“2020 年的春節(jié)檔之前被譽(yù)為神仙打架，各顯神通，可以說(shuō)是史上最強(qiáng)的春節(jié)檔，不料一場(chǎng)疫情，就換了另一個(gè)局面。為配合疫情的防控，春節(jié)檔電影全部撤檔。  

[[313829]] 

本以為就這樣沒(méi)下文了，結(jié)果徐崢打出一張牌：線上免費(fèi)看《囧媽》，作為發(fā)行方的歡喜傳媒股票當(dāng)天也應(yīng)聲上漲 42%。今天我們就來(lái)聊聊另類春節(jié)檔的唯一一部電影《囧媽》。

《囧媽》繞過(guò)院線，全網(wǎng)免費(fèi)看

在《姜子牙》《唐人街探案 3》等片紛紛撤出春節(jié)檔之時(shí)，《囧媽》突然宣布將于大年初一零點(diǎn)起，在抖音、西瓜視頻、今日頭條、歡喜首映等 App 上免費(fèi)上映，成為史上首部繞過(guò)院線直接網(wǎng)播的春節(jié)檔電影。

《囧媽》主要講的是小老板伊萬(wàn)纏身于商業(yè)糾紛，卻意外同母親坐上了開(kāi)往俄羅斯的火車。在旅途中，他和母親發(fā)生激烈沖突，同時(shí)還要和競(jìng)爭(zhēng)對(duì)手斗智斗勇。

為了最終抵達(dá)莫斯科，他不得不和母親共同克服難關(guān)，并面對(duì)家庭生活中一直所逃避的問(wèn)題。 

[[313830]]

 [[313831]]

 [[313832]]

 徐崢這次把《囧媽》免費(fèi)讓觀眾看的舉措，讓《囧媽》在慘淡的春節(jié)檔賺足了足夠的熱度，字節(jié)跳動(dòng)也收獲了大量的流量。該片三天總播出量超過(guò) 6 億人次，觀眾總數(shù)為 1.8 億人次。

敢做第一個(gè)吃螃蟹的人

回望中國(guó)電影「大票房」時(shí)代，國(guó)內(nèi)首部票房破 10 億的國(guó)產(chǎn)電影就是徐崢在 2012 年的作品《人再囧途之泰囧》，達(dá)到 12.67 億，之后國(guó)產(chǎn)電影就像打了雞血一樣，一個(gè)又一個(gè)破新高。

當(dāng)然這里面有 50% 的功勞要算在 2010 年前作《人在囧途》的精彩上，讓影迷們覺(jué)得囧系列和徐崢是品質(zhì)保證。

記得當(dāng)時(shí)看完《人在囧途》，就說(shuō)下次徐崢再拍囧系列一定要去電影院支持，這種口碑效應(yīng)在電影里面特別明顯。可能正是這樣的藝高，所以才膽大。 

[[313833]]

 [[313834]]

 這次《囧媽》直接選擇線上首映，同時(shí)還把錢給掙了，弄的電影院聯(lián)名聲討，了解一下過(guò)程，你就懂了。

原來(lái)的形式是發(fā)行方歡喜傳媒拍好了電影，賣給橫店影視，保底 24 億票房。

然后橫店影視去找全國(guó)的電影院，你們幫我放這部電影，最后我們肯定至少能收入 24 億票房，咱們一起分。給發(fā)行方歡喜傳媒 6 個(gè)多億，然后我們?cè)俜质Ｏ碌?18 億，是個(gè)不錯(cuò)的生意。

而現(xiàn)在，是今日頭條直接取代了橫店影視的位置，我給你 6 個(gè)多億，我不用電影院放，我自己上億裝機(jī)量的 App 上就可以看，大家拿手機(jī)免費(fèi)看，我的 App 打開(kāi)率高了，錢就掙回來(lái)了，說(shuō)不定還能培養(yǎng)出大家用 App 看電影首映的習(xí)慣。

發(fā)行方歡喜傳媒，徐崢沒(méi)啥損失。電影院被今日頭條系給取代了，你說(shuō)能不聲討嗎?

觀眾看完之后是什么反應(yīng)

雖然《囧媽》賺足了流量，但口碑究竟如何呢?目前《囧媽》在豆瓣上的評(píng)分僅為 5.9 分，負(fù)面的評(píng)論居多。我們搜集整理了豆瓣上的評(píng)論數(shù)據(jù)，用 Python 進(jìn)行分析。

整個(gè)數(shù)據(jù)分析的過(guò)程分為三步：

• 獲取數(shù)據(jù)
• 數(shù)據(jù)預(yù)處理
• 數(shù)據(jù)可視化

以下是具體的步驟和代碼實(shí)現(xiàn)：

獲取數(shù)據(jù)

豆瓣從 2017 年 10 月開(kāi)始全面限制爬取數(shù)據(jù)，非登錄狀態(tài)下最多獲取 200 條，登錄狀態(tài)下最多為 500 條，本次我們共獲取數(shù)據(jù) 698 條。

為了解決登錄的問(wèn)題，本次使用 Selenium+BeautifulSoup 獲取數(shù)據(jù)。

如下圖所示，本次數(shù)據(jù)爬取主要獲取的內(nèi)容有：

• 評(píng)論用戶 ID
• 評(píng)論用戶主頁(yè)
• 評(píng)論內(nèi)容
• 評(píng)分星級(jí)
• 評(píng)論日期
• 用戶所在城市
• 

 代碼實(shí)現(xiàn)：

# 導(dǎo)入所需包 
import requests 
from bs4 import BeautifulSoup 
import numpy as np 
import pandas as pd  
import time 
from selenium import webdriver 
from selenium.webdriver.common.by import By 
from selenium.webdriver.common.keys import Keys 
from selenium.webdriver.chrome.options import Options 
 
# 定義登錄函數(shù) 
def login_douban(): 
    '''功能：自動(dòng)登錄豆瓣網(wǎng)站''' 
    global browser  # 設(shè)置為全局變量 
    browser = webdriver.Chrome()  
 
    # 進(jìn)入登錄頁(yè)面 
    login_url = 'https://accounts.douban.com/passport/login?source=movie' 
    browser.get(login_url)  
 
    # 點(diǎn)擊密碼登錄 
    browser.find_element_by_class_name('account-tab-account').click()  
 
    # 輸入賬號(hào)和密碼 
    username = browser.find_element_by_id('username') 
    username.send_keys('18511302788')  
    password = browser.find_element_by_id('password') 
    password.send_keys('12349148feng')  
 
    # 點(diǎn)擊登錄 
    browser.find_element_by_class_name('btn-account').click()  
 
# 定義函數(shù)獲取單頁(yè)數(shù)據(jù) 
def get_one_page(url): 
    '''功能：傳入url，豆瓣電影一頁(yè)的短評(píng)信息'''  
    # 進(jìn)入短評(píng)頁(yè) 
    browser.get(url)  
 
    # 使用bs解析網(wǎng)頁(yè)數(shù)據(jù) 
    bs = BeautifulSoup(browser.page_source, 'lxml') 
 
    # 獲取用戶名 
    username = [i.find('a').text for i in bs.findAll('span', class_='comment-info')] 
    # 獲取用戶url 
    user_url = [i.find('a')['href'] for i in bs.findAll('span', class_='comment-info')] 
 
    # 獲取推薦星級(jí) 
    rating = [] 
    for i in bs.findAll('span', class_='comment-info'): 
        try: 
            one_rating = i.find('span', class_='rating')['title'] 
            rating.append(one_rating) 
        except: 
            rating.append('力薦')  
 
    # 評(píng)論時(shí)間 
    time = [i.find('span', class_='comment-time')['title'] for i in bs.findAll('span', class_='comment-info')] 
    # 短評(píng)信息 
    short = [i.text for i in bs.findAll('span', class_='short')] 
    # 投票次數(shù) 
    votes = [i.text for i in bs.findAll('span', class_='votes')]  
 
    # 創(chuàng)建一個(gè)空的DataFrame 
    df_one = pd.DataFrame()  
    # 存儲(chǔ)信息  
    df_one['用戶名'] = username 
    df_one['用戶主頁(yè)'] = user_url 
    df_one['推薦星級(jí)'] = rating 
    df_one['評(píng)論時(shí)間'] = time 
    df_one['短評(píng)信息'] = short 
    df_one['投票次數(shù)'] = votes 
 
    return df_one 
 
# 定義函數(shù)獲取25頁(yè)數(shù)據(jù)（目前所能獲取的最大頁(yè)數(shù)） 
def get_25_page(movie_id): 
    '''功能：傳入電影ID，獲取豆瓣電影25頁(yè)的短評(píng)信息''' 
    # 創(chuàng)建空的DataFrame 
    df_all = pd.DataFrame() 
 
    # 循環(huán)追加 
    for i in range(25): 
        url = "https://movie.douban.com/subject/{}/comments?start={}&limit=20&sort=new_score&status=P".format(movie_id,i*20) 
        print('我正在抓取第{}頁(yè)'.format(i+1), end='\r')    
        # 調(diào)用函數(shù) 
        df_one = get_one_page(url)  
        df_all = df_all.append(df_one, ignore_index=True) 
        # 程序休眠一秒 
        time.sleep(1.5)    
    return df_all   
 
if __name__ == '__main__': 
    # 先運(yùn)行登錄函數(shù) 
    login_douban() 
    # 程序休眠兩秒 
    time.sleep(2)  
    # 再運(yùn)行循環(huán)翻頁(yè)函數(shù) 
    movie_id = 30306570  # 囧媽  
    df_all = get_25_page(movie_id)  

 爬取出來(lái)的數(shù)據(jù)以數(shù)據(jù)框的形式存儲(chǔ)，結(jié)果如下所示：

 從用戶主頁(yè)的地址可以獲取到用戶的城市信息，這一步比較簡(jiǎn)單，此處的代碼省略。

數(shù)據(jù)預(yù)處理

對(duì)于獲取到的數(shù)據(jù)，我們需要進(jìn)行以下的處理以方便后續(xù)分析：

• 推薦星級(jí)：轉(zhuǎn)換為 1-5 分。
• 評(píng)論時(shí)間：轉(zhuǎn)換為時(shí)間類型，提取出日期信息。
• 城市：有城市空缺、海外城市、亂寫和 pyecharts 尚不支持的城市，需要進(jìn)行處理。
• 短評(píng)信息：需要進(jìn)行分詞和提取關(guān)鍵詞。

代碼實(shí)現(xiàn)：

# 定義函數(shù)轉(zhuǎn)換推薦星級(jí)字段 
def transform_star(x): 
    if x == '力薦': 
        return 5 
    elif x == '推薦': 
        return 4 
    elif x == '還行': 
        return 3 
    elif x == '較差': 
        return 2 
    else: 
        return 1 
 
# 星級(jí)轉(zhuǎn)換 
df_all['星級(jí)'] = df_all.推薦星級(jí).map(lambda x:transform_star(x))  
# 轉(zhuǎn)換日期類型 
df_all['評(píng)論時(shí)間'] = pd.to_datetime(df_all.評(píng)論時(shí)間)  
# 提取日期 
df_all['日期'] = df_all.評(píng)論時(shí)間.dt.date 
 
# 定義函數(shù)-獲取短評(píng)信息關(guān)鍵詞 
def get_comment_word(df):  
    '''功能：傳入df,提取短評(píng)信息關(guān)鍵詞''' 
    # 導(dǎo)入庫(kù) 
    import jieba.analyse 
    import os  
    # 去停用詞 
    stop_words = set()   
 
    # 加載停用詞 
    cwd = os.getcwd()  
    stop_words_path = cwd + '\\stop_words.txt' 
 
    with open(stop_words_path, 'r', encoding='utf-8') as sw: 
         for line in sw.readlines(): 
            stop_words.add(line.strip())  
 
    # 添加停用詞 
    stop_words.add('6.3') 
    stop_words.add('一張') 
    stop_words.add('一部') 
    stop_words.add('徐崢') 
    stop_words.add('徐導(dǎo)')  
    stop_words.add('電影') 
    stop_words.add('電影票')  
 
    # 合并評(píng)論信息 
    df_comment_all = df['短評(píng)信息'].str.cat()  
 
    # 使用TF-IDF算法提取關(guān)鍵詞 
    word_num = jieba.analyse.extract_tags(df_comment_all, topK=100, withWeight=True, allowPOS=()) 
 
    # 做一步篩選 
    word_num_selected = [] 
 
    # 篩選掉停用詞 
    for i in word_num: 
        if i[0] not in stop_words: 
            word_num_selected.append(i)  
        else: 
            pass  
 
    return word_num_selected 
 
key_words = get_comment_word(df_all) 
key_words = pd.DataFrame(key_words, columns=['words','num'])  

數(shù)據(jù)可視化

用 Python 做可視化分析的工具很多，目前比較好用可以實(shí)現(xiàn)動(dòng)態(tài)可視化的是 pyecharts。

我們主要對(duì)以下幾個(gè)方面信息進(jìn)行可視化分析：

• 總體評(píng)分分布
• 評(píng)分時(shí)間走勢(shì)圖
• 評(píng)論用戶城市分布
• 評(píng)論詞云圖

①總體評(píng)分分布

 《囧媽》截止到目前在豆瓣中的總體評(píng)分為 5.9 分，僅好于 19% 的喜劇片。從評(píng)分分布來(lái)看，3 分的占比最高，有 36.39%，其次為 2 分，有 32.09%，5 分的比例最低，僅有 6.88%。

代碼實(shí)現(xiàn)：

# 總體評(píng)分百分比 
score_perc = df_all.星級(jí).value_counts() / df_all.星級(jí).value_counts().sum() 
score_perc = np.round(score_perc*100,2) 
 
# 導(dǎo)入所需包 
from pyecharts import options as opts 
from pyecharts.charts import Pie, Page 
 
# 繪制柱形圖 
pie1 = Pie(init_opts=opts.InitOpts(width='1350px', height='750px')) 
pie1.add("",  
         [*zip(score_perc.index, score_perc.values)],  
         radius=["40%","75%"])  
pie1.set_global_opts(title_opts=opts.TitleOpts(title='總體評(píng)分分布'), 
                     legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"), 
                     toolbox_opts=opts.ToolboxOpts()) 
pie1.set_series_opts(label_opts=opts.LabelOpts(formatter="{c}%"))  
pie1.render('總體評(píng)分分布.html')  

 ②評(píng)分時(shí)間走勢(shì)圖 

 評(píng)論的時(shí)間走勢(shì)圖和電影熱度一致，在大年初一免費(fèi)上映時(shí)候達(dá)到最高值。

代碼實(shí)現(xiàn)：

# 時(shí)間排序 
time = df_all.日期.value_counts()  
time.sort_index(inplace=True) 
 
from pyecharts.charts import Line 
 
# 繪制時(shí)間走勢(shì)圖 
line1 = Line(init_opts=opts.InitOpts(width='1350px', height='750px')) 
line1.add_xaxis(time.index.tolist()) 
line1.add_yaxis('評(píng)論熱度', time.values.tolist(), areastyle_opts=opts.AreaStyleOpts(opacity=0.5), label_opts=opts.LabelOpts(is_show=False)) 
line1.set_global_opts(title_opts=opts.TitleOpts(title="時(shí)間走勢(shì)圖"), toolbox_opts=opts.ToolboxOpts()) 
line1.render('評(píng)論時(shí)間走勢(shì)圖.html')  

 ③評(píng)論用戶城市分布

接下來(lái)分析了評(píng)論者所在的城市分布。

首先是用條形圖，來(lái)粗略的展示前十大熱門的影迷城市。  

 代碼實(shí)現(xiàn)：

# 國(guó)內(nèi)城市top10 
city_top10 = df_all.城市處理.value_counts()[:12]  
city_top10.drop('國(guó)外', inplace=True) 
city_top10.drop('未知', inplace=True)  
 
from pyecharts.charts import Bar 
 
# 條形圖 
bar1 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))  
bar1.add_xaxis(city_top10.index.tolist()) 
bar1.add_yaxis("城市", city_top10.values.tolist())  
bar1.set_global_opts(title_opts=opts.TitleOpts(title="評(píng)論者Top10城市分布"),toolbox_opts=opts.ToolboxOpts()) 
bar1.render('評(píng)論者Top10城市分布條形圖.html')  

 柱形圖的展示不是很直觀也不全面，在含有地理位置的數(shù)據(jù)中，我們常采用地圖的形式。

為大家更加直觀的進(jìn)行展示，選取了觀影城市最多的前三十個(gè)城市作為動(dòng)態(tài)展示，如下圖所示： 

 代碼實(shí)現(xiàn)：

city_num = df_all.城市處理.value_counts()[:30]  
city_num.drop('國(guó)外', inplace=True) 
city_num.drop('未知', inplace=True)  
 
c1 = Geo(init_opts=opts.InitOpts(width='1350px', height='750px'))    
c1.add_schema(maptype='china')  
c1.add('geo', [list(z) for z in zip(city_num.index, city_num.values.astype('str'))], type_=ChartType.EFFECT_SCATTER)  
c1.set_series_opts(label_opts=opts.LabelOpts(is_show=False))   
c1.set_global_opts(visualmap_opts=opts.VisualMapOpts(),  
                   title_opts=opts.TitleOpts(title='評(píng)論者城市分布'), 
                   toolbox_opts=opts.ToolboxOpts())  
c1.render('評(píng)論者城市分布地圖.html') 

 ④評(píng)論詞云圖

 從詞云圖中可以看出，"喜劇" "和解" "母子" "笑點(diǎn)" "親情"等詞占較大的比重。

骨子里還是囧系列那種公路喜劇片，這次用母子關(guān)系制造一系列的笑點(diǎn)，讓電影的主題表達(dá)更進(jìn)一步。

但也有很多觀眾反映電影強(qiáng)行煽情，強(qiáng)行上升高度，強(qiáng)行搞笑，強(qiáng)行接續(xù)劇情，強(qiáng)行中年婚姻危機(jī)。

代碼實(shí)現(xiàn)：

from pyecharts.charts import WordCloud 
from pyecharts.globals import SymbolType, ThemeType  
 
word = WordCloud(init_opts=opts.InitOpts(width='1350px', height='750px')) 
word.add("", [*zip(key_words.words, key_words.num)], word_size_range=[20, 200])  
word.set_global_opts(title_opts=opts.TitleOpts(title="囧媽電影評(píng)論詞云圖"), 
                    toolbox_opts=opts.ToolboxOpts())   
word.render('囧媽電影評(píng)論詞云圖.html') 

 在熱門評(píng)論里，用戶阿暖說(shuō)道：“ 很平庸，很無(wú)趣，既不好笑，對(duì)于原生家庭的探討也只是隔靴搔癢而已。” 

 竟然獲得了 5560 個(gè)贊同。

同時(shí)我也查了一下：

• 2010 年《人在囧途》，豆瓣 7.7 分。主演是徐崢，導(dǎo)演葉偉民。
• 2012 年《人在囧途之泰囧》，豆瓣 7.4 分，徐崢自導(dǎo)自演。
• 2015 年《港囧》，豆瓣 5.7 分，徐崢自導(dǎo)自演。
• 2018 年《我不是藥神》，豆瓣 9.0 分，主演是徐崢，導(dǎo)演是文牧野。
• 2020 年《囧媽》，豆瓣 5.9 分，徐崢自導(dǎo)自演。

所以徐崢一定是個(gè)好演員，但導(dǎo)演嘛，就不好說(shuō)了。

有人說(shuō)這次徐崢這個(gè)玩法是要做中國(guó)版的 Netflix。Netflix 現(xiàn)在大家都知道是世界數(shù)一數(shù)二流媒體平臺(tái)，就是視頻網(wǎng)站，也能在電視上看。

所以從口碑上看，《囧媽》只能算在形式上開(kāi)了個(gè)頭，就像當(dāng)年徐崢是開(kāi)啟了中國(guó)電影的大票房時(shí)代，但真正的票房王是吳京，讓我們期待一下吧。