1. 引言

春节档是中国电影市场的黄金时段，各大影片争相上映，吸引了大量观众前往影院观影。在这个特殊的时间节点，我们选取了一部备受瞩目的电影进行评论分析：《第二十条》。

《第二十条》张艺谋执导的新片在上映后口碑与热度持续上涨。据多方数据显示，截至2024年2月18日19点，影片票房已达13.42亿。

影片将现实主义的精神与浪漫主义的情怀相互融合，在笑中带泪的悲喜剧框架下，为看电影的人上了一堂生动的“二十条”普法课，具有强烈的现实观照意义。

本文通过Python采集了该电影的豆瓣评论数据，并利用pandas、cutecharts进行了分析和可视化展示等内容。

2. 数据采集与预处理

我们使用Python爬虫采集了《第二十条》电影的豆瓣短评数据，对数据进行清洗和预处理，以确保分析的准确性和可靠性。

2.1 原数据展示

数据采集时间截止到2024年2月18日18点，共采集了6157条短评，其中想看评价为1836 条，看过评价为4321 条

	_id	comment	rating	sharing_url	show_time_tip	is_voted	uri	platforms	vote_count	create_time	status	ip_location	id
0	4088229895	窝囊废属实是雷佳音的统治区	{‘count’: 1, ‘max’: 5, ‘star_count’: 4, ‘value’: 4}	https://www.douban.com/doubanapp/dispatch?uri=/movie/36208094/interest/4088229895	False	False	douban://douban.com/movie/36208094/interest/4088229895	[]	8862	2024-02-12 10:42:47	done	河南	4088229895
1	4085537171	我就说昨天小品沈腾为啥突然叫李逵了，原来是马丽电影里的初恋叫李逵。案子挺好的，立意也很好，但为啥前一个小时非得给我们看雷佳音马丽夫妻吵架。	{‘count’: 1, ‘max’: 5, ‘star_count’: 4, ‘value’: 4}	https://www.douban.com/doubanapp/dispatch?uri=/movie/36208094/interest/4085537171	False	False	douban://douban.com/movie/36208094/interest/4085537171	[]	7575	2024-02-10 11:27:49	done	上海	4085537171

2.2 数据清洗预处理

• 将影评评分从嵌套字典中抽取到一个独立字段
• 删除无用的字段
• 预处理空值

2.2.1 预处理数据展示

	_id	comment	rating	sharing_url	show_time_tip	is_voted	uri	platforms	vote_count	create_time	status	ip_location	id	rating_value
0	4088229895	窝囊废属实是雷佳音的统治区	{‘count’: 1, ‘max’: 5, ‘star_count’: 4, ‘value’: 4}	https://www.douban.com/doubanapp/dispatch?uri=/movie/36208094/interest/4088229895	False	False	douban://douban.com/movie/36208094/interest/4088229895	[]	8862	2024-02-12 10:42:47	done	河南	4088229895	4
1	4085537171	我就说昨天小品沈腾为啥突然叫李逵了，原来是马丽电影里的初恋叫李逵。案子挺好的，立意也很好，但为啥前一个小时非得给我们看雷佳音马丽夫妻吵架。	{‘count’: 1, ‘max’: 5, ‘star_count’: 4, ‘value’: 4}	https://www.douban.com/doubanapp/dispatch?uri=/movie/36208094/interest/4085537171	False	False	douban://douban.com/movie/36208094/interest/4085537171	[]	7575	2024-02-10 11:27:49	done	上海	4085537171	4

3. 数据可视化分析

3.1 评论占比分布图

3.1.1 饼图可视化代码

from cutecharts.charts import Pie
from cutecharts.components import Page

label = ['看过', '想看']

def pie_base() -> Pie:
    chart = Pie("2024-02-18【第二十条】 看过/想看 短评占比图")
    chart.set_options(labels=label)
    chart.add_series(list(pd.value_counts(df['status'])))
    return chart

pie_base().render_notebook()

3.2 评分占比分布图

3.2.1 数据解释

{5: 2359, 4: 1212, 3: 507, 2: 143, 1: 70, 0: 30}

3.2.2 个人浅薄洞察

高分占比较大：评分为5分和4分的占比相对较高，分别为51.52%和26.57%，可以看出大部分观众对该电影给予了积极的评价。可能是因为电影的制作质量较高、题材新颖，或者口碑宣传效果很好，所以有了好的反馈。

3.3 【看过-评论】提及人物出现频次柱状图

通过对看过该电影的人的评价进行NER（命名实体识别）抽取，我们可以了解到一些人名被提及的次数。

3.3.1 柱状图可视化代码

from cutecharts.charts import Bar
from cutecharts.components import Page


def bar_base() -> Bar:
    chart = Bar("2024-02-18【第二十条】看过 人员出现次数柱状图", width="1000px")
    chart.set_options(labels=list(person.keys()), x_label="I'm xlabel", y_label="I'm ylabel")
    chart.add_series("评论出现次数", list(person.values()))
    return chart

bar_base().render('ner.html')

3.3.2 提及人物出现频次柱状图

3.3.3 数据解释

{
 '赵丽颖': 687,
 '刘耀文': 560,
 '雷佳音': 477,
 '马丽': 473,
 '张艺谋': 439,
 '郝秀萍': 200,
 '韩明': 137,
 '高叶': 119,
 '韩雨': 80,
 '赵丽': 74,
 '吕玲玲': 57,
 '张译': 54,
 '张贵生': 34,
 '李茂娟': 31,
 '王永强': 23,
 '范伟': 16,
 '罗翔': 13,
 '韩雨辰': 11
 }

3.3.4 个人浅薄洞察：

1. 主要演员或导演的影响力：出现次数较多的人名有赵丽颖、刘耀文、雷佳音等。他们在电影中的表现应该对观众留下了深刻的印象，所以他们的名字在评论中被频繁提及。

2. 观众关注点的反映：某些人名的出现次数较少。虽然他们的影响力不如主要演员或导演大，但仍然可以看出观众对于电影中各种角色和元素的关注。

3. 市场营销效果的评估：通过分析NER抽取结果，电影宣发部门可以了解观众对于不同演员或导演的关注程度。可以帮助他们评估市场营销策略的有效性，指导后续的宣传工作，以提高电影的知名度和观众吸引力。

写在最后

综合分析来看，《第二十条》在观众中引起了较大的关注，大部分观众给予了较高的评分，表明电影在整体上获得了一定程度的认可和喜爱。

通过NER抽取，我们也了解到观众对于电影中的主要演员和导演的关注程度，这有助于我们进一步了解电影的受众群体和市场表现。

接下来，我们将在下一篇博客中继续深入挖掘评论中的好评和差评，以更全面地了解观众对于这部电影的评价。敬请期待！

需要采集数据的可以联系我~

该分析仅供学习交流使用，禁止用于商业用途，不构成任何投资建议。

大数据分析为运营和各行业带来了前所未有的机会，使企业能够更敏锐地洞察市场、优化运营，并更有效地应对竞争和变革。在信息时代，充分利用大数据分析，将成为企业取得竞争优势的不可忽视的关键要素。

本人数据分析领域的从业者，拥有专业背景和能力，可以为您的数据挖掘和分析需求提供支持。期待着能够与您共同探索更多有意义的数据洞见，为您的项目和业务提供数据分析方面的帮助。

创作不易，如果你觉得有帮助，请点个赞支持一下。你的鼓励是我创作的最大动力，期待未来能为大家带来更多有趣的分析文章。感谢大家的阅读和支持！