透过评论看Runningman

作者：zuobangbang

来源：zuobangbang

      《Running Man》是韩国SBS电视台在《星期天真好》单元推出的户外竞技真人秀节目。节目致力于打造一个不同于Real variety的新型态娱乐节目。每期有不同的主题，由不同的嘉宾参演，分为不同的队伍进行比赛，通过完成各种游戏任务，最后获胜一方将获得称号或奖品。成员组成包括原六位成员刘在石、池石镇、金钟国、HAHA（河东勋）、宋智孝、李光洙 ，以及两位新成员全昭旻、梁世灿。

以上抄自百度百科。。。

抓取数据

自从限韩令发布后，running man在除B站以外的各大视频网站均下架，所以本文从B站出发，抓取相关视频的所有评论。由于相关视频非常多，本文选择了最具代表性，点击量观看次数最多的视频。进入这个页面后开始抓包（https://www.bilibili.com/video/av18089528？from=search&seid=

16848360519725142300）不断点击下一页，可以发现reply?callback=这个文件一直在出现。

打开其中一个文件以后可以看到每一面的评论都在里面；只需构建出类似的URL就可以把所有的评论都爬下来啦。

分析一下这个URL：https://api.bilibili.com/x/v2/replycallback=jQuery17201477141935656543_1541165464647&jsonp=jsonp&pn=368&type=1&oid=18089528&sort=0&_=1541165714862

pn是页面数，_对应距离1971年1月1日的秒数，直接用time.time就可以获得，其余参数保持不变。数据格式是json,但是B站有点小狡猾啊~它把所有的json数据都存在jQuery17201477141935656543_1541165464647(。。。）这个里面，所以提取的时候要处理一下（talk is cheap,show me the code)

html=requests.get(url,headers=headers).text
html=json.loads(html.split('(',1))[1][:-1]）

最后我们把所有的评论都抓取下来存入excel中，数据格式是这样子的：

写入csv的时候一定要记得encoding='utf-8'，就因为少了这个，数据总会乱码，因为各种奇葩的原因(点了一下，拉宽了一下，原地保存一下。。。)

数据清洗

对于B站的各种缺失数据，就直接用0替换；对于诗歌类的评论，它存到csv时是一句占一行，而它的其余信息都会存到最后一行，所以在处理时，把前面的n-1行打包append到n行的评论中，再把n-1行删除；对于B站返回的时间（类似于1540882722）；用time.strftime('%Y-%m-%d %H:%M:%S,time.localtime())变换成2018/11/12    22：15：15。

数据分析

清理后一共得到7513*11条数据，接下来对数据进行一些分析，数据分析通过python和R完成。

男女分布

从饼图可以看出，近六成的人选择保密个人信息，公开信息显示女生仅比男生多3%。这个结论是出乎意料的。原来不论男女都很喜欢runningman。

评论周分布

running man在韩国的更新时间是每周天下午，但是要到周一B站才会有所更新。因此从评论周分布图可以看到，星期一的评论数是远远大于其他时间的，其次是星期二和星期天，正好在runnning man 更新前后，对比其他时间段评论数有一定增长。

评论时间分布

除了每周评论数，对于评论数的日趋势也十分好奇，大家一般会在什么时间段内观看评论呢？

根据上图可以看到，在6点以后迎来一个爆炸性增涨，在11点-13点之间达到峰值，其次是在15点-17点之间迎来第二波小高潮。在晚间，除了20点有一定下降外，评论数都接近500条。而午夜评论数最少，不过还是有不少夜猫子啊。

评论字数与点赞数

对比每条评论的字数与点赞次数，从上图可以看到，评论的字数越多，获得赞的概率就越大：100字以上的评论获得赞的平均次数远高于100字以下的评论，而那些10个字以内的评论基本没有获得赞，所以只要你是认真评论写出大家的心声，就能获得大家的认同。

情感分析

将大家的评论分别进行情感分析，越接近1说明正面情感越强烈；相反越靠近0负面情绪越强。从上图可以看到，虽然有近600人的评论是非常负能量，但是绝大多数的人都是1分，0.9分。在running man给我们带来欢乐与感动的同时，大家对running man是满满的宠爱啊。

话题度排行

一直都很好奇在观众心中哪个mc的话题度最高，所以做了一个话题度排行。从上图可以看到haha是最具话题性的mc（这个结果有点出乎意料呢）其次是李光洙和宋智孝。因为笔者统计的是2018年的running man ，所以gary的数据是有点凄惨的。对比两个新成员，全妹的话题度比世赞高的不是一点点。

       running man一直都不缺cp，前有周一情侣Gary和宋智孝，权力夫妇刘在石和金钟国，老年line刘在石和池石镇，我兄我弟金钟国和haha，背叛者联盟必触cross；现在又有国民兄妹刘在石和全昭敏，麻浦兄妹宋智孝和haha，烤肉line金钟国haha等等。他们的关系错综复杂，所以笔者打算好好扒一扒观众眼中的各种line。

成员关系矩阵

满分为100分，可以看到池石镇和刘在石；刘在石和李光洙；金钟国和宋智孝；Gary和宋智孝；haha和李光洙；全昭敏和宋智孝的相关性均非常高，其中Gary和宋智孝的相关性居然达到40，也就是说评论中如果有GARY那么有四成的概率会出现宋智孝，周一情侣真的是深入人心。其次是宋智孝和金钟国，看来之前还一直有人说他俩会结婚也不是空穴来潮；而梁世赞与其余成员的相关性都很高，这说明大家都不怎么单独提到他，希望世赞可以早日找到自己的定位；获得观众的认可！

社交网络关系网

在社交网络关系网中，按红，黄，绿，蓝将联系的紧密程度划分为四个等级，其中红色代表联系非常紧密，而蓝色是不紧密。可以看到，李光洙，haha，刘在石三人联系非常紧密，同时金钟国和宋智孝的关系也非常密切。对于Gary，自从他退出running man以后，各成员和他的联系都非常小。

词云图

这个词云图我是用R做的，但是R的词云图背景是要全黑和全白，所以就放弃了给词云加个图案的想法。。。回到词云图，可以看出，大家对于节目本身，各位成员的讨论是很多的，同时在评论里也表达了自己对running man各种喜爱之情。

最后，希望running man 给我们带来越来越多欢乐，收视率越来越好噢。相关代码后续会上传到Github（笔者还木有搞明白怎么上传上去）。

---

想第一时间看到公众号的精彩文章，

赶快把公众号设为星标吧，

打开公众号，点击“设为星标”就可以哦～

推荐阅读：

◆ ◆ ◆  ◆ ◆

欢迎关注【Python与数据分析】