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。
　　Showmedata，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：hr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。55。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：hr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：hr《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：hr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
　　fromfakeuseragentimportUserAgent
　　deflogindouban（）：
　　功能：登录豆瓣，维持会话形式
　　globals
　　初始化session
　　srequests。Session（）
　　登录地址
　　loginurlhttps：accounts。douban。comjmobileloginbasic
　　添加headers
　　headers｛useragent：UserAgent（）。random｝
　　表单数据
　　formdata｛
　　name：你的账号，
　　password：你的密码，
　　remember：false
　　｝
　　post登录
　　try：
　　s。post（loginurl，headersheaders，dataformdata）
　　except：
　　print（登录失败）
　　defgetonepage（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｛useragent：UserAgent（）。random｝
　　发起请求
　　try：
　　rs。get（url，headersheaders，timeout5）
　　except：
　　time。sleep（3）
　　rs。get（url，headersheaders，timeout5）
　　解析网页
　　dataparsel。Selector（r。text）
　　获取用户名
　　username〔re。findall（r。？（。？）。，i）
　　foriindata。xpath（span〔classcommentinfo〕）。extract（）〕
　　获取评分
　　rating〔re。findall（r。？spanclassallstardtitle（。？）。，i）
　　foriindata。xpath（span〔classcommentinfo〕）。extract（）〕
　　获取评论时间
　　commenttime〔re。findall（spanclasscommenttimetitle（。）。，i）
　　foriindata。xpath（span〔classcommentinfo〕）。extract（）〕
　　获取短评信息
　　commentinfodata。xpath（span〔classshort〕text（））。extract（）
　　投票次数
　　votesnumdata。xpath（span〔classcommentvote〕spantext（））。extract（）
　　获取主页URL
　　userurldata。xpath（div〔classavatar〕ahref）。extract（）
　　保存数据
　　dfonepd。DataFrame（｛
　　username：username，
　　rating：rating，
　　commenttime：commenttime，
　　commentinfo：commentinfo，
　　votesnum：votesnum，
　　userurl：userurl
　　｝）
　　returndfone
　　defgetallpage（movieid，pagenum25）：
　　功能：获取豆瓣电影25页短评信息
　　：parammovieid：电影ID
　　：parampagenum：爬取页面数
　　：return：返回数据框
　　df25pd。DataFrame（）
　　foriinrange（pagenum）：
　　构造URL
　　urlhttps：movie。douban。comsubject｛｝comments？start｛｝limit20statusP。format（movieid，
　　i20）
　　调用函数
　　dfgetonepage（url）
　　循环追加
　　df25df25。append（df，ignoreindexTrue）
　　打印进度
　　print（我正在获取第｛｝页的信息。format（i1））
　　休眠一秒
　　time。sleep（1）
　　returndf25
　　ifnamemain：
　　先登录豆瓣
　　logindouban（）
　　获取完美关系
　　dfallgetallpage（movieid30221758）
　　print（dfall。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：hr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15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，inplaceTrue）
　　定义字典
　　ratingdict｛
　　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（ratingdict）
　　评论信息分词处理
　　合并为一篇
　　txtdf〔commentinfo〕。str。cat（sep。）
　　添加关键词
　　jieba。addword（黄轩）
　　jieba。addword（佟丽娅）
　　jieba。addword（男主）
　　jieba。addword（女主）
　　jieba。addword（跳戏）
　　jieba。addword（颜值）
　　jieba。addword（吐槽）
　　jieba。addword（装逼）
　　jieba。addword（国产剧）
　　读入停用词表
　　stopwords〔〕
　　withopen（stopwords。txt，r，encodingutf8）asf：
　　linesf。readlines（）
　　forlineinlines：
　　stopwords。append（line。strip（））
　　添加停用词
　　stopwords。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
　　wordnumjieba。analyse。extracttags（txt，
　　topK100，
　　withWeightTrue，
　　allowPOS（））
　　去停用词
　　wordnumselected〔〕
　　foriinwordnum：
　　ifi〔0〕notinstopwords：
　　wordnumselected。append（i）
　　keywordspd。DataFrame（wordnumselected，columns〔words，num〕）
　　数据可视化
　　3：hr我们使用pyecharts进行数据可视化分析，安装命令：pipinstallpyecharts。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：
　　scorepercdf〔rating〕。valuecounts（）df〔rating〕。valuecounts（）。sum（）
　　scorepercnp。round（scoreperc100，2）
　　print（scoreperc）
　　绘制饼图
　　frompyecharts。chartsimportPie
　　frompyechartsimportoptionsasopts
　　pie1Pie（initoptsopts。InitOpts（width1350px，height750px））
　　pie1。add（，
　　〔zip（scoreperc。index，scoreperc。values）〕，
　　radius〔35，70〕）
　　pie1。setglobalopts（titleoptsopts。TitleOpts（title总体评分分布），
　　legendoptsopts。LegendOpts（orientvertical，postop15，posleft2），
　　toolboxoptsopts。ToolboxOpts（））
　　pie1。setseriesopts（labeloptsopts。LabelOpts（formatter｛c｝））
　　pie1。setcolors（〔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〔commenttime〕pd。todatetime（df〔commenttime〕）
　　df〔commentdate〕df〔commenttime〕。dt。date
　　commentnumdf〔commentdate〕。valuecounts（）。sortindex（）
　　折线图
　　frompyecharts。chartsimportLine
　　line1Line（initoptsopts。InitOpts（width1350px，height750px））
　　line1。addxaxis（commentnum。index。tolist（））
　　line1。addyaxis（评论热度，commentnum。values。tolist（），
　　areastyleoptsopts。AreaStyleOpts（opacity0。5），
　　labeloptsopts。LabelOpts（isshowFalse））
　　line1。setglobalopts（titleoptsopts。TitleOpts（title时间走势图），
　　toolboxoptsopts。ToolboxOpts（），
　　visualmapoptsopts。VisualMapOpts（max200））
　　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
　　citytop10df〔citydealed〕。valuecounts（）〔：12〕
　　citytop10。drop（国外，inplaceTrue）
　　citytop10。drop（未填写，inplaceTrue）
　　条形图
　　frompyecharts。chartsimportBar
　　bar1Bar（initoptsopts。InitOpts（width1350px，height750px））
　　bar1。addxaxis（citytop10。index。tolist（））
　　bar1。addyaxis（城市，citytop10。values。tolist（））
　　bar1。setglobalopts（titleoptsopts。TitleOpts（title评论者Top10城市分布），
　　visualmapoptsopts。VisualMapOpts（max50），
　　toolboxoptsopts。ToolboxOpts（））
　　bar1。render（）
　　citynumdf〔citydealed〕。valuecounts（）
　　citynum。drop（国外，inplaceTrue）
　　citynum。drop（未填写，inplaceTrue）
　　frompyecharts。chartsimportMap
　　地图
　　map1Map（initoptsopts。InitOpts（width1350px，height750px））
　　map1。add（，〔list（z）forzinzip（citynum。index。tolist（），citynum。values。tolist（））〕，
　　maptypechina）
　　map1。setglobalopts（titleoptsopts。TitleOpts（title评论者国内城市分布），
　　visualmapoptsopts。VisualMapOpts（max50），
　　toolboxoptsopts。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
　　word1WordCloud（initoptsopts。InitOpts（width1350px，height750px））
　　word1。add（，〔zip（keywords。words，keywords。num）〕，
　　wordsizerange〔20，200〕，
　　shapeSymbolType。DIAMOND）
　　word1。setglobalopts（titleoptsopts。TitleOpts（完美关系豆瓣短评词云图），
　　toolboxoptsopts。ToolboxOpts（））
　　word1。render（）
　　那么《完美关系》你怎么看呢？
　　作者：Mika