在B站外，我看到了另外一批「後浪」！

在B站外，我看到了另外一批「後浪」！

等你下課 凹凸數據

昨天5.4青年節，朋友圈已經被《後浪》刷屏，相信大部分人都看過了小破站獻給新一代的演講（商業片）。
習慣性地打開了微博和知乎，想看一下別人的見解，想知道我是否是有些頹廢而與這個社會格格不入？
當我打開了微博和知乎，我才發現《後浪》翻車了，原來咱們都同樣，都很難再感覺到《後浪》中的激情和理想。在這裏看着你們的評論和回答，就好像在看着本身過得生活，評論和回答太多，因此就直接爬了下來，而後上班的時候慢慢地看。
爬取的地址分別爲：

• 知乎回答：如何評價 B 站 2020 年五四青年節宣傳短片《後浪》？
• 人民日報微博「奔涌吧，後浪！這是#獻給年輕一代的演講#」下評論
• bilibili獻給新一代的演講《後浪》彈幕
  微博和b站的代碼參見我以前的文章，知乎的話之後再詳細講解。
  做爲一名數據分析師就習慣把手頭的數據分析一下，因此也就拿這些數據簡單的進行了一下分析。

  評論情感傾向

  先調用百度AI來分析微博和b站的評論情感傾向。
  知乎的回答字數過多，作情感分析確定不許確，就沒作分析。

from aip import AipNlp
""" 你的 APPID AK SK """
APP_ID = '你的APP_ID'
API_KEY = '你的API_KEY'
SECRET_KEY = '你的SECRET_KEY '
client = AipNlp(APP_ID, API_KEY, SECRET_KEY)
text = "XXXXXXXX"
""" 調用詞法分析 """
response = client.sentimentClassify(text)
# "sentiment":2,    //表示情感極性分類結果  0:負向，1:中性，2:正向
# "confidence":0.40, //表示分類的置信度
# "positive_prob":0.73, //表示屬於積極類別的機率
# "negative_prob":0.27  //表示屬於消極類別的機率
for info in response['items']:
    if info ['sentiment'] == 2:
        print("正向")
    if info ['sentiment'] == 0:
        print("負向")
    if info['sentiment'] == 1:
        print("中性")
    print("可信度：",info['confidence'])
    print("屬於積極類別的機率是：",info['positive_prob'])
    print("屬於消極類別的機率是：",info['negative_prob'])

須要注意的是，在各個平臺評論最多的「奔涌吧，後浪！」，在百度AI中是個消極句子，須要特殊處理。
結果以下：


很是明顯，b站的彈幕正向居多，而微博的評論負向居多。

詞雲

經過上文的情感分析，各家平臺的用戶對於《後浪》的態度各異，他們又是如何評價的呢？
統計評論和回答中的高頻詞，製做詞雲看一下吧。

from scipy.misc import imread
from wordcloud import WordCloud, ImageColorGenerator

isCN = 1 # 0：英文分詞  1：中文分詞
back_coloring_path = '浪花.jpg'          # 設置背景圖片路徑
text_path = 'reviews.txt'               # 設置要分析的文本路徑
stopwords_path = 'stop_word.txt'        # 停用詞詞表
imgname1 = '詞雲圖.png'  # 保存的圖片名字1(只按照背景圖片形狀) 
back_coloring = imread(back_coloring_path)     # 設置背景圖片 

wc = WordCloud(#font_path = font_path          # 設置字體
                font_path='C:\Windows\Fonts\simfang.ttf',
                #font_path='hanyiqihei.ttf',
                background_color = 'white',    # 設置背景顏色
                max_words = 3000,              # 設置顯示的最大詞數
                mask = back_coloring,          # 設置背景圖片
                max_font_size = 200,           # 設置字體最大值
                min_font_size = 20,             # 設置字體最小值
                random_state = 42,             # 隨機有N種配色方案
                width = 2000 , height = 1720 ,margin = 4 )
words = {}
for i in word_counts:
    words['{}'.format(i[0])] = i[1]

wc.generate_from_frequencies(words) 
# txt_freq例子爲 { word1: fre1, word2: fre2,  word3: fre3,......,  wordn: fren }

plt.figure()

b站

知乎

微博
知乎微博更多在圍繞「現實」、「社會」、「房價」、「韭菜」之類的詞彙，5.4青年節的這個時點，天然對於這類滿滿雞湯的「勵志視頻」很是反感。
相反，在b站的用戶看來，這是小破站在跨年晚會以後，再一次出圈並受到了主流媒體的承認，天然很是開心。

說說我我的的見解吧。
第一遍看的時候，被何冰老師的演講給深深的折服，以青年宣言《後浪》爲詞，承認、讚美與寄語年輕一代。在UP主們的青春混剪中，屬於年輕人的光芒正在閃耀。「大家有幸，碰見這樣的時代，但時代更有幸，碰見這樣的大家！」讓我也在一瞬間熱血沸騰，也有了想要轉發的衝動，想讓「前浪」看一下這就是咱們「後浪」。就在想要點擊轉發的時候，我忽然遲疑了，我如今仍是「後浪」嗎？
若是放在幾年前，我想《後浪》中年輕人的模樣就是我當年的模樣，那個時候我在讀大學，租住着全國最便宜的房子，吃着可口又便宜的飯菜，雖然兜裏沒有幾個錢，可是我卻的確能夠像《後浪》中提到的，學一門語言，學一門手藝，喜歡攝影就去攝影，喜歡旅行就去旅行，這是我曾經的模樣，也是在那時第一次接觸到了B站，像打開一個新世界同樣，因而瓜熟蒂落的成了小破站的粉絲。
但到了如今，我發現我可能很難在成爲《後浪》中年輕人的模樣，或者說是失去了好多選擇的權利，看着彈幕中「奔涌吧！後浪！」，感受本身可能只算的上是被後浪裹挾着的浮游，爲了工做可能放棄了愛好，爲了房子可能放棄了旅行，爲了這個而又放棄了那個，選擇的並非我想要的選擇，而是隻剩下這個選擇。
最終我沒忍住，把後浪發給了一位比我年長的朋友，他發給我一個視頻，可能這纔是真的想說的吧。
視頻：https://www.bilibili.com/video/BV1qa4y1i74i/

文案：等你下課
代碼、排版：朱小五