知識星球
火到什麼程度？微博熱搜霸榜，辦公室評彈聲四起，大強輕鬆攻佔表情包，甚至連 N 年不追劇的“瘦宅”們也開始沉迷其中，大呼真香。
劇很精彩，但追劇界有句俗話說得好：“彈幕往往比劇更精彩”，為了讓精彩延續下去，我終究沒能忍住對（騰訊影片）彈幕下手。
經過一番折騰，發現彈幕是 JSON 格式動態載入的，而且載入得非常有規律，30 秒一發（80-100 條），多出的會隱藏。共計爬取了 394452 條彈幕（雨露均霑，每集平均 8575 條，每 30s 的間隔爬取），來挖一挖彈幕這個寶藏。
作者：周志鵬
來源：資料不吹牛
▲圖源微博畫手@馬裡奧小黃
01 彈幕基本盤概覽
爬到的源資料是醬紫的：
發現有部分使用者名稱是缺失的，由於這部分使用者佔比很小（僅 0.61%），所以我們直接暴力除去這部分噪聲。
清洗之後，還剩下 117484 個使用者傳送的 392051 條彈幕，人均傳送彈幕量 3.34 條。
再看看每個人傳送彈幕數是怎麼樣分佈的：
顯而易見，大部分使用者還是比較佛系的，71607 位使用者（佔比 60.95%）在 46 集中只傳送過 1 條彈幕，他們內心嚴格遵循“愛就一個字，我只發一次”的彈幕傳送準則。
傳送條數在 3 條及以內的使用者數佔比達到了 83.73%，他們累計貢獻了 133331 條彈幕，佔到彈幕總數的 34.01%，反過來看，剩下 16.27% 的使用者貢獻了彈幕量的 65.99%。從這個角度來看，二八法則在這裡更像是二七法則（20% 的使用者貢獻了 70% 的內容）。
02 是誰在瘋狂發射彈幕，而彈幕又愛上了誰
1. 彈幕傳送量 Top10 榜單
我們都知道明成是“行走的造糞機”，那麼從彈幕的角度來看，誰是“行走的彈幕發射機”呢？
為此，我們篩選出累計傳送彈幕 Top10 的使用者，微微一操作（爬取、清洗和分析都使用 Python）：
danmu_counts = df.groupby('使用者名稱')['評論id'].count().sort_values(ascending= False).reset_index()
danmu_counts.columns = ['使用者名稱','累計傳送彈幕數']
danmu_counts.head(10)
上一步我們知道平均每個人在整部劇會傳送 3.34 條彈幕，而彈幕傳送排行榜前十的旁友們傳送量都是過千級別的，我們再加上這個使用者彈幕傳送涉及到的集數，進一步看看平均每集傳送彈幕數。為了更直觀一些，視覺化之：
一位名叫“@L”的使用者獨佔鰲頭，是毋庸置疑的 C 位輸出。在 46 集的電視劇中，他的彈幕血洗了 32 集，累計發射 2773 條彈幕，平均每集傳送 86.66 條。
什麼概念呢？
一集電視劇時長約 42 分鐘，也就是說，這位大佬在看劇的同時，仍能保持每分鐘 2.06 條的傳送頻次，還堅持了 32 集。
到這裡大家一定會有質疑，覺得他肯定是刷了大量的“666”、“來了”之類毫無意義的內容來霸榜，所以我把他的輸出內容篩了出來並做成詞雲圖：
這……這位大佬輸出的內容，不僅緊貼劇情，更是文風多變，時而總結內容，時而嬉笑怒罵，時而感慨人生，時而出口成詩，毫不誇張的說比一般彈幕都要有內涵。
我的膝蓋，開始不聽使喚了……
唯有疾呼“高山（頻）仰止，景行行止”。
2. 誰的彈幕最受青睞（點贊數最多）
根據每個使用者累計點贊量排序，Get 到彈幕點贊 TOP10 排行榜：
第一名“追劇小奶鵝”平均每集發 6 條彈幕，每條彈幕竟然能夠得到 4585 個贊！難道這就是傳說中的精神領袖嗎？難道大佬之外還有大佬嗎？
在看劇的時候經常能夠被他的彈幕刷屏，而且他的彈幕比其他人停留時間更長，顏色更艷麗。經核實，發現第一名，原來是“嫡系”：
騰訊影片電視劇彈幕專業陪聊，怪不得這麼高的贊。
而第二名，又是我們的大佬“@L”，他憑藉高頻、穩定、持續輸出累計獲得 21.69 萬贊，平均每條彈幕獲贊 78.22 個。
大佬，請收下我的膝蓋！
3. 高贊彈幕有何套路
3.1 嫡系部隊
我們單獨把騰訊的嫡系部隊“追劇小奶鵝”拎出來，是因為他幾乎壟斷了高贊彈幕 Top300，嫡系光環加持，贊或許有虛高的嫌疑，但不妨礙我們單獨分析他內容的套路（其實不少小奶鵝的彈幕並沒有其他的精彩，但畢竟是親兒子）：
暴力總結起來就一句話：對仗工整提大強，感天動地誇明玉。
3.2 非嫡系部隊
高贊的（非嫡系）朋友們深得演唱會那句帶節奏名言“現場的朋友們，舉起你們的雙手，讓我看到你們的熱情”的真傳。
“覺得 XX 說得對點下謝謝”“給 XX 點贊！”套路是獲贊的一大法寶，另一法寶就是推動劇情的內容總結了。
03 彈幕視角主人公情感分析
1. 誰是蘇家最受彈幕關註的人兒
要分析誰是蘇家最受彈幕關註的人，必須先根據關鍵詞去甄別和定位到劇中角色。
這裡列出了關於蘇家人的簡單詞庫，用來識別彈幕在議論誰。
54.31% 的彈幕沒有主觀傾向性，沒有提及具體的蘇家人（可能提及了劇中其他人，這裡暫不考慮）。
明玉竟然搶過了大強的寶座，以 19.91% 的彈幕提及率拔得頭籌，而大強則以 16.16% 的關註度緊隨其後。
Emmm，無論是劇外熱度還是追劇時彈幕槽點，我都覺得大強應該才是最受關註的啊！
作為一個嚴謹的追劇人，我開始排查彈幕，發現了很多戲精在發彈幕時都玩起了角色扮演，他們在發彈幕時，總是先在開頭署名“蘇明玉：” or 其他劇中角色，彷彿在代他們發聲。
清洗完這部分調皮的使用者之後，排名出現了新的變化：
果然，其他除外，大強以 15.16% 的關註佔比領先其他家人一個身位，明玉又把兩個哥哥拉開了一個身位的距離，佔比 8.82%，明成和明哲關註佔比分別是 4.84% 和 4.28%。
P.S. 明成關註度之所以低，是因為很多彈幕罵人並不會指名道姓：），而明哲嘛，對這個排名錶示很失望。
2. 彈幕情感分析
看劇（彈幕）時能夠明顯感覺到觀眾對於明成的態度從最開始的“過街老鼠，人人喊打”到後來的“明成懂事了”。
從資料分析的角度講，明成是否成功洗白？大強最後催淚演繹效果如何？
這裡我們呼叫百度情感分析 API，對每一條評價的內容進行情感打分，用情感分值來驗證上述問題（分值在 0-1 之間，越靠近 0 負面傾向越強，越接近 1 則情感越情面）。
呼叫方法很簡單：
#先安裝aip包
from aip import AipNlp
#到後臺配置許可權，獲得相關ID和KEY，目前API是免費且不限量的
app_id = '輸入實際ID'
api_key = '輸入實際KEY'
secret_key = '輸入實際SECRET_KEY'
client = AipNlp(app_id,api_key,secret_key)
#定義函式，以便迴圈爬取
def senti_analy(text):
data = client.sentimentClassify(text)
sentiment = data['items'][0]['positive_prob']
return sentiment
for text in df['內容']:
try:
sentiments.append(senti_analy(text))
except:
#print(text)
sentiments.append('pass')
df['情感分值'] = sentiments
打分篩選過後，我們統計出每一集蘇家每個人的平均情感分值，並繪製出曲線圖（4 個人導致折線圖可讀性較差，所以只有委屈大哥了）：
1. 大強開局不錯，和明玉持平，但憑藉倪老師“作死小能手”的實力詮釋，讓情感分值迅速走低，11 集的低點正式印證了大強的“癲瘋之作”，之後分值在 0.38 左右徘徊。隨著“蔡根花寶貝”梗的出現，“嘲諷”替代了指責，讓分值略微上浮（情感打分對於高階黑式嘲諷難以準確判斷）。最後老年痴獃發病後大強對明玉的愛讓分值一舉超過 0.5，達到歷史峰值，成功上岸。
2. 明玉是原生家庭的受害者，也是一個靠自己成功的女強人，前期愛恨分明，情感分值一度飆到 0.59（超過其他所有角色），18 集開始的買房紛爭，網友紛紛表示強烈同情（例：明玉不能像十年前一樣別理他們嗎？情感分值只有 0.041），這讓明玉相關的情感分值嚴重走低，隨後彈幕主旋律仍以叫好和同情為主。
3. 明成的情感分值走勢更有意思，開局最低，靠欺負妹妹讓分值迅速降低，可謂“人人喊打”，後面則分值飆升，一度追上明玉，主要是因為明成期望值已經極低，但是他寵老婆的行為得到觀眾認可。中期本色挨罵，降至低谷。27 集明成情感分值再次超過 0.5，竟然是因為明成想嚇走大強進行的一系列騷操作（尤其是廣場舞）。再後來就是明成幡然悔悟，走上正軌，分值在穩定在 0.45 左右，也算成功洗白。
看來，開局降期望，中期隨便作，後期催淚逆風翻盤，終究還是會被觀眾接受。
作者：周志鵬，2年資料分析，深切感受到資料分析的有趣和學習過程中缺少案例的無奈，遂新開公眾號「資料不吹牛」，定期更新資料分析相關技巧和有趣案例（含實戰資料集）。
