摘要：數(shù)據(jù)庫(kù)文件已經(jīng)超過了了。復(fù)聯(lián)從開始便是漫威宇宙各路超級(jí)英雄的集結(jié)，到現(xiàn)在的第部，更是全英雄的匯聚。所以，滅霸出現(xiàn)的次數(shù)居然高于了鋼鐵俠。情感分析，又稱為意見挖掘傾向性分析等。

作者 | 羅昭成
責(zé)編 | 唐小引

《復(fù)聯(lián) 4》國(guó)內(nèi)上映第十天，程序員的江湖里開始流傳這樣一個(gè)故事，即：漫威宇宙，其實(shí)就講了一件事情。整個(gè)宇宙就好比一個(gè)項(xiàng)目組。其中有一群叫作美國(guó)隊(duì)長(zhǎng)、鋼鐵俠、驚奇隊(duì)長(zhǎng)、浩克、索爾等人在維護(hù)這個(gè)項(xiàng)目，兢兢業(yè)業(yè)的維護(hù)整個(gè)項(xiàng)目。

某一天，出現(xiàn)了一個(gè)天才程序員，叫滅霸。當(dāng)他加入到這家公司的時(shí)候，他意識(shí)到，這個(gè)項(xiàng)目已經(jīng)非常龐大，僅僅是編譯，就要幾個(gè)小時(shí)。運(yùn)行起來負(fù)重累累。而服務(wù)器資源又非常的有限，老板又不給預(yù)算買新機(jī)器，如果一直繼續(xù)這么開發(fā)下去，這個(gè)項(xiàng)目遲早要出現(xiàn) P0 事故。于是，他下定決定要把這個(gè)項(xiàng)目全面優(yōu)化，使用用面向?qū)ο笏枷耄崛≈貜?fù)代碼，業(yè)務(wù)拆分，算法優(yōu)化等手段，徹底優(yōu)化，目標(biāo)是代碼量減少 50%。

美國(guó)隊(duì)長(zhǎng)帶領(lǐng)的項(xiàng)目組叫復(fù)仇者聯(lián)盟，發(fā)現(xiàn)了滅霸程序員的想法后，阻止并警告滅霸說：不要輕易去改老代碼??！很容易出 bug 的，代碼能跑就行?。?/p>

—— 以上來自知乎@郭啟軍那么，作為一個(gè)寫程序員的電影，我們?cè)趺床荒苡脭?shù)據(jù)來分析一下，喜歡漫威宇宙的觀眾對(duì)《復(fù)聯(lián) 4》的評(píng)價(jià)呢？

業(yè)界朋友們，在電影分析中，使用貓眼的數(shù)據(jù)比較多。在本文中，筆者也使用了貓眼的接口來獲取數(shù)據(jù)，方便處理，數(shù)據(jù)量也比較多。有關(guān)接口，大家可以自己去貓眼的網(wǎng)站上看，也可以使用如下地址：

在 Python 中，使用 Request 可以很方便地發(fā)送請(qǐng)求，拿到接口返回的 JSON 數(shù)據(jù)，來看代碼：

請(qǐng)求返回的是一個(gè) JSON 數(shù)據(jù)，拿到我們想要的評(píng)論原始數(shù)據(jù)，并將數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)庫(kù)中：

經(jīng)過大概兩個(gè)小時(shí)，終于從貓眼爬取了大約 9 萬(wàn)條數(shù)據(jù)。數(shù)據(jù)庫(kù)文件已經(jīng)超過了 100M 了。

因?yàn)樵谏厦孀ト∠聛淼臄?shù)據(jù)，直接進(jìn)行了原數(shù)據(jù)的存儲(chǔ)，沒有進(jìn)行數(shù)據(jù)的解析處理。接口中包含了很多數(shù)據(jù)，有用戶信息、評(píng)論信息等。本次分析，只使用了部分?jǐn)?shù)據(jù)，所以需要將用到的相關(guān)數(shù)據(jù)清洗出來：

通過 JSON 庫(kù)將原始數(shù)據(jù)解析出來，將我們需要的信息存儲(chǔ)到新的數(shù)據(jù)表中。

因?yàn)闆]有任何一個(gè)平臺(tái)能夠拿到用戶的購(gòu)票數(shù)據(jù)，我們只能從評(píng)論的數(shù)據(jù)中，以小見大，從這些數(shù)據(jù)中，分析出一些走勢(shì)。 在評(píng)論數(shù)據(jù)中，我們能看到評(píng)論用戶所在的城市。將數(shù)據(jù)所在的位置解析，劃分到各對(duì)應(yīng)的行政省，可以看到每個(gè)省評(píng)論數(shù)量，見下圖（顏色越紅，用戶評(píng)論數(shù)量越多）：

城市從圖中可以看到， 上海、廣州、四川用戶的數(shù)量顯然要比其他城市的用戶數(shù)量要多得多。再來看一下代碼：

漫威電影一直深受中國(guó)朋友們喜歡的高分電影。豆瓣評(píng)分 8.7 分，那我們的評(píng)論用戶中，又是一個(gè)什么樣的趨勢(shì)呢？見下圖：

評(píng)分?jǐn)?shù)從圖中可以看到，評(píng) 5 分的數(shù)量遠(yuǎn)高于其他評(píng)分，可見中國(guó)的觀眾朋友確實(shí)喜歡漫威的科幻電影。復(fù)聯(lián)從 1 開始便是漫威宇宙各路超級(jí)英雄的集結(jié)，到現(xiàn)在的第 4 部，更是全英雄的匯聚。那么，在這之中，哪位英雄人物更受觀眾歡迎？先看代碼：

運(yùn)行結(jié)果如下圖，可以看到鋼鐵俠鋼鐵俠是實(shí)至名歸的 C 位，不僅電影在電影中是，在評(píng)論區(qū)仍然也是實(shí)至名歸的 C 位，甚至于遠(yuǎn)超美隊(duì)、寡姐和雷神：

英雄評(píng)論次數(shù)從以上觀眾分布和評(píng)分的數(shù)據(jù)可以看到，這一部劇，觀眾朋友還是非常地喜歡。前面，從貓眼拿到了觀眾的評(píng)論數(shù)據(jù)。現(xiàn)在，筆者將通過 Jieba 把評(píng)論進(jìn)行分詞，然后通過 Wordcloud 制作詞云，來看看，觀眾朋友們對(duì)《復(fù)聯(lián)》的整體評(píng)價(jià)：

詞云分析可以看到，滅霸和鋼鐵俠出現(xiàn)的詞頻比其他英雄要高很多。這是否表示，這部劇的主角就是他們兩個(gè)呢？細(xì)心的朋友應(yīng)該發(fā)現(xiàn)了，鋼鐵俠、滅霸的數(shù)量在詞云和評(píng)論數(shù)量里面不一致。原因在于，評(píng)論數(shù)量就按評(píng)論條數(shù)來統(tǒng)計(jì)的，而詞云中，使用的是詞頻，同一條評(píng)論中，多次出現(xiàn)會(huì)多次統(tǒng)計(jì)。所以，滅霸出現(xiàn)的次數(shù)居然高于了鋼鐵俠。最后，再來分析一下鋼鐵俠與滅霸的情感分析，先上代碼：

此處，使用 SnowNLP 來進(jìn)行情感分析。情感分析，又稱為意見挖掘、傾向性分析等。簡(jiǎn)單而言，是對(duì)帶有情感色彩的主觀性文本進(jìn)行分析、處理、歸納和推理的過程。

鋼鐵俠從圖中看到， 鋼鐵俠的正向情感要比滅霸的正向情感要高，反派角色就是容易被人抗拒。

最最后，從《銀河護(hù)衛(wèi)隊(duì)》時(shí)期穿越而來的滅霸在最后分鐘變成了粉末消散而去，這也給我們程序員一個(gè)警鐘：

重構(gòu)代碼，改善設(shè)計(jì)，降低系統(tǒng)復(fù)雜度，這樣做很好。但是，一定要保證系統(tǒng)的穩(wěn)定運(yùn)行，不留安全隱患，不然，早晚會(huì)丟掉自己的工作。