此次數(shù)據(jù)爬取我們參考了之前其他文章中對(duì)于貓眼數(shù)據(jù)的爬取方法，調(diào)用其接口，每次取出部分?jǐn)?shù)據(jù)并進(jìn)行去重，最終得到上萬條評(píng)論，代碼如下： 

tomato = pd.DataFrame(columns=['date','score','city','comment','nick']) 
for i in range(0, 1000): 
    j = random.randint(1,1000)     
print(str(i)+' '+str(j))     
try: 
        time.sleep(2)          
= 'http://m.maoyan.com/mmdb/comments/movie/1212592.json?_v_=yes&offset=' + str(j) 
        html = requests.get(url=url).content 
        data = json.loads(html.decode('utf-8'))['cmts'] 
         
for item in data: 
          tomato = tomato.append({'date':item['time'].split(' ')[0 
],'city':item['cityName'], 'score':item['score'],'comment':item[ 
'content'],  'nick':item['nick']},ignore_index=True) 
        tomato.to_csv('西虹市首富4.csv',index=False)    
except:        
continue 

數(shù)據(jù)分析：

我們看一下所得到的數(shù)據(jù)： 

數(shù)據(jù)中我們可以得到用戶的昵稱，方便后面進(jìn)行去重。后面的部分主要圍繞評(píng)分、城市、評(píng)論展開。

首先看一下，評(píng)論分布熱力圖： 

京津翼、江浙滬、珠三角等在各種榜單長期霸榜單的區(qū)域，在熱力圖中，依然占據(jù)著重要地位。同時(shí)，我們看到東三省和四川、重慶所在區(qū)域也有著十分高的熱度，這也與沈騰自身東北人&四川女婿的身份不謀而合(以上純屬巧合，切勿較真)。

下面我們要看的是主要城市的評(píng)論數(shù)量與打分情況：

打出最高分4.77分的正是沈騰家鄉(xiāng)的省會(huì)城市哈爾濱(沈騰出生于黑龍江齊齊哈爾)，看來沈騰在黑龍江還是被廣大父老鄉(xiāng)親所認(rèn)可的。最低分和次低分來自于合肥和鄭州，今后的開心麻花可以考慮引入加強(qiáng)在中部地區(qū)的宣傳。

我們按照打分從高到底對(duì)城市進(jìn)行排序： 

在評(píng)論數(shù)量最多的二十個(gè)城市中，評(píng)分前七名的城市中東北獨(dú)占四席，而分?jǐn)?shù)相對(duì)較低的城市中武漢、合肥、鄭州都屬于中部地區(qū)，可見不同地區(qū)的觀眾對(duì)影評(píng)的認(rèn)可程度有著一定差異。

我們把城市打分情況投射到地圖中：(紅色表示打分較高，藍(lán)色表示較低)

進(jìn)一步，我們把城市劃分為評(píng)分較高和較低兩部分

較高區(qū)域：

較低區(qū)域：

可以看到對(duì)于“西紅柿”，南北方觀眾的評(píng)價(jià)存在一定差異，這與每年春晚各個(gè)地區(qū)收視率似乎有一些吻合知乎。沈騰本身也是春晚的?？?，電影中自然會(huì)帶一些“春晚小品味”，這似乎可以一定程度上解釋我們得到的結(jié)果。

看過了評(píng)分，我們看一下評(píng)論生成的詞云圖，以下分別是原圖和據(jù)此繪制的詞云圖：

不知道大家的想法如何，至少在我看到了這樣的詞云，搞笑、笑點(diǎn)、值得、開心、不錯(cuò)，甚至是哈哈都會(huì)激起我強(qiáng)烈的看片欲望。同時(shí)，沈騰也被大家反復(fù)提起多次，可以預(yù)見其在片中有著非常不錯(cuò)的表演，也會(huì)一定程度上激發(fā)大家看片的欲望。

部分代碼展示：

熱力圖：

tomato_com = pd.read_excel('西虹市首富.xlsx') 
grouped=tomato_com.groupby(['city']) 
grouped_pct=grouped['score'] #tip_pct列 
city_com = grouped_pct.agg(['mean','count']) 
city_com.reset_index(inplace=True) 
city_com['mean'] = round(city_com['mean'],2) 
data=[(city_com['city'][i],city_com['count'][i]) for i in range(0, 
       city_com.shape[0])] 
geo = Geo('《西虹市首富》全國熱力圖', 
 title_color="#fff",          title_pos="center", width=1200, 
          height=600, background_color='#404a59') 
attr, value = geo.cast(data) 
geo.add("", attr, value, type="heatmap", visual_range=[0, 200],visual_text_color="#fff",        symbol_size=10, is_visualmap 
=True,is_roam=False) 
geo.render('西虹市首富全國熱力圖.html') 

折線圖+柱形圖組合：

city_main = city_com.sort_values('count',ascending=False)[0:20] 
attr = city_main['city'] 
v1=city_main['count'] 
v2=city_main['mean'] 
line = Line("主要城市評(píng)分") 
line.add("城市", attr, v2, is_stack=True,xaxis_rotate=30,yaxis_min=4.2,         mark_point=[ 
'min','max'],xaxis_interval =0,line_color='lightblue',         ine_width=4,mark_point_textcolor='black',mark_point_color='lightblue',         is_splitline_show=False)   
bar = Bar("主要城市評(píng)論數(shù)") 
bar.add("城市", attr, v1, is_stack=True,xaxis_rotate=30,yaxis_min =4.2,         xaxis_interval =0,is_splitline_show=False) 
overlap = Overlap() 
# 默認(rèn)不新增 x y 軸，并且 x y 軸的索引都為 0 
overlap.add(bar) 
overlap.add(line, yaxis_index=1, is_add_yaxis=True) 
overlap.render('主要城市評(píng)論數(shù)_平均分.html') 

詞云：

tomato_str=' '.join(tomato_com['comment']) 
words_list = [] 
word_generator = jieba.cut_for_search(tomato_str) 
  
for word in word_generator: 
    words_list.append(word) 
words_list = [k for k in words_list if len(k)>1] 
back_color = imread('西紅柿.jpg')  # 解析該圖片 
wc = WordCloud(background_color='white',# 背景顏色 
               max_words=200,# 最大詞數(shù) 
               mask=back_color,  # 以該參數(shù)值作圖繪制詞云，這個(gè)參數(shù)不為空時(shí)，width和height會(huì)被忽略 
               max_font_size=300,  # 顯示字體的最大值 
               stopwords=STOPWORDS.add('茍利國'),# 使用內(nèi)置的屏蔽詞，再添加'茍利國' 
               font_path="C:/Windows/Fonts/STFANGSO.ttf",  
               random_state=42,# 為每個(gè)詞返回一個(gè)PIL顏色 
                
# width=1000,  # 圖片的寬                
# height=860  #圖片的長                
) 
tomato_count = Counter(words_list) 
wc.generate_from_frequencies(tomato_count) 
# 基于彩色圖像生成相應(yīng)彩色 
image_colors = ImageColorGenerator(back_color) 
# 繪制詞云 
plt.figure() 
plt.imshow(wc.recolor(color_func=image_colors)) 
plt.axis('off') 

票房預(yù)估：

最后我們來大膽預(yù)估下《西虹市首富》的票房，我們?nèi)粘Ｔ诠ぷ髦袝?huì)選取標(biāo)桿來對(duì)一些即將發(fā)生的事情進(jìn)行預(yù)估。這次我們選擇的標(biāo)桿就是《羞羞的鐵拳》：

基于以下幾點(diǎn)我們選擇《羞羞的鐵拳》作為標(biāo)桿：

1. 均是開心麻花出品、題材相似
2. 演員陣容重合度高
3. 豆瓣粉絲認(rèn)可程度相似(評(píng)分均為6.9，處于喜劇片中位數(shù)水平)
4. 貓眼粉絲認(rèn)可程度相似(鐵拳評(píng)分9.1,西紅柿評(píng)分9.3)

我們看一下兩部影片前三天的走勢：

前三天兩部片子的票房走勢十分相似，基于之前我們的平均，我們可以嘗試性(比隨機(jī)準(zhǔn)一點(diǎn))預(yù)測一下“西紅柿”最終的票房。“西紅柿”票房預(yù)測值≈“鐵拳”總票房/“鐵拳”前三天票房*“西紅柿”前三天票房=22.13/5.25*8.62≈36，考慮到鐵拳上映是在國慶假期，西紅柿的票房預(yù)估需要相應(yīng)的下調(diào)。

綜上所述，我們給出30億票房的預(yù)估。大家來和我們一起見證本公眾號(hào)“章魚保羅”般神奇的預(yù)測的or“球王貝利”般被啪啪打臉的預(yù)測。