口碑扑街告诉你完美关系为何表
⇨⇦
CDA数据分析师 出品
【导语】：今天我们聊聊国产职场剧《完美关系》，Python技术部分可以直接看第三部分。
Show me data，用数据说话
今天我们聊聊 职场剧《完美关系》
点击下方视频，先睹为快：
最近一连出了好几部职场剧，有孙俪主演讲述房地产行业的《安家》，李易峰主演讲律师的《我在北京等你》，以及佟丽娅、黄轩主演围绕公关行业展开的《完美关系》。
其中，《安家》是翻拍自高分日剧《卖房子的女人》，《我在北京等你》讲的是一名律师奋斗的故事，《完美关系》则是国产职场剧涉及的又一全新行业——公关。
那么这三部剧的口碑如何呢？
截止到目前为止，《安家》在豆瓣的评分为6.2分，《我在北京等你》豆瓣5.2分，《完美关系》为3.9分。都不是特别好的成绩。
《完美关系》播出后更是有公关行业的小伙伴吐槽：我们不想被这么代言啊！
那么《完美关系》到底是哪里差强人意呢？今天我们就先聊聊这部《完美关系》
01:
近年频频扑街的
国产职场剧
近年来，推出的国产职场剧还真不少，涉及的行业从地产、互联网、医疗、到翻译、律师等等，几乎形形色色的行业都有。但这些剧的口碑如何呢？
先看几部比较热门的：
以上这些剧在播出时都频频上热搜，但口碑就差强人意了。分数3.5-5.5不等，连6分及格线都不到。
相关行业的从业者也吐槽，根本没有反应出行业的真实现状，美其名曰职场剧，其实这不是披着行业外衣的偶像剧嘛！
进一步汇总国产职场剧的情况可以发现：
图源：DT财经
从2008年到2020年3月，共出品64部职场剧，近两年职场题材更有井喷之势，2018年和2019年每年都有13部，数量是2014年的13倍！
数量上来了，然后质量就堪忧了。从这些职场剧的豆瓣评分可见，平均分一直在5.5分徘徊。
02:
披着公关外衣的
《完美关系》
那这次瞄准公关行业的《完美关系》能为国产职场剧正名吗？
《完美关系》是由安建执导，黄轩、佟丽娅领衔主演，陈数、高露主演的都市职场剧。
故事讲的是公关合伙人卫哲、江达琳等人从单枪匹马到并肩作战，积极迎接在公关实战中遇到的压力与困难，互相影响、共同成长的故事。
图源：《完美关系》官方剧照
从2月18日首播以来，《完美关系》的收视率越来越高，3月11日《完美关系》凭借6.92%的市场占有率，拿下了收视率排行榜的冠军宝座。
但同时收获的吐槽和差评也不少，主要集中在：
剧情太浮夸，对公关行业的刻画不真实；
女主的傻白甜人设实在不讨喜；
演员的演技流于表面，难以产生共鸣等等
03:
《完美关系》豆瓣3.9分
到底冤不冤？
《完美关系》在豆瓣已有60284人进行评分，目前仅为3.9分。那么《完美关系》豆瓣3.9分到底冤不冤呢？
我们对《完美关系》豆瓣的影评数据进行了收集整理。
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：
获取数据
1:
此次我们选择豆瓣短评的数据作为分析对象。由于豆瓣的限制，非登录状态下最多获取200条数据，登录状态下最多获取500条数据。
为了解决登录的问题，此次我们使用requests的Session方法来让代码自动保存Cookie信息，维持登录和会话保持状态。然后使用Xapth配合正则语句进行数据的提取。
如图所示，本次我们需要获取的主要内容如下：
用户名
用户主页
评论时间
评论星级
短评内容
短评投票数
用户主页（用于获取城市）
评分分布
代码实现：
#导入所需包
importpandasaspd
importrequests
importparsel
importre
importtime
fromfake_useragentimportUserAgent
deflogin_douban():
＂＂＂
功能：登录豆瓣，维持会话形式
＂＂＂
globals
#初始化session
s=requests.Session()
#登录地址
login_url=＂https://accounts.douban.com/j/mobile/login/basic＂
#添加headers
headers={＂user-agent＂:UserAgent().random}
#表单数据
form_data={
＂name＂:＂你的账号＂,
＂password＂:＂你的密码＂,
＂remember＂:＂false＂
}
#post登录
try:
s.post(login_url,headers=headers,data=form_data)
except:
print(＂登录失败＂)
defget_one_page(url):
＂＂＂
功能：给定URL地址，获取豆瓣电影一页的短评信息
:paramurl:电影URL地址
:return:返回数据框
＂＂＂
#添加headers
headers={＂user-agent＂:UserAgent().random}
#发起请求
try:
r=s.get(url,headers=headers,timeout=5)
except:
time.sleep(3)
r=s.get(url,headers=headers,timeout=5)
#解析网页
data=parsel.Selector(r.text)
#获取用户名
user_name=[re.findall(r＂.*?class=＂＂>(.*?).*＂,i)
foriindata.xpath(＂//span[@class=＂comment-info＂]＂).extract()]
#获取评分
rating=[re.findall(r＂.*?<span class=＂＂allstard+＂ title=＂(.*?)＂></span>.*＂,i)
foriindata.xpath(＂//span[@class=＂comment-info＂]＂).extract()]
#获取评论时间
comment_time=[re.findall(r＂<span class=＂＂comment-time＂ title=＂(.*)＂>.*＂,i)</span>
foriindata.xpath(＂//span[@class=＂comment-info＂]＂).extract()]
#获取短评信息
comment_info=data.xpath(＂//span[@class=＂short＂]/text()＂).extract()
#投票次数
votes_num=data.xpath(＂//span[@class=＂comment-vote＂]/span/text()＂).extract()
#获取主页URL
user_url=data.xpath(＂//div[@class=＂avatar＂]/a/@href＂).extract()
#保存数据
df_one=pd.DataFrame({
＂user_name＂:user_name,
＂rating＂:rating,
＂comment_time＂:comment_time,
＂comment_info＂:comment_info,
＂votes_num＂:votes_num,
＂user_url＂:user_url
})
returndf_one
defget_all_page(movie_id,page_num=25):
＂＂＂
功能：获取豆瓣电影25页短评信息
:parammovie_id:电影ID
:parampage_num:爬取页面数
:return:返回数据框
＂＂＂
df_25=pd.DataFrame()
foriinrange(page_num):
#构造URL
url=＂https://movie.douban.com/subject/{}/comments?start={}&limit=20&sort=new_score&status=P＂.format(movie_id,
i*20)
#调用函数
df=get_one_page(url)
#循环追加
df_25=df_25.append(df,ignore_index=True)
#打印进度
print(＂我正在获取第{}页的信息＂.format(i+1))
#休眠一秒
time.sleep(1)
returndf_25
if__name__==＂__main__＂:
#先登录豆瓣
login_douban()
#获取完美关系
df_all=get_all_page(movie_id=＂30221758＂)
print(df_all.shape)
获取的数据以数据框的形式存储，结果如下：
从用户主页的地址可以进一步获取到用户的城市信息，此次共获取500条数据。
数据预处理
2:
对于获取的数据，我们需要进行进一步的处理以满足可视化的需求。
推荐星级：转换为1~5分
评论时间：转换为时间类型，并提取日期数据
城市信息：有未填写数据、海外城市、写错的需要进行处理
短评信息：需要进行分词处理
部分关键代码：
#处理评分列
df[＂rating＂]=[re.sub(r＂[＂＂|＂＂]＂,＂＂,i)foriindf[＂rating＂]]
#替换空列表
df[＂rating＂].replace(＂[]＂,＂还行＂,inplace=True)
#定义字典
rating_dict={
＂很差＂:＂1星＂,
＂较差＂:＂2星＂,
＂还行＂:＂3星＂,
＂推荐＂:＂4星＂,
＂力荐＂:＂5星＂
}
df[＂rating＂]=df[＂rating＂].map(rating_dict)
#评论信息分词处理
#合并为一篇
txt=df[＂comment_info＂].str.cat(sep=＂。＂)
#添加关键词
jieba.add_word(＂黄轩＂)
jieba.add_word(＂佟丽娅＂)
jieba.add_word(＂男主＂)
jieba.add_word(＂女主＂)
jieba.add_word(＂跳戏＂)
jieba.add_word(＂颜值＂)
jieba.add_word(＂吐槽＂)
jieba.add_word(＂装逼＂)
jieba.add_word(＂国产剧＂)
#读入停用词表
stop_words=[]
withopen(＂stop_words.txt＂,＂r＂,encoding=＂utf-8＂)asf:
lines=f.readlines()
forlineinlines:
stop_words.append(line.strip())
#添加停用词
stop_words.extend([＂一部＂,＂一拳＂,＂一行＂,＂10＂,＂啊啊啊＂,＂一句＂,
＂get＂,＂哈哈哈哈＂,＂哈哈哈＂,＂越来越＂,＂一步＂,
＂一种＂,＂样子＂,＂几个＂,＂第一集＂,＂一点＂,
＂第一＂,＂没见＂,＂一集＂,＂第一次＂,＂两个＂,
＂二代＂,＂真的＂,＂2020＂,＂令人＂])
#评论字段分词处理
word_num=jieba.analyse.extract_tags(txt,
topK=100,
withWeight=True,
allowPOS=())
#去停用词
word_num_selected=[]
foriinword_num:
ifi[0]notinstop_words:
word_num_selected.append(i)
key_words=pd.DataFrame(word_num_selected,columns=[＂words＂,＂num＂])
数据可视化
3:
我们使用pyecharts进行数据可视化分析，安装命令：pip install pyecharts。分析结果如下：
总体评分分布
有41.6%的人都给了1星，其次28.2%的人给了5星。15.4%的人给了2星。由此可见本剧的两极分化特别严重，有些人特别喜欢给到了5星好评，同时觉得拍的很烂的也有不少。
代码实现：
score_perc=df[＂rating＂].value_counts()/df[＂rating＂].value_counts().sum()
score_perc=np.round(score_perc*100,2)
print(score_perc)
#绘制饼图
frompyecharts.chartsimportPie
frompyechartsimportoptionsasopts
pie1=Pie(init_opts=opts.InitOpts(width=＂1350px＂,height=＂750px＂))
pie1.add(＂＂,
[*zip(score_perc.index,score_perc.values)],
radius=[＂35%＂,＂70%＂])
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.set_colors([＂#D7655A＂,＂#FFAF34＂,＂#3B7BA9＂,＂#EF9050＂,＂#6FB27C＂])
pie1.render()
评分热度时间走势
评分热度主要集中在2月18日，也就是《完美关系》首播的那天，其次热度不断下降。
代码实现：
df[＂comment_time＂]=pd.to_datetime(df[＂comment_time＂])
df[＂comment_date＂]=df[＂comment_time＂].dt.date
comment_num=df[＂comment_date＂].value_counts().sort_index()
#折线图
frompyecharts.chartsimportLine
line1=Line(init_opts=opts.InitOpts(width=＂1350px＂,height=＂750px＂))
line1.add_xaxis(comment_num.index.tolist())
line1.add_yaxis(＂评论热度＂,comment_num.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(),
visualmap_opts=opts.VisualMapOpts(max_=200))
line1.render()
评论用户城市分布
观看和评分人群主要集中在北上广三地，其次是江苏、四川等地。
代码实现：
#国内城市top10
city_top10=df[＂city_dealed＂].value_counts()[:12]
city_top10.drop(＂国外＂,inplace=True)
city_top10.drop(＂未填写＂,inplace=True)
#条形图
frompyecharts.chartsimportBar
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＂),
visualmap_opts=opts.VisualMapOpts(max_=50),
toolbox_opts=opts.ToolboxOpts())
bar1.render()
city_num=df[＂city_dealed＂].value_counts()
city_num.drop(＂国外＂,inplace=True)
city_num.drop(＂未填写＂,inplace=True)
frompyecharts.chartsimportMap
#地图
map1=Map(init_opts=opts.InitOpts(width=＂1350px＂,height=＂750px＂))
map1.add(＂＂,[list(z)forzinzip(city_num.index.tolist(),city_num.values.tolist())],
maptype=＂china＂)
map1.set_global_opts(title_opts=opts.TitleOpts(title=＂评论者国内城市分布＂),
visualmap_opts=opts.VisualMapOpts(max_=50),
toolbox_opts=opts.ToolboxOpts())
map1.render()
评论词云
而在词云方面讨论最多的就是「黄轩」和「佟丽娅」两大主演了。
其次关于女配「陈数」的讨论也很多，无论是陈数这次强大的职场新女性人设，还是惊艳干练的职场穿搭都是很吸睛的。
然后对「演技」和「剧情」上的吐槽也不少。评价中「油腻」、「尴尬」、「狗血」等负面词频频出现。
代码实现：
#词云图
frompyecharts.chartsimportWordCloud
frompyecharts.globalsimportSymbolType
word1=WordCloud(init_opts=opts.InitOpts(width=＂1350px＂,height=＂750px＂))
word1.add(＂＂,[*zip(key_words.words,key_words.num)],
word_size_range=[20,200],
shape=SymbolType.DIAMOND)
word1.set_global_opts(title_opts=opts.TitleOpts(＂完美关系豆瓣短评词云图＂),
toolbox_opts=opts.ToolboxOpts())
word1.render()
那么《完美关系》你怎么看呢？
作者：Mika