Python数据可视化：啥是佩奇
微信公众号：法纳斯特（ID: walker398）
她爹也是猪！她娘也是猪！ 儿子还是猪！一窝猪！
或许这就是最好的回答。
原本只是一部电影方与移动合作的宣传短片。
却因里面打动人心的故事，大火了一把。
就如我之前的一篇文章里所提的。
不是年味越来越少，而是我们都长大了。
影片透露出那一股暖人心的亲情，如今也是越来越不容乐观。
物以稀为贵，或许这就便是能引起大家共鸣的原因吧。
其实大家心里都想，只不过由于种种原因，没能实现罢了。
本次对B站的弹幕数据进行获取。
来看看大家的弹幕信息，能不能让我们得到回答。
亦或发现一些有趣的信息。
/ 01 / 网页分析
B站的弹幕数据有现成的接口，只需找到对应视频的cid值即可。
从上图可以知道，弹幕一共2719条，视频的cid值为72036817。
接下来访问接口，获取数据。
网址：http://comment.bilibili.com/72036817.xml
接口获取的弹幕数据最多只有1000条。
但是总数却是是2719条，那么再找找看。
登陆B站后，点击查看历史弹幕按钮。
发现了每日视频的弹幕接口(只需将请求头加上cookies，即可访问)。
发现还是限制1000条，这里也是不解。
难不成每个视频播放时就只会放出来1000条弹幕？
不过相比第一个接口，应该能多出不少弹幕。
/ 02 / 数据获取
鉴于只是练手而已，就偷个懒。
直接从不需要cookies的接口获取1000条弹幕。
获取数据代码如下。
from bs4 import BeautifulSoup
import pandas as pd
import requests
url = 'http://comment.bilibili.com/72036817.xml'
html = requests.get(url).content
html_data = str(html, 'utf-8')
soup = BeautifulSoup(html_data, 'lxml')
results = soup.find_all('d')
comments = [comment.text for comment in results]
comments_dict = {'comments': comments}
df = pd.DataFrame(comments_dict)
df.to_csv('bilibili.csv', encoding='utf-8')
最后成功获取1000条弹幕数据。
第958条，和我外公外婆一样，来到家之后一包一包的都是他们从家里带来的菜和水果。
不知道，你有没有相同的感受呢？
相信大多数人都会说，有！！！
一种莫名的感动在心中。
/ 03 / 数据可视化
利用jieba分词，对弹幕数据生成词云。
from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
import pandas as pd
import jieba
df = pd.read_csv('bilibili.csv', header=None)
text = ''
for line in df[1]:
text += ' '.join(jieba.cut(line, cut_all=False))
backgroud_Image = plt.imread('peiqi.jpg')
wc = WordCloud(
background_color='white',
mask=backgroud_Image,
font_path='C:\Windows\Fonts\simhei.ttf',
max_words=2000,
max_font_size=80,
random_state=30,
)
wc.generate_from_text(text)
# 看看词频高的有哪些,把无用信息去除
process_word = WordCloud.process_text(wc, text)
sort = sorted(process_word.items(), key=lambda e:e[1], reverse=True)
print(sort[:50])
img_colors = ImageColorGenerator(backgroud_Image)
wc.recolor(color_func=img_colors)
plt.imshow(wc)
plt.axis('off')
wc.to_file("佩奇.jpg")
print('生成词云成功!')
原图如下，来自一位PPT大神的鼠绘佩奇。
如有需要下图的，公众号回复「佩奇」即可。
最后生成词云图。
啥是佩奇，我肯定是知道的...
估计逛B站的大佬们也都知道，所以猪这个词，出现的并不多。
看看弹幕数据还能发现一些其他什么东西。
这里发现河北、保定、张家口、怀来县这几个地名冒出。
说明短片可能是在河北省拍的。
还有爷爷是短片的主角，短片中的手套和手机也成功吸引了大家的关注。
朋克和硬核又是什么鬼，不解...
/ 04 / 总结
下面这段内容，摘自知乎。
说到底这个宣传片之所以能火起来，靠的还是咱中国人的情。
是农村生活，过年生活的真实写照。
反映了现代社会农村的真实情况，包括4G网以及智能手机还未普及，农村空巢老人的生活状态。
或许，这就是大家有共鸣的点。
万水千山总是情，点个「好看」行不行。
作者其它好文推荐：Python数据可视化：豆瓣电影TOP250
Python的爱好者社区历史文章大合集：
关注后在公众号内回复“ 课程 ”即可获取：
小编的转行入职数据科学（数据分析挖掘/机器学习方向）【最新免费】
小编的Python的入门免费视频课程！
小编的Python的快速上手matplotlib可视化库！
崔老师爬虫实战案例免费学习视频。
陈老师数据分析报告扩展制作免费学习视频。
玩转大数据分析！Spark2.X + Python精华实战课程免费学习视频。