声明：本文为原创，仅供学习交流，转载请标明出处，若有侵权请及时告知删除。

数据获取：

数据来源：猫眼电影

首先要获取数据，因为网页的评论只能看到10条，显然不够，于是准备从M端抓包找到评论接口。

获取接口数据

接口中对我们本次抓取主要有用的参数是offset偏移量以及时间戳，这两个条件限制了抓取的条数。

获取内容数据

这里有用户评论的相关数据，我们选取了评论内容、用户名、评分、评论时间、评论获赞量、评论回复量的数据。

接下来导入python的requests包、json包，开始获取分析的数据：

定义函数

多次调试之后，发现一个时间戳下最多显示1000条评论，所以每次获取1000条后，导出最后一条的评论时间戳，修改url后继续抓取。

保存结果

数据可视化：

总共获取24700+条评论数据：

结果

评分比列：

首先我们来看下评分的分布状况：

代码如下：

代码

评分比列图

我们可以看出总体上满意程度很高，87%的好评率对国漫电影来说，表现的也相当出色了。当然不排除购票去影院观影的看官本身对该电影的喜欢程度就很高。而且我们留意到给出6分以及下的占据了3.6%，那么这部分观众评论了些什么，笔者会在文末给予分析。

时间序列：
采用matplotlib,我们按照小时为单位，汇总数据，部分代码如下

代码

截取20日~25日评论的流量趋势图

从可视化结果来看评论集中在“茶余饭后”，忙碌了一天，下班来场愉快的电影。晚上黄金时间（8：00pm~10:00pm）各位看官也是纷纷畅所欲言。

评论字数分布：

评论字数分布图

代码如下：

代码

可以看出，白蛇的评论用户评论字数集中在20字以内，根据“长尾效应”的解释，我们也可以看出五十字以上“走心”评论也是比较多的。我们接下来看看这些评论都说了些什么呢？

词云图：

部分代码如下：

代码

需注意：scale参数直接影响了词云图出图的像素清晰度，在图比较大的时候，值可以设置的高一点

《白蛇-缘起》词云图

纵观所有评论，“好看”，“国漫”，“画面”依然是这部电影的代名词，看官的评价还是不错的，笔者去看的时候也被画风惊艳到了。接下来我们依然通过词云图来看下，给出差评的观众都在说些什么呢？

评分6分及以下的词云图

针对低评分的看官，大家火力似乎都集中在剧情上了。近于俗套似乎也是国漫的通病，路漫漫其修远兮。笔者认为19年开年的这个动漫作品总体表现超出了自己的心里预期。还是比较期待国漫的发展的！

当然针对与评论的分析还有很多种方式，比如针对文本的情感分析，展示的维度也是多种多样，大家有什么好的分析角度，欢迎留言，一起学习参考。

                                                                                                                                             K.文