Eu usei python para rastrear 100.000 barragens e descobri o segredo do show de variedades de sucesso "Brother Overcoming Toughness"

Este é o primeiro dia da minha participação no desafio de atualização de agosto. Para detalhes do evento, consulte: Desafio de atualização de agosto

Olá a todos, meu nome é Caio.

Aliás, na última quinta-feira (12 de agosto), foi ao ar a primeira edição do "Irmão que superou a dureza" no Mango Channel, e explodiu . Era emocional , não gorduroso e texturizado, e chamou muita atenção quando foi on-line!

Que tipo de reação química ocorrerá quando você colocar garotos jovens e perigosos, músicos de rock, rappers, dançarinos, cantores, atores de kung fu, etc. no mesmo show de variedades?

Hoje, vamos ver o que o exército de barragem de 100.000 homens tem a dizer na primeira edição!

1. Visualização de dados

Desta vez eu coletei um total de três barragens no primeiro, no meio e no baixo episódios de Mango TV. 97,331Para o processo de coleta específico, veja o código no final do artigo (é relativamente simples).

import pandas as pd

df = pd.read_excel('披荆斩棘的哥哥.xlsx')
# 数据字段信息
df.info()
复制代码

<class 'pandas.core.frame.DataFrame'>
Int64Index: 97331 entries, 4 to 33794
Data columns (total 7 columns):
 #   Column       Non-Null Count  Dtype 
---  ------       --------------  ----- 
 0   ids          97331 non-null  string
 1   uid          97331 non-null  Int64 
 2   content      97331 non-null  string
 3   time         97331 non-null  Int64 
 4   v2_up_count  97331 non-null  Int64 
 5   时间           97331 non-null  Int64 
 6   上中下          97331 non-null  string
dtypes: Int64(4), string(3)
memory usage: 6.3 MB
复制代码

Nos dados, o significado de cada campo é o seguinte:

ids: ID da barragem

uid: ID do usuário

content: Conteúdo da tela de marcadores

time: A hora em que a barragem foi enviada (em relação aos milissegundos após o início deste episódio)

v2_up_count: Número de curtidas na barragem

Tempo: Tempo de envio da tela bullet (minutos)

Superior, médio e inferior: uma das partes superior, média e inferior pertencente ao primeiro período

# 数据预览
df.sort_values(by=['上中下','time'], inplace=True) # 按照上中下集和time排序
df.head()
复制代码

(
    df.groupby('上中下').agg(弹幕数=('ids', 'count'),
                        时长=('时间', 'max')
                        ).reset_index().style
    .bar(subset='弹幕数', align='zero')
    .bar(subset='时长', color='orange', align='zero')
)
复制代码

Basicamente, todos os episódios da primeira edição estão cheios de barragem (360 em 1 minuto)

2. A nuvem geral de palavras da tela de marcadores

A ferramenta de produção de nuvem de palavras anterior "" é usada aqui para desenho.

Da nuvem geral de palavras, podemos descobrir que o público está basicamente assistindo com o riso de hahaha e o elogio de ahahah.

Eu tenho que dizer, este show de variedades é muito feliz

Vamos remover estes 拟声词e alguns 溢美之词, e dar uma olhada novamente. Podemos encontrar hóspedes da área da Grande Baía (principalmente referindo-se a Chen Xiaochun, Xie Tianhua, Lin Xiaofeng, Zhang Zhilin, Liang Hanwen 古惑仔), Zhao Wenzhuo , Li Chengxuan , Ouyang Jing e Zhang Yunlong são os mais populares entre os usuários de barragem!

3. 点赞最多的弹幕

点赞前10的弹幕都集中在第1期的中集部分，且绝大部分（前4条都是）集中在赵文卓出场表演的那段，把《流星雨》唱成流星锤，哈哈哈！

(
    df.sort_values(by='v2_up_count', ascending=False).head(10).style
    .hide_index()
    .hide_columns(['ids','uid','time'])
)
复制代码

点赞第三的“陈小春：女儿真好”是在介绍赵文卓时的朋友送祝福阶段赵文卓的儿子女儿的祝福时镜头给到的陈小春，然后有网友给出的经典弹幕，很温馨有没有！

“终于知道戚薇的快乐了”这条高赞弹幕一定是一个女性网友想出来了，出自39分钟区间李承铉演唱《天上飞》时，帅炸全场！

4. 最疯狂的弹幕狂魔

看到弹幕里有不少二刷、三刷的多刷观众，有多少观众是弹幕狂魔，我们来探一探！

df.groupby('uid')['ids'].count().sort_values(ascending=False).to_frame('弹幕数').reset_index().head()
复制代码

我们可以看到，有网友居然在4个半小时的第1期里一共打出了176条弹幕，平均0.65条弹幕/分钟，毫无疑问的弹幕狂魔！

抽样20条该网友的弹幕内容，我们发现他是真的爱这个节目，而不是只为某个哥哥而来！

(
    df[df['uid']==3752327606].sample(18).style
    .hide_index()
    .hide_columns(subset='ids')
)
复制代码

5. 弹幕最热的哥哥们

那么第1期三集33位哥哥们共4个半小时的表演，最受弹幕欢迎的是哪几位哥哥呢？

从弹幕整体词云可看到关键词最多的是大湾区（主要是指陈小春、谢天华、林晓峰、张智霖、梁汉文古惑仔组合）、赵文卓、李承铉、欧阳靖和张云龙。

大湾区的哥哥们

df[df['content'].astype('str').str.contains('大湾区|小春|春哥|谢天华|林晓峰|张智霖|梁汉文')]
复制代码

赵文卓

df[df['content'].astype('str').str.contains('赵文卓|卓哥|文卓')]
复制代码

哈哈哈，笑死，大威天龙

李承铉

那个，戚薇的快乐李承铉，直呼太帅了

df[df['content'].astype('str').str.contains('李承铉|戚薇')]
复制代码

欧阳靖

说唱歌手欧阳靖

df[df['content'].astype('str').str.contains('欧阳靖')]
复制代码

张云龙

"Ride the Dragon Quick Xu" de Yan Chengxu e Zhang Yunlong é tão doce. Quando Zhang Yunlong viu Yan Chengxu pela primeira vez, ele deu um passo à frente e segurou a mão do oponente excitadamente e deixou escapar: "Eu imitei você antes!"

df[df['content'].astype('str').str.contains('张云龙|云龙')]
复制代码

Para obter mais dados da tela de bala ou a tela de bala dos irmãos, você pode responder 955 em segundo plano para obtê-lo na pasta Mango TV e, em seguida, reproduzi-lo ~!

6. Como a barragem avalia o Canal da Manga desta vez?

Eu vi muitas barragens elogiando essa estação de manga

df[df['content'].astype('str').str.contains('芒果')]
复制代码

7. Programa de coleta de dados de tela de bala

Cole o código-fonte

import requests
import pandas as pd

headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.66 Safari/537.36",
    }

datas = []
# 每集90多分钟，所以100够了！
for i in range(100):
    print(f'\r{i}',end='')
    # 注意观察每集弹幕接口地址规律
    url = f'https://bullet-ali.hitv.com/bullet/2021/08/17/192249/13137070/{i}.json'
    
    r = requests.get(url, headers=headers)
    
    if r.status_code == 200:
        data = r.json()    
        data = data['data']['items']
        datas.extend(data)
    else:
        break

df = pd.DataFrame(datas)

df = df[['ids','uid','content','time','v2_up_count']].fillna(0)

df['时间'] = df.time//60000
复制代码

O acima é todo o conteúdo desta vez. Este show de variedades ainda vale a pena assistir. É realmente memorável .