Python分析最近大火的网剧《隐秘的角落》

概述

《隐秘的角落》是近年来备受关注的一部电视剧，它讲述了一个围绕着学生堕胎事件的故事，大火的程度让人不得不去思考这是如何做到的。本文将使用Python分析这部剧，并进行数据可视化展示，帮助我们了解这部剧的受欢迎程度和相关情况。

数据来源

本文的数据来源于微博，我们可以通过爬虫获取相关的数据，为了更好地展示数据的分布情况，我们选择使用百度地图API来展示地理分布情况。

分析步骤

步骤一：获取数据

在这个步骤中，我们需要使用Python的爬虫技术获取数据。具体的代码实现可以参考以下的示例：

import requests
import json

def get_weibo_data(keyword):
    url = 'https://m.weibo.cn/api/container/getIndex?'
    headers = {
        'referer': 'https://m.weibo.cn/search/',
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36',
        'x-requested-with': 'XMLHttpRequest'
    }
    params = {
        'type': 'all',
        'queryVal': keyword,
        'featurecode': '20000320',
        'luicode': '20000174',
        'lfid': '106003type=1',
        'title': keyword,
        'containerid': f'100103type=1&q={keyword}',
        'page_type': 'searchall'
    }
    response = requests.get(url=url, headers=headers, params=params)
    if response.status_code == 200:
        data = json.loads(response.text)
        return data
    else:
        print(f'获取{keyword}的数据失败')

步骤二：数据清洗与预处理

在获取到原始数据后，我们需要进行数据清洗和预处理，以便后续的数据分析和可视化展示。具体的代码实现可以参考以下的示例：

import pandas as pd
from datetime import datetime

def clean_weibo_data(keyword):
    data = get_weibo_data(keyword)
    statuses = data['data']['cards'][1]['card_group']
    df = pd.json_normalize(statuses)
    df = df[['text', 'created_at', 'user.screen_name', 'user.description', 'user.followers_count', 'user.gender', 'user.province', 'user.city', 'user.geo_enabled', 'user.verified']]
    df.columns = ['content', 'created_at', 'user_name', 'user_description', 'followers_count', 'gender', 'province', 'city', 'geo_enabled', 'verified']
    df['created_at'] = pd.to_datetime(df['created_at'], format='%a %b %d %H:%M:%S %z %Y')
    df['date'] = df['created_at'].apply(lambda x: x.date())
    df['time'] = df['created_at'].apply(lambda x: x.time())
    df['hour'] = df['created_at'].apply(lambda x: x.hour)
    df.loc[df['province']=='', 'province'] = None
    df.loc[df['city']=='', 'city'] = None
    return df

步骤三：数据分析

在这一步骤中，我们将对清洗和预处理后的数据进行分析。具体的代码实现可以参考以下示例：

分析受欢迎程度

import matplotlib.pyplot as plt

def analyse_popularity(df):
    verified = df['verified'].value_counts()
    plt.figure(figsize=(6,4), dpi=120)
    plt.bar(verified.index, verified.values)
    plt.title('Verified User')
    plt.xlabel('Verified')
    plt.ylabel('Counts')
    plt.show()

分析地理分布

import urllib
from pyecharts.charts import Map
from pyecharts import options as opts

def analyse_location(df):
    location = df[['province', 'city', 'geo_enabled']]
    location = location.drop_duplicates()
    location = location[location['geo_enabled']==True]
    location = location.groupby(['province', 'city']).count().reset_index()
    location['full_location'] = location['province'] + location['city']
    location['location'] = location['full_location'].apply(lambda x: urllib.parse.quote(x))

    map_data = []
    for index, row in location.iterrows():
        province, city, count, _, location = row.values
        map_data.append((location, count))

    map_chart = Map()
    map_chart.set_global_opts(
        title_opts=opts.TitleOpts(title='Location Distribution'),
        visualmap_opts=opts.VisualMapOpts(max_=1000),
    )
    map_chart.add('网友人数', map_data)
    map_chart.render_notebook()

结论

通过以上的步骤，我们可以对《隐秘的角落》这部剧进行Python分析，并进行数据可视化展示。在最终的分析结果中，我们发现这部剧的受欢迎程度非常高，有很多明星在微博上为其打call，同时分布范围也非常广泛，在全国各地都有很多网友在讨论。

本文仅是Python分析的入门级别，如有不足之处，还请大家指正和补充。