透過2W條評論看動漫《博人傳-火影忍者新時代》

寫在前面

日本電視動畫《BORUTO -火影新世代》（中國大陸譯名《博人傳：火影忍者新時代》）改編自岸本齊史原做並監修、池本幹雄編繪、小太刀右京編劇的同名漫畫，是《火影忍者》系列的續篇，講述原做故事完結後漩渦鳴人之子漩渦博人的冒險故事。動畫的後續劇情將對岸本齊史負責腳本的劇場版《火影忍者劇場版：博人傳》做出補充 。

動畫與前做《火影忍者》《火影忍者疾風傳》同樣由Studio Pierrot（小丑社）負責製做。 時間是：2017年4月5日起每週三16：55在東京電視臺系列首播

以上內容，是我從百度百科抄襲過來的~哈哈哈哈，咱主要作的是數據分析，數據的爬取，去個人爬蟲系列的博客裏面去看吧，裏面有相關的教程。

數據分析

做爲評論的數據，咱保存了這些數據留着備用

author # 做者
    content # 評論內容
    ctime = # 評論時間
    disliked # 不喜歡人數
    liked # 喜歡
    likes # 奇怪？？？
    score # 打分
    user_season # 在第幾集打的分數
複製代碼

1.清洗數據

最核心的步驟來了，在分析數據之前，咱們須要對數據作一些處理，空值判斷，時間格式修改等內容，這部分可能會根據實際的需求發生一些變化。

import numpy as np
import pandas as pd
import datetime


# 數據讀取
def read_csv():
    file = pd.read_csv("./bore.csv",header=None,names=["author","content","ctime","disliked","liked","likes","score","user_season"])
    return file

# 數據清洗
def clear_data():
    df = read_csv()
    #print(any(df.duplicated())) # 判斷數據是否有重複
    #print(df.head())
    #print(df.isnull().any()) # 判斷是否有空列
    #print(df[df.isnull().values==True]) # 檢測空值 
    data = df.fillna(0)  # 空值填充 

    # 時間處理
    def get_localtime(data):
        time =  datetime.datetime.fromtimestamp(data['ctime']).strftime("%Y-%m-%d")
        return pd.to_datetime(time)
    df["ctime"]=df.apply(get_localtime,axis = 1)  # apply 的使用 
    
    return df

# 數據分析1
def analsis1(data):
    print(data["author"].describe())

if __name__ == '__main__':
    df = clear_data()
    analsis1(df)

複製代碼

2.評論最多的人？

看一下誰是這部動漫評論最多的人，這個代碼很是簡單，參考下面代碼便可。.describe() 函數

def analsis1(data):
    print(data["author"].describe())
複製代碼

count     18535  # author總數
unique    18535 # 去除重複以後的總數
top        你的盛世   
freq          1
Name: author, dtype: object
複製代碼

很神奇，居然沒有人評論次數超過2 這個結論只能表示，B站容許視頻評論一次？！機制的我想去測試一下，啪啪啪，打臉回來了，我居然沒有權限。

※你沒有權限※

3.評論最多的人？

數據中，有分數的排布，那麼咱們看一下打分的柱狀圖吧！數據顯示的1星和5星的比較多，兩級分化比較嚴重。

爲了確保中文顯示正常，須要首先配置一下默認字體而且設置一下 matplotlib的樣式

import numpy as np
import pandas as pd
import datetime
import matplotlib.pyplot as plt
import matplotlib.style as psl

psl.use('seaborn-darkgrid')
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用來正常顯示中文標籤
plt.rcParams['axes.unicode_minus']=False
複製代碼

1. 分組統計score打分，使用groupby(by="字段名稱").size() # 獲取數量
2. reset_index(drop=True) # 重置索引
3. plt.bar #用來生成柱狀圖
4. plt.text() # 生成文字

def analsis2(data):
    # 文章打分的柱狀圖
    score = data["score"].groupby(data["score"]).size()

    score = score.reset_index(drop=True)
    x_index = np.arange(1,6).tolist()

    plt.bar(x_index,score.values,0.4,color="#03a9da")
    # 繪製文字
    for xx,yy in zip(x_index,score.values):
        plt.text(xx,yy+0.2,str(yy),ha="center",fontsize = 10)

    plt.title("用戶評星圖表")  # 設置標題
    plt.xlabel("評星")  # 設置x軸標識
    plt.ylabel("人數")  # 設置y軸標識
    plt.show()
複製代碼

若是編寫以下代碼

plt.barh(x_index, score.values, 0.4, color="#03a9da")  
複製代碼

就會獲得一個橫向的條形柱狀圖。

4. 評論時間分佈

從數據看星期2、4、六評論次數增多，頗有意思的數據。

# 經過星期判斷評論次數
def analysis3(data):
    data.set_index(data["ctime"],inplace=True)
    weeks = ["星期日","星期一","星期二","星期三","星期四","星期五","星期六"]
    def get_weekday(data):
        return weeks[data["ctime"].weekday()]
    data["week"] = data.apply(get_weekday,axis=1)
    week_data = data.groupby(by="week")["author"].size()

    plt.bar(weeks,week_data.values,0.5,color="green")
    plt.show()
複製代碼

5. 評論月份暴漏的部分關係

咱們看到在2018年7月份數據突然升高，這背後到底有啥隱藏的祕密呢？咱們繼續往下看。！

def analysis4(data):
    data.set_index(data["ctime"], inplace=True)
    data = data.resample("M").count()["author"]  # 按照月份彙總數據
    data = data.to_period("M")  # 顯示數據
    x = np.arange(0,len(data),1)

    fig = plt.figure(figsize=(6, 4))
    ax = fig.add_subplot(111)

    ''' fig = plt.figure() ax2 = fig.add_subplot(212) '''

    ax.plot(x,data.values,"#03a9f4",marker="o",markersize=4)
    ax.set_xticks(x)  # 設置x軸標籤爲天然數序列
    ax.set_xticklabels(data.index)  # 更改x軸標籤值爲年份
    plt.xticks(rotation=60)  # 旋轉90度，不至太擁擠

    plt.title('博人傳評論數量變化(201709-201812)', color="#03a9f4", fontsize=12)
    plt.xlabel("月份")
    plt.ylabel('評論數量')
    plt.tight_layout()  # 自動控制空白邊緣


    plt.show()

複製代碼

過濾2018年7月份的數據出來,發如今2018年7月20日的時候，出現了一個評論峯值，在進行細緻的分析，咱看一下數據。

看到這個數據以後，雖然我沒看博人傳，可是，我知道了 65集確定好看，並且頗有可能在7月20日更新的就是這1集，好奇心起來的你，或者你是一個火影迷，你能夠去看看這一集~！ 我翻到評論，引用了一個置頂評論

本集是值得國人觀衆特別期待的一集，由於這一話（第65集）是由國人原畫師黃成希全權負責的，
	他一我的包攬了本集的分鏡/演出/做畫導演等主要工做。
	換而言之，黃成希做爲中國畫師得到了本集的做監資格。這在火影忍者開播16年以來是前所未有的。
	十幾年前，黃成希在火影忍者剛剛開播時，也和多數人同樣僅僅只是屏幕前的看客，
	可是這部做品對學生時代的他施加了巨大的影響，最終促使黃成希走上了成爲動畫畫師的道路。
	在2012年加入日本動畫行業後，他如願以償成爲了火影忍者的主力原畫之一，並參與做畫監督的工做。
	除此以外他還前後加入過包括黑子的籃球、妖怪手錶和刀劍神域劇場版等多部做品的製做，
	實力獲得了業內的承認，所以才最終得到了獨自扛下重要打鬥回的資格，如此說來也算是圓夢成功。
	因爲本集幾乎是黃成希的我的秀，再加上這一話中大筒木桃式使用了漫畫版而不是劇場版中的新形象，
	所以黃成希在做畫上自由發揮的空間就變得很大，這就有餘地在打鬥中融入太極和詠春等中國傳統武術了。
	因此大夥看到一連串的「中國功夫」也別以爲奇怪哈~
	提及來，大筒木一族自己就有一股濃厚的道家派頭，他們不只歷史悠久，文明程度遠遠超越這個世界的人，
	並且全族都在種靈根，吃仙桃，脩金丹，求長生不老。如今再配合一整套中國武學架子，
	簡直給人一種徐福手下三千童男童女入蓬萊求仙藥的即視感...未來出一個徐福式的修仙族長也是極好的！（大誤）


	黃成希在博人傳中的幾段做畫（可能有遺漏）:
	博人vs木葉丸
	博人vs花火
	博人vs鵺
	小櫻vs信
	巳月vs屍澄真
複製代碼

def analysis5(data):
   data = data.set_index('ctime')  # 將時間做爲索引
   data = data["2018-07-01":"2018-08-01"]
   child_data = data.resample("D").count()["content"]
   print(child_data.to_period("D"))

   data = data['2018-07-20':"2018-07-20"]
   print(data["content"])

複製代碼

6. 評論最多的集數

其實有上面的分析，咱們已經知道了，65集確定是評論最多的了，可是咱們仍是要用數據看一下

def analysis6(data):
    data = data.groupby(by="user_season").size()
    data = data.sort_values(ascending=False)
    print(data.head())

複製代碼

沒問題，65集必看

集數	評論數量
65	4338
40	985
39	658
66	502
68	494

最後打算在弄一個文字圖的，後來想一想下次再說，《博人傳》數據和源碼已經給你們寫完整啦~

一星給情懷，一星給65集