程序员用Python分析徐峥，竟研究出《我不是药神》30亿票房真正秘诀！

前言

前段时间向往的生活第二季中，托尼何老师给山争大叔洗头那一幕，着实给节目赚足了笑点。

而最近徐峥凭借《我不是药神》在电影院也收了不少观众眼泪，在这部电影里面他颠覆了当初囧系IP电影和心花路放的搞笑印象。对于现实主义的题材作品，电影本身的成功不仅在题材的选取上，更是因为监制宁浩徐峥、导演文牧野和其他主演的一起合作。

《港囧》发布时，山争哥另辟蹊径，在发布会上化身“徐布斯”用大数据分析《港囧》，把观众笑声次数换算成票房收入。

所以在徐峥的独特眼光中，什么样的题材、导演、演员才是他的青睐？本文用Python爬取数据、并用R语言进行数据可视化处理来了解这位才子。

数据爬取

考虑到只有几百条数据，就简单地写了爬虫脚本，得到徐峥合作过的演员、合作次数、演员被收藏数、合作的作品名、作品导演、作品类型、作品评分。Python代码如下：

 1#-*- coding: utf-8 -*-
 2from bs4 import BeautifulSoup
 3import requests
 4import pandas
 5import time
 6newarry = []
 7user_agent = '*******'
 8headers = {'User_Agent': user_agent}
 9for i in range(15):
10    gradeUrl = 'https://movie.douban.com/celebrity/1274297/partners?start='+str(i*10)
11    res = requests.get(gradeUrl, headers)
12    soup = BeautifulSoup(res.content, 'html.parser').find(class_='article')
13    for item in soup.find_all(class_='partners item'):
14        partner = item.select('a')[1].text
15        times = item.select('li')[1].text
16        collect_num = item.select('li')[2].text
17        url_list = item.select('li')[1]
18        for url in url_list.find_all('a'):
19            each_page = requests.get(url.get('href'), headers)
20            sub_res = BeautifulSoup(each_page.content, 'html.parser')
21            info = sub_res.find(id='wrapper')
22            movie_name = info.select('span[property="v:itemreviewed"]')[0].text
23            print(movie_name)
24            director = info.find(class_='attrs').select('a')[0].text
25            types = ' '.join([style.text for style in info.select('span[property="v:genre"]')])
26            if info.find(class_='ll rating_num') is None:
27                rate = 0
28            else:
29                rate = info.find(class_='ll rating_num').text
30            newarry.append({
31                'partner': partner.split(" ")[0],
32                'time': times[5],
33                'collect_num': collect_num,
34                'movie_name': movie_name,
35                'director': director,
36                'types': types,
37                'rating': rate
38            })
39        time.sleep(2)
40    print(newarry)
41
42new_df = pandas.DataFrame(newarry, columns=['partner', 'time', 'collect_num', 'movie_name', 'director', 'types', 'rating'])
43new_df.to_excel('D:\partner.xlsx')
44print(new_df)

数据分析

首先来看看徐峥出演的电影中，评分排前10的电影名，《我不是药神》是徐峥目前评分最高的电影，这成绩完全可以算国产片里的现象级了。

还有极限挑战和向往的生活，徐峥作为临时嘉宾的那期节目也得到了不错的反响。

既然徐峥让观众又是悲伤涌起、又是捧腹大笑，那么看看他出演的作品中不同类型的评分情况，果然还是喜剧排名比较靠前，徐峥出演惊悚悬疑类的电影排名靠后，看来搞笑大叔的深刻印象，不能让大家接受他出演惊悚片。徐峥去的真人秀和脱口秀节目，也在当期取得不错的收视率和口碑。

接下来看看徐峥和哪些导演合作比较紧密？徐峥出演自己自导的电影有4次，山争大哥完全没放过自己当主演的机会，和宁浩导演合作4次，《疯狂的石头》《无人区》《心花路放》《疯狂的赛车》这四部，都是不错的电影，除开合作伙伴的关系，这应该也是徐峥选择出演电影的原因。《我不是药神》也是宁浩监制、文牧野导演。

再来看看合作导演的作品评分情况，图a是评分排名前15的导演名字，图b是评分排名后15的导演名字，徐峥在2002年黄蜀芹导演的《上海沧桑》中并不是主演，排名第二的任静是《极限挑战》的导演，徐峥参加过的当期节目取得了9.0的豆瓣评分，看来他真的很适合参加真人秀。

图 a

图 b

再看看徐峥合作过的演员情况，图c是和徐峥合作过的演员作品平均评分排名前10的演员，图d是作品平均评分排名后10的演员。合作最多的演员是黄渤，一共有9次的合作，《疯狂的石头》《疯狂的赛车》《无人区》《心花路放》《泰囧》等作品都取得了不错的票房和评分，但是《爱情呼叫转移Ⅱ：爱情左右》只有5.2的评分，导致黄渤没有在这前10里，而张艺兴、孙红雷、罗志祥只和徐峥合作过一期《极限挑战》就9.0靠前了，看来平均值有时候真的会掩盖重要的信息。

图 c

图 d

最后再看看徐峥囧系IP电影选角的演员人气情况，将演员豆瓣上被收藏的次数作为人气的测量，对比《港囧》《泰囧》《人在囧途》的演员人气，看来《港囧》的失败确实很大因素归因为选角，人气明显低于《泰囧》。

最后再将陶虹的合作演员表爬取下来，看看夫妻二人在电影圈的社交网络关系，陶虹和徐峥的共同出镜次数还挺多，合作过的电影和演员也不少，不过徐峥的出演次数更多，圈子更大，夫妻二人很和谐的搭配方式。

附上R语言的可视化代码：

 1library(dplyr)
  2library(plyr)# 这个包里面的count函数才能统计文本的个数
  3library(tidyverse)
  4library(ggplot2)
  5library(readxl)
  6library(xlsx)
  7library(RColorBrewer)
  8
  9movie_data <- read_excel("D:\\partner111.xlsx")
 10# 徐峥合作伙伴评分排名前10和后10的演员
 11left_data <- movie_data[movie_data$rating!=0, ]# 去掉没有评分的电影
 12attach(left_data)
 13ave_rate <- aggregate(as.numeric(rating), by=list(par_name), FUN="mean")
 14ave_rate$rate <- round(ave_rate$x, 1)
 15detach(left_data)
 16ave_rate <- ave_rate[order(ave_rate$rate), ]
 17col <- brewer.pal(9,'Blues')
 18pbbPalette <- c("#FFCCCC","#FF9999","#FF6666","#FF3333","#FF0000","#CC0000","#990033","#990000","#660000","#330000")
 19cbbPalette <- c("#000000", "#E69F00", "#56B4E9", "#009E73", "#F0E442", "#0072B2", "#D55E00", "#CC79A7", "#FF0033", "#339999")
 20ggplot(data = head(ave_rate,10), aes(x = reorder(Group.1,rate,median), y = rate)) + ylim(0,10) + geom_bar(stat="identity",fill=pbbPalette) + 
 21  labs(title = "rating of moives", x="合作演员", y="平均评分")
 22ggplot(data = tail(ave_rate,10), aes(x = reorder(Group.1,rate,median), y = rate)) + ylim(0,10) + geom_bar(stat="identity",fill=pbbPalette) + 
 23  labs(title = "rating of moives", x="合作演员", y="平均评分")
 24
 25# 合作的导演的作品评分
 26attach(left_data)
 27dir_rate <- aggregate(as.numeric(rating), by=list(director), FUN="mean")
 28dir_rate$rate <- round(dir_rate$x, 1)
 29detach(left_data)
 30dir_rate <- dir_rate[order(dir_rate$rate),]
 31ggplot(data = head(dir_rate,15), aes(x = reorder(Group.1,x,median), y = x)) + ylim(0,10) + geom_bar(stat="identity",fill='steelblue') + 
 32  labs(title = "rating of director", x="导演", y="平均评分") + 
 33  theme(axis.text.x = element_text(size = 8, family = "myFont", face = "bold", vjust = 0.5, hjust = 0.5, angle = 45)) +
 34  geom_text(aes(label = rate, vjust = -0.8, hjust = 0.5), show.legend = TRUE)
 35ggplot(data = tail(dir_rate,15), aes(x = reorder(Group.1,x,median), y = x)) + ylim(0,10) + geom_bar(stat="identity",fill='steelblue') + 
 36  labs(title = "rating of director", x="导演", y="平均评分") + 
 37  theme(axis.text.x = element_text(size = 8, family = "myFont", face = "bold", vjust = 0.5, hjust = 0.5, angle = 45)) +
 38  geom_text(aes(label = rate, vjust = -0.8, hjust = 0.5), show.legend = TRUE)
 39
 40# 合作的导演次数
 41attach(left_data)
 42dir_time <- left_data %>% select(movie_name,director)
 43dir_time <- dir_time[!(duplicated(left_data$movie_name)),]
 44dir_table <- count(dir_time$director)
 45detach(left_data)
 46dir_table <- dir_table[order(dir_table$freq),]
 47ggplot(data = dir_table[dir_table$freq>=2,], aes(x = reorder(x,freq,median), y = freq)) + geom_bar(stat="identity",fill='steelblue') + 
 48  labs(title = "times of director", x="导演", y="合作次数") + 
 49  theme(axis.text.x = element_text(size = 8, family = "myFont", face = "bold", vjust = 0.5, hjust = 0.5, angle = 45)) +
 50  geom_text(aes(label = freq, vjust = -0.8, hjust = 0.5), show.legend = TRUE)
 51
 52# 徐峥评分排名前10的电影名
 53attach(left_data)
 54top_movie <- aggregate(as.numeric(rating), by=list(movie_name), FUN="mean")
 55detach(left_data)
 56rank_moive <- top_movie[order(top_movie$x), ]
 57ggplot(data = tail(rank_moive,10), aes(x = reorder(Group.1,x,median), y = x))  + ylim(0,10) + geom_bar(stat="identity",fill=pbbPalette) + 
 58  labs(title = "top10 moives", x="电影", y="评分") +
 59  theme(axis.text.x = element_text(size = 8, family = "myFont", face = "bold",vjust = 0.7, hjust = 0.7, angle = 45))
 60
 61# 囧字IP电影的演员人气对比
 62jiong <- left_data[left_data$movie_name %in% c("人在囧途","人再囧途之泰囧","港囧"),]
 63jiong$collection <- as.numeric(jiong$collection)
 64cbbPalette <- c("#E69F00", "#56B4E9", "#009E73")
 65ggplot(data = jiong, aes(x = movie_name, y = collection)) + geom_boxplot(fill=cbbPalette) + 
 66  labs(title = "collection in the movie of jiong IP", x="演员", y="人气")
 67
 68# 徐峥电影类型对比
 69attach(left_data)
 70agg_data <- left_data %>% select(movie_name,types,rating)
 71agg_data <- agg_data[!(duplicated(left_data$movie_name)),]
 72View(agg_data)
 73detach(left_data)
 74li = list("喜剧","真人秀","爱情","剧情","悬疑","脱口秀","犯罪","动作","惊悚","古装","奇幻","动画")
 75type = c()
 76ave_rating =c()
 77for (i in li){
 78  type_moive <- agg_data[grepl(i,agg_data$types), ]
 79  ave = mean(as.double(type_moive$rating))
 80  type = c(type, i)
 81  ave_rating = c(ave_rating, ave)
 82}
 83type_rating <- data.frame(type=type, ave_rating=ave_rating)
 84pbbPalette <- c("#FFCCCC","#FF9999","#FF6666","#FF3333","#FF0033","#FF0000","#CC3333","#CC0000","#990033","#990000","#660000","#330000")
 85ggplot(data = type_rating, aes(x = reorder(type,ave_rating,median), y = ave_rating)) + ylim(0,10) + geom_bar(stat="identity",fill=pbbPalette) + 
 86  labs(title = "rating of types", x="类型", y="平均评分") + 
 87  theme(axis.text.x = element_text(size = 8, family = "myFont", face = "bold", vjust = 0.5, hjust = 0.5, angle = 45)) +
 88  geom_text(aes(label = round(ave_rating,1), vjust = -0.8, hjust = 0.5, color = 'red'), show.legend = TRUE)
 89
 90
 91library(igraph)
 92#加载数据框
 93attach(movie_data)
 94agg_data <- movie_data %>% select(par_name, time)
 95detach(movie_data)
 96agg_data <- agg_data[!(duplicated(agg_data$par_name)),]
 97nrow(agg_data)
 98centre <- rep("徐峥",time=148)
 99graph_data <- data.frame(centre,agg_data)
100write.xlsx(graph_data,"D:\\mydata.xlsx")
101all_data <- read_excel("D:\\mydata.xlsx")
102g <- graph.data.frame(all_data)
103# 徐峥的关系网络图
104#生成图片，大小是800*800px
105jpeg(filename='D:\\GRAPH1.jpg',width=800,height=800,units='px')
106plot(g,
107     vertex.size=2,#节点大小
108     layout=layout.kamada.kawai,  #布局方式
109     vertex.shape='none',    #不带边框
110     vertex.label.cex=1,    #节点字体大小
111     vertex.label.color="#CC79A7",  #节点字体颜色
112     edge.arrow.size=0.2)    #连线的箭头的大小
113#关闭图形设备，将缓冲区中的数据写入文件
114dev.off()
115
116# 徐峥和陶虹的关系网络图
117# install.packages("RcolorBrewer")
118library(RColorBrewer)
119col <- brewer.pal(9,'Blues')
120V(g)$label.color <- "#FF0033"# 标签颜色设置
121attach(all_data)
122all_data <- all_data[order(time),]
123n3 <- nrow(all_data[time>6,])
124n2 <- nrow(all_data[time>=3&time<=6,])
125n1 <- nrow(all_data[time<3,])
126detach(all_data)
127edge_col <- c(rep(col[3],n1),rep(col[6],n2),rep(col[9],n3))# 边根据不同的数字设置不同深浅的颜色
128V(g)$size=degree(g)/12
129jpeg(filename='D:\\GRAPH2.jpg',width=1000,height=1000,units='px')
130plot(g, layout = layout.fruchterman.reingold,vertex.label.cex=1,edge.color=edge_col,edge.arrow.mode='-')
131dev.off()

作者：糖甜甜甜，985高校经管研二，擅长用Python、R、tableau等工具结合统计学和机器学习模型做数据分析。个人公众号：经管人学数据分析（ID:DAT-2017）

声明：本文为作者投稿，版权归对方所有。