查看原文
其他

大数据解读B站火过蔡徐坤的“鬼畜“区巨头们

徐麟 数据森麟 2019-06-22



作者:徐麟,某互联网公司数据分析狮,个人公众号数据森麟(id:shujusenlin)

前言


近日,蔡徐坤一纸律师函发往B站,律师函内容显示,“B站上存在着大量侵害委托人的内容,且点击率高,传播范围广,影响十分恶劣。这些内容的制作、上传、散布、转载都已侵害了委托人的名誉权、肖像权、表演权等权利。要求对方立即删除侵权内容,确保不再出现任何侵犯内容。”



然而B站也毫不示弱,在其官微正面回复蔡徐坤,并给蔡徐坤“友情推荐“了名誉权的相关文章,可谓有理有据



我们今天在这里不去评判究竟孰是孰非,更多的是要用数据带大家一起走进B站鬼畜视频的神秘世界,看看那些活跃在B站的“鬼畜“届巨头们


初识“鬼畜”


何为“鬼畜“?我们截取了百度百科上对于鬼畜视频的定义,让大家能够对鬼畜视频有个初步的认知:


我们此次的数据来源就是B站的鬼畜视频专区的信息,可以看到视频信息是以列表形式进行给出:



通过审查元素,我们找到了对应的接口,并进行列表信息的爬取,获得了从2018年发布至今的30000多条鬼畜视频的信息,包括了弹幕数,发布时间,作者,标签等:



部分代码如下:


def get_list(j,start,end):
    attempts = 0
    success = False
    while attempts < 500 and not success:
        try:
            url = 'https://s.search.bilibili.com/cate/search?callback=jqueryCallback_bili_06768280565043483&search_type=video&view_type=hot_rank&order=click&cate_id=22&page={}&pagesize=20&time_from={}&time_to={}'.format(str(j),str(start),str(end))
            header = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win32; x32; rv:54.0) Gecko/20100101 Firefox/54.0',
            'Connection': 'keep-alive'}
            cookies ='v=3; iuuid=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; webp=true; ci=1%2C%E5%8C%97%E4%BA%AC; __guid=26581345.3954606544145667000.1530879049181.8303; _lxsdk_cuid=1646f808301c8-0a4e19f5421593-5d4e211f-100200-1646f808302c8; _lxsdk=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; monitor_count=1; _lxsdk_s=16472ee89ec-de2-f91-ed0%7C%7C5; __mta=189118996.1530879050545.1530936763555.1530937843742.18'
            cookie = {}
            for line in cookies.split(';'):
                 name, value = cookies.strip().split('=', 1)
                 cookie[name] = value
            html = requests.get(url,cookies=cookie, headers=header).content

            info = json.loads(html.decode('utf-8'))['result']
            return info
        except:
            attempts = attempts+1
    return []

period = pd.read_excel('起止日期.xlsx')
guichu_all = []
for i in range(period.shape[0]):
for j in range(100):
this_guichu = get_list(j,period['start'][i],period['end'][i])
guichu_all = guichu_all+this_guichu
print('{} {}'.format(str(i),str(j)))


最后得到的数据如下:



万物皆可鬼畜


综述

在鬼畜界中,有一句被大家所熟知的话:万物皆可鬼畜。它的意思是,没有什么是不能成为鬼畜素材的。鬼畜的题材之广泛,往往会超出大家的想象,从动漫到电视剧,网游,甚至连《猫和老鼠》《小猪佩奇》这种动画片都常常出现在了鬼畜豪华套餐之中。


首先我们来看一下鬼畜视频的“用户画像”,提到对鬼畜视频的理解和认知,阿婆主们说第二,没有人敢说第一,那么我们就看看阿婆主眼中的鬼畜视频:



阿婆主们为了让自己的视频能够得到更多关注,都会给自己的视频打上非常全面、精准的标签,其中包括了对视频的描述以及素材的信息,我们将这部分信息进行提取,为鬼畜视频刻画其“用户画像”,通过词云进行展现:



除了鬼畜调教本书,有许多其他的非常有意思的描述,比如洗脑循环、恶搞、蜜汁带感、有毒、魔性、新人都是怪物,这基本上是对鬼畜视频非常精确的描述了。这些描述也很好的解释了鬼畜视频能够“病毒式“”的传播的原因了


下面就进入“万物皆可鬼畜”的正题,主要分为两个部分:人物和素材,人物主要是指的现实生活中的人物,包括了传统意义上的明星和鬼畜全明星两部门,素材就指的是那些可以用来进行鬼畜创作的原始内容,包括了歌曲,电视剧,电影等等


人物篇

首先看一下人物篇,我们先来看下2018,2019两年视频弹幕量最多的人物:




可以看到面筋哥在18,19年的榜单上都排名第一,面筋哥以其浑厚的嗓音,洒脱的风格,不羁的穿搭走入了b站,成为了鬼畜区的王者,未来期待面筋哥更多的作品。同时看到2019年蔡徐坤进入了榜单,吴亦凡的排名也得到了明显的提高,依然引起了越来越多的阿婆主的关注。


下面我们把维度从年切分至周,制作动态图看下大家18年至今每周的排名变化,我们使用的是大神之前搭好的模板,使用方法可以参照github上https://github.com/Jannchie/Historical-ranking-data-visualization-based-on-d3.js 的讲解:




可以看到,面筋哥在2018年很长一段时间都是独领风骚,然而近期霸占榜单头名的依然变成了蔡徐坤,想必这也是蔡徐坤团队最近行动的原因了,我们用词云图将这些鬼畜届的巨头们放在一起,看看是否有你熟悉的:



涉及到的领域相当广泛,不仅有面筋哥这些常年活跃于鬼畜届的巨头,也有吴亦凡、蔡徐坤这样的明星,就连朱广权这种央视的主播都出现在了榜单,互联网界的四位巨头也在榜单之中,未来也期待更多的互联网巨头们精彩的作品。看完了人物,我们看下鬼畜素材的情况:


素材篇




可以看到18年和19年素材产生了比较大的变化,但是改革春风吹满地和猫和老鼠已成为了鬼畜区的镇区质保,在排名中名列前茅,这份榜单也很好的诠释了“万物皆可鬼畜”这一真理。小品、动漫、影视人物、热门歌曲,只有你想不到的,没有鬼畜区做不到的,同样我们来看下每个周的动态变化情况:



同样也把这些常见素材通过词云图放在一起,进一步看一下鬼畜区阿婆主们令人惊叹的脑洞:



部分代码如下:


tag_stat = Counter(guichu_tag['tag'])
back_color = imread('D:/爬虫/鬼畜/bilibili.jpg') # 解析该图片

wc = WordCloud(background_color='white', # 背景颜色
max_words=100, # 最大词数
mask=back_color, # 以该参数值作图绘制词云,这个参数不为空时,width和height会被忽略
max_font_size=200, # 显示字体的最大值
font_path="C:/Windows/Fonts/STFANGSO.ttf", # 解决显示口字型乱码问题,可进入C:/Windows/Fonts/目录更换字体
random_state=42, # 为每个词返回一个PIL颜色
# width=1000, # 图片的宽
# height=860 #图片的长
)
# WordCloud各含义参数请点击 wordcloud参数
image_colors = ImageColorGenerator(back_color)
wc.generate_from_frequencies(tag_stat)

plt.figure(figsize=(8,8),dpi=80)
plt.imshow(wc.recolor(color_func=image_colors))
plt.axis('off')

## 绘制图片
renwu_stat_year_18 = tag_count_year[(tag_count_year['year']=='2018') & (tag_count_year['type']=='人物')]
renwu_stat_year_18.sort_values('danmu',ascending=False,inplace=True)
attr = renwu_stat_year_18['tag'][0:10]
v1 = renwu_stat_year_18['danmu'][0:10]
bar = Bar("2018人物弹幕数量TOP10")
bar.add("弹幕数量", attr, v1, is_stack=True, xaxis_rotate=30,xaxis_label_textsize=18,
xaxis_interval =0,is_splitline_show=False,label_text_size=12,is_label_show=True)
bar.render('2018人物弹幕数量TOP10.html')


火钳留名


“火钳留名“是鬼畜区视频弹幕常见用语,表示对某一视频未来的看好,我们也来看看那些在鬼畜区最火的视频:



最后我们放个彩蛋,那就是为大家精选的集合了鬼畜区全明星(波澜哥,面筋哥,两位马爸爸等人)的《火力种田王2》,看过之后,想必大家都会神清气爽(sanguanjinhui):



今天的文章就到这里了,后台回复“bilibili”或者“B站”可以获得本文代码,万水千山总是情,点个“在看”行不行


留言打卡 DAY 20


今日的留言话题是聊聊“鬼畜”文化,关于留言打卡的规则可以参考数据森麟公众号第一季留言打卡活动开启!,请按照昵称+天数(请以自己实际连续打卡的天数为准,如day1 or day2 or day3)+ 留言内容(不少于15字)的方式留言


◆ ◆ ◆  ◆ ◆


长按二维码关注我们



数据森麟公众号的交流群已经建立,许多小伙伴已经加入其中,感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容,还没有加入的小伙伴可以扫描下方管理员二维码,进群前一定要关注公众号奥,关注后让管理员帮忙拉进群,期待大家的加入。


管理员二维码:



猜你喜欢

● 盘盘“杨超越杯编程大赛”中那些脑洞大开的项目  

 数说奥斯卡女神们 : “惊艳了时光 , 温柔了岁月”

 豆瓣已玩烂,来爬点有逼格的 ——IMDB 电影提升你的品位

 Python一键爬取你所关心的书籍信息

● 数据解读京东上最受欢迎的面包


点个“在看”,支持森麟原创  ☟

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存