部绕过院线直接网播的春节档电影。
《囧妈》主要讲的是小老板伊万缠身于商业纠纷,却意外同母亲坐上了开往俄罗斯的火车。在旅途中,他和母亲发生激烈冲突,同时还要和竞争对手斗智斗勇。为了最终抵达莫斯科,他不得不和母亲共同克服难关,并面对家庭生活中一直所逃避的问题。

徐峥这次把《囧妈》免费让观众看的举措,让《囧妈》在惨淡的春节档赚足了足够的热度,字节跳动也收获了大量的流量。该片三天总播出量超过6亿人次,观众总数为1.8亿人次。
2
敢做第一个吃螃蟹的人
回望中国电影「大票房」时代,国内首部票房破10亿的国产电影就是徐峥在2012年的作品《人再囧途之泰囧》,达到12.67亿,之后国产电影就像打了鸡血一样,一个又一个破新高。
当然这里面C君觉得有50%的功劳要算在2010年前作《人在囧途》的精彩上,让影迷们觉得囧系列和徐峥是品质保证。C君记得当时看完《人在囧途》,就说下次徐峥再拍囧系列一定要去电影院支持,这种口碑效应在电影里面特别明显。可能正是这样的艺高,所以才胆大。


这次《囧妈》直接选择线上首映,同时还把钱给挣了,弄的电影院联名声讨,了解一下过程,你就懂了。
原来的形式是发行方欢喜传媒拍好了电影,卖给横店影视,保底24亿票房。然后横店影视去找全国的电影院,你们帮我放这部电影,最后我们肯定至少能收入24亿票房,咱们一起分。给发行方欢喜传媒6个多亿,然后我们再分剩下的18亿,是个不错的生意。
而现在,是今日头条直接取代了横店影视的位置,我给你6个多亿,我不用电影院放,我自己上亿装机量的APP上就可以看,大家拿手机免费看,我的APP打开率高了,钱就挣回来了,说不定还能培养出大家用APP看电影首映的习惯。
发行方欢喜传媒,徐峥没啥损失。电影院被今日头条系给取代了,你说能不声讨吗?
3
但观众看完之后
又是什么反应呢?
虽然《囧妈》赚足了流量,但口碑究竟如何呢?
目前《囧妈》在豆瓣上的评分仅为5.9分,负面的评论居多。我们搜集整理了豆瓣上的评论数据,用Python进行分析。整个数据分析的过程分为三步:
· 获取数据
· 数据预处理
· 数据可视化
以下是具体的步骤和代码实现:
01 获取数据
豆瓣从2017.10月开始全面限制爬取数据,非登录状态下最多获取200条,登录状态下最多为500条,本次我们共获取数据698条。
为了解决登录的问题,本次使用Selenium+BeautifulSoup获取数据。
如下图所示,本此数据爬取主要获取的内容有:
· 评论用户ID
· 评论用户主页
· 评论内容
· 评分星级
· 评论日期
· 用户所在城市

代码实现:
# 导入所需包import requestsfrom bs4 import BeautifulSoupimport numpy as npimport pandas as pd import timefrom selenium import webdriverfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.common.keys import Keysfrom selenium.webdriver.chrome.options import Options
# 定义登录函数def login_douban:'''功能:自动登录豆瓣网站'''global browser # 设置为全局变量browser = webdriver.Chrome
# 进入登录页面login_url = 'https://accounts.douban.com/passport/login?source=movie'browser.get(login_url)
# 点击密码登录browser.find_element_by_class_name('account-tab-account').click
# 输入账号和密码username = browser.find_element_by_id('username')username.send_keys('18511302788') password = browser.find_element_by_id('password')password.send_keys('12349148feng')
# 点击登录browser.find_element_by_class_name('btn-account').click
# 定义函数获取单页数据def get_one_page(url):'''功能:传入url,豆瓣电影一页的短评信息''' # 进入短评页browser.get(url)
# 使用bs解析网页数据bs = BeautifulSoup(browser.page_source, 'lxml')
# 获取用户名username = [i.find('a').text for i in bs.findAll('span', class_='comment-info')]# 获取用户urluser_url = [i.find('a')['href'] for i in bs.findAll('span', class_='comment-info')]
# 获取推荐星级rating = for i in bs.findAll('span', class_='comment-info'):try:one_rating = i.find('span', class_='rating')['title']rating.append(one_rating)except:rating.append('力荐')
# 评论时间time = [i.find('span', class_='comment-time')['title'] for i in bs.findAll('span', class_='comment-info')]# 短评信息short = [i.text for i in bs.findAll('span', class_='short')]# 投票次数votes = [i.text for i in bs.findAll('span', class_='votes')]
# 创建一个空的DataFramedf_one = pd.DataFrame # 存储信息 df_one['用户名'] = usernamedf_one['用户主页'] = user_urldf_one['推荐星级'] = ratingdf_one['评论时间'] = timedf_one['短评信息'] = shortdf_one['投票次数'] = votes
return df_one
# 定义函数获取25页数据(目前所能获取的最大页数)def get_25_page(movie_id):'''功能:传入电影ID,获取豆瓣电影25页的短评信息'''# 创建空的DataFramedf_all = pd.DataFrame
# 循环追加for i in range(25):url = "https://movie.douban.com/subject/{}/comments?start={}&limit=20&sort=new_score&status=P".format(movie_id,i*20)print('我正在抓取第{}页'.format(i+1), end='\r') # 调用函数df_one = get_one_page(url) df_all = df_all.append(df_one, ignore_index=True)# 程序休眠一秒time.sleep(1.5) return df_all
if __name__ == '__main__':# 先运行登录函数login_douban# 程序休眠两秒time.sleep(2) # 再运行循环翻页函数movie_id = 30306570 # 囧妈 df_all = get_25_page(movie_id)
爬取出来的数据以数据框的形式存储,结果如下所示:

从用户主页的地址可以获取到用户的城市信息,这一步比较简单,此处的代码省略。
02 数据预处理
对于获取到的数据,我们需要进行以下的处理以方便后续分析:
· 推荐星级:转换为1-5分。
· 评论时间:转换为时间类型,提取出日期信息
· 城市:有城市空缺、海外城市、乱写和pyecharts尚4. 不支持的城市,需要进行处理
· 短评信息:需要进行分词和提取关键词
代码实现:
# 定义函数转换推荐星级字段def transform_star(x):if x == '力荐':return 5elif x == '推荐':return 4elif x == '还行':return 3elif x == '较差':return 2else:return 1
# 星级转换df_all['星级'] = df_all.推荐星级.map(lambda x:transform_star(x)) # 转换日期类型df_all['评论时间'] = pd.to_datetime(df_all.评论时间) # 提取日期df_all['日期'] = df_all.评论时间.dt.date
# 定义函数-获取短评信息关键词def get_comment_word(df): '''功能:传入df,提取短评信息关键词'''# 导入库import jieba.analyseimport os # 去停用词stop_words = set
# 加载停用词cwd = os.getcwd stop_words_path = cwd + '\\stop_words.txt'
with open(stop_words_path, 'r', encoding='utf-8') as sw:for line in sw.readlines:stop_words.add(line.strip)
# 添加停用词stop_words.add('6.3')stop_words.add('一张')stop_words.add('一部')stop_words.add('徐峥')stop_words.add('徐导') stop_words.add('电影')stop_words.add('电影票')
# 合并评论信息df_comment_all = df['短评信息'].str.cat
# 使用TF-IDF算法提取关键词word_num = jieba.analyse.extract_tags(df_comment_all, topK=100, withWeight=True, allowPOS=)
# 做一步筛选word_num_selected =
# 筛选掉停用词for i in word_num:if i[0] not in stop_words:word_num_selected.append(i) else:pass
return word_num_selected
key_words = get_comment_word(df_all)key_words = pd.DataFrame(key_words, columns=['words','num'])
03 数据可视化
用Python做可视化分析的工具很多,目前比较好用可以实现动态可视化的是pyecharts。我们主要对以下几个方面信息进行可视化分析:
· 评论总体评分分布
· 评分时间走势
· 城市分布
· 评论内容
总体评分分布

《囧妈》截止到目前在豆瓣中的总体评分为5.9分,仅好于19%的喜剧片。从评分分布来看,3分的占比最高,有36.39%,其次为2分,有32.09%,5分的比例最低,仅有6.88%。
代码实现:
# 总体评分百分比score_perc = df_all.星级.value_counts / df_all.星级.value_counts.sumscore_perc = np.round(score_perc*100,2)
# 导入所需包from pyecharts import options as optsfrom pyecharts.charts import Pie, Page
# 绘制柱形图pie1 = Pie(init_opts=opts.InitOpts(width='1350px', height='750px'))pie1.add("", [*zip(score_perc.index, score_perc.values)], radius=["40%","75%"]) pie1.set_global_opts(title_opts=opts.TitleOpts(title='总体评分分布'),legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"),toolbox_opts=opts.ToolboxOpts)pie1.set_series_opts(label_opts=opts.LabelOpts(formatter="{c}%")) pie1.render('总体评分分布.html')
评分时间走势图

评论的时间走势图和电影热度一致,在大年初一免费上映时候达到最高值。
代码实现:
# 时间排序time = df_all.日期.value_counts time.sort_index(inplace=True)
from pyecharts.charts import Line
# 绘制时间走势图line1 = Line(init_opts=opts.InitOpts(width='1350px', height='750px'))line1.add_xaxis(time.index.tolist)line1.add_yaxis('评论热度', time.values.tolist, areastyle_opts=opts.AreaStyleOpts(opacity=0.5), label_opts=opts.LabelOpts(is_show=False))line1.set_global_opts(title_opts=opts.TitleOpts(title="时间走势图"), toolbox_opts=opts.ToolboxOpts)line1.render('评论时间走势图.html')
评论用户城市分布
接下来分析了评论者所在的城市分布。
首先是用条形图,来粗略的展示前十大热门的影迷城市。

代码实现:
# 国内城市top10city_top10 = df_all.城市处理.value_counts[:12] city_top10.drop('国外', inplace=True)city_top10.drop('未知', inplace=True)
from pyecharts.charts import Bar
# 条形图bar1 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px')) bar1.add_xaxis(city_top10.index.tolist)bar1.add_yaxis("城市", city_top10.values.tolist) bar1.set_global_opts(title_opts=opts.TitleOpts(title="评论者Top10城市分布"),toolbox_opts=opts.ToolboxOpts)bar1.render('评论者Top10城市分布条形图.html')
柱形图的展示不是很直观也不全面,在含有地理位置的数据中,我们常采用采用地图的形式,为大家更加直观的进行展示,选取了观影城市最多的前三十个城市作为动态展示,如下图所示:

代码实现:
city_num = df_all.城市处理.value_counts[:30] city_num.drop('国外', inplace=True)city_num.drop('未知', inplace=True)
c1 = Geo(init_opts=opts.InitOpts(width='1350px', height='750px')) c1.add_schema(maptype='china') c1.add('geo', [list(z) for z in zip(city_num.index, city_num.values.astype('str'))], type_=ChartType.EFFECT_SCATTER) c1.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) c1.set_global_opts(visualmap_opts=opts.VisualMapOpts, title_opts=opts.TitleOpts(title='评论者城市分布'),toolbox_opts=opts.ToolboxOpts) c1.render('评论者城市分布地图.html')
评分词云图
从词云图中可以看出,"喜剧" "和解" "母子" "笑点" "亲情"等词占较大的比重。骨子里还是囧系列那种公路喜剧片,这次用母子关系制造一系列的笑点,让电影的主题表达更进一步。但也有很多观众反映电影强行煽情,强行上升高度,强行搞笑,强行接续剧情,强行中年婚姻危机。
代码实现:
from pyecharts.charts import WordCloudfrom pyecharts.globals import SymbolType, ThemeType
word = WordCloud(init_opts=opts.InitOpts(width='1350px', height='750px'))word.add("", [*zip(key_words.words, key_words.num)], word_size_range=[20, 200]) word.set_global_opts(title_opts=opts.TitleOpts(title="囧妈电影评论词云图"),toolbox_opts=opts.ToolboxOpts) word.render('囧妈电影评论词云图.html')
在热门评论里,用户阿暖说道:
“ 很平庸,很无趣,既不好笑,对于原生家庭的探讨也只是隔靴搔痒而已。”

竟然获得了5560个赞同。
同时C君也查了一下:
2010年《人在囧途》,豆瓣7.7分。主演是徐峥,导演叶伟民。
2012年《人在囧途之泰囧》,豆瓣7.4分,徐峥自导自演。
2015年《港囧》,豆瓣5.7分,徐峥自导自演。
2018年《我不是药神》,豆瓣9.0分,主演是徐峥,导演是文牧野。
2020年《囧妈》,豆瓣5.9分,徐峥自导自演。
所以徐峥一定是个好演员,但导演嘛,就不好说了。
有人说这次徐峥这个玩法是要做中国版的Netflix。Netflix 现在大家都知道是世界数一数二流媒体平台,就是视频网站,也能在电视上看。所以从口碑上看,《囧妈》只能算在形式上开了个头,就像当年徐峥是开启了中国电影的大票房时代,但真正的票房王是吴京,让我们期待一下吧。


评论
登录后参与技术讨论,分享你的经验与见解。
登录 / 注册暂无评论