“2020 年的春节档之前被誉为神仙打架，各显神通，可以说是史上最强的春节档，不料一场疫情，就换了另一个局面。为配合疫情的防控，春节档电影全部撤档。
本以为就这样没下文了，结果徐峥打出一张牌：线上免费看《囧妈》，作为发行方的欢喜传媒股票当天也应声上涨 42%。今天我们就来聊聊另类春节档的唯一一部电影《囧妈》。
《囧妈》绕过院线，全网免费看
在《姜子牙》《唐人街探案 3》等片纷纷撤出春节档之时，《囧妈》突然宣布将于大年初一零点起，在抖音、西瓜视频、今日头条、欢喜首映等 App 上免费上映，成为史上首部绕过院线直接网播的春节档电影。
《囧妈》主要讲的是小老板伊万缠身于商业纠纷，却意外同母亲坐上了开往俄罗斯的火车。在旅途中，他和母亲发生激烈冲突，同时还要和竞争对手斗智斗勇。
为了最终抵达莫斯科，他不得不和母亲共同克服难关，并面对家庭生活中一直所逃避的问题。
徐峥这次把《囧妈》免费让观众看的举措，让《囧妈》在惨淡的春节档赚足了足够的热度，字节跳动也收获了大量的流量。该片三天总播出量超过 6 亿人次，观众总数为 1.8 亿人次。
敢做第一个吃螃蟹的人
回望中国电影「大票房」时代，国内首部票房破 10 亿的国产电影就是徐峥在 2012 年的作品《人再囧途之泰囧》，达到 12.67 亿，之后国产电影就像打了鸡血一样，一个又一个破新高。
当然这里面有 50% 的功劳要算在 2010 年前作《人在囧途》的精彩上，让影迷们觉得囧系列和徐峥是品质保证。
记得当时看完《人在囧途》，就说下次徐峥再拍囧系列一定要去电影院支持，这种口碑效应在电影里面特别明显。可能正是这样的艺高，所以才胆大。
这次《囧妈》直接选择线上首映，同时还把钱给挣了，弄的电影院联名声讨，了解一下过程，你就懂了。
原来的形式是发行方欢喜传媒拍好了电影，卖给横店影视，保底 24 亿票房。
然后横店影视去找全国的电影院，你们帮我放这部电影，最后我们肯定至少能收入 24 亿票房，咱们一起分。给发行方欢喜传媒 6 个多亿，然后我们再分剩下的 18 亿，是个不错的生意。
而现在，是今日头条直接取代了横店影视的位置，我给你 6 个多亿，我不用电影院放，我自己上亿装机量的 App 上就可以看，大家拿手机免费看，我的 App 打开率高了，钱就挣回来了，说不定还能培养出大家用 App 看电影首映的习惯。
发行方欢喜传媒，徐峥没啥损失。电影院被今日头条系给取代了，你说能不声讨吗?
观众看完之后是什么反应
虽然《囧妈》赚足了流量，但口碑究竟如何呢?目前《囧妈》在豆瓣上的评分仅为 5.9 分，负面的评论居多。我们搜集整理了豆瓣上的评论数据，用 Python 进行分析。
整个数据分析的过程分为三步：
- 获取数据
- 数据预处理
- 数据可视化
以下是具体的步骤和代码实现：
获取数据
豆瓣从 2017 年 10 月开始全面限制爬取数据，非登录状态下最多获取 200 条，登录状态下最多为 500 条，本次我们共获取数据 698 条。
为了解决登录的问题，本次使用 Selenium+BeautifulSoup 获取数据。
如下图所示，本次数据爬取主要获取的内容有：
- 评论用户 ID
- 评论用户主页
- 评论内容
- 评分星级
- 评论日期
- 用户所在城市
代码实现：
- # 导入所需包
- 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
- # 定义登录函数
- def login_douban():
- '''功能：自动登录豆瓣网站'''
- global browser # 设置为全局变量
- browser = webdriver.Chrome()
- # 进入登录页面
- login_url = 'https://accounts.douban.com/passport/login?source=movie'
- browser.get(login_url)
- # 点击密码登录
- browser.find_element_by_class_name('account-tab-account').click()
- # 输入账号和密码
- username = browser.find_element_by_id('username')
- username.send_keys('18511302788')
- password = browser.find_element_by_id('password')
- password.send_keys('12349148feng')
- # 点击登录
- browser.find_element_by_class_name('btn-account').click()
- # 定义函数获取单页数据
- def get_one_page(url):
- '''功能：传入url，豆瓣电影一页的短评信息'''
- # 进入短评页
- browser.get(url)
- # 使用bs解析网页数据
- bs = BeautifulSoup(browser.page_source, 'lxml')
- # 获取用户名
- username = [i.find('a').text for i in bs.findAll('span', class_='comment-info')]
- # 获取用户url
- user_url = [i.find('a')['href'] for i in bs.findAll('span', class_='comment-info')]
- # 获取推荐星级
- 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('力荐')
- # 评论时间
- time = [i.find('span', class_='comment-time')['title'] for i in bs.findAll('span', class_='comment-info')]
- # 短评信息
- short = [i.text for i in bs.findAll('span', class_='short')]
- # 投票次数
- votes = [i.text for i in bs.findAll('span', class_='votes')]
- # 创建一个空的DataFrame
- df_one = pd.DataFrame()
- # 存储信息
- df_one['用户名'] = username
- df_one['用户主页'] = user_url
- df_one['推荐星级'] = rating
- df_one['评论时间'] = time
- df_one['短评信息'] = short
- df_one['投票次数'] = votes
- return df_one
- # 定义函数获取25页数据（目前所能获取的最大页数）
- def get_25_page(movie_id):
- '''功能：传入电影ID，获取豆瓣电影25页的短评信息'''
- # 创建空的DataFrame
- df_all = pd.DataFrame()
- # 循环追加
- 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{}页'.format(i+1), end='\r')
- # 调用函数
- 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__':
- # 先运行登录函数
- login_douban()
- # 程序休眠两秒
- time.sleep(2)
- # 再运行循环翻页函数
- movie_id = 30306570 # 囧妈
- df_all = get_25_page(movie_id)
爬取出来的数据以数据框的形式存储，结果如下所示：
从用户主页的地址可以获取到用户的城市信息，这一步比较简单，此处的代码省略。
数据预处理
对于获取到的数据，我们需要进行以下的处理以方便后续分析：
- 推荐星级：转换为 1-5 分。
- 评论时间：转换为时间类型，提取出日期信息。
- 城市：有城市空缺、海外城市、乱写和 pyecharts 尚不支持的城市，需要进行处理。
- 短评信息：需要进行分词和提取关键词。
代码实现：
- # 定义函数转换推荐星级字段
- def transform_star(x):
- if x == '力荐':
- return 5
- elif x == '推荐':
- return 4
- elif x == '还行':
- return 3
- elif x == '较差':
- return 2
- else:
- return 1
- # 星级转换
- df_all['星级'] = df_all.推荐星级.map(lambda x:transform_star(x))
- # 转换日期类型
- df_all['评论时间'] = pd.to_datetime(df_all.评论时间)
- # 提取日期
- df_all['日期'] = df_all.评论时间.dt.date
- # 定义函数-获取短评信息关键词
- def get_comment_word(df):
- '''功能：传入df,提取短评信息关键词'''
- # 导入库
- import jieba.analyse
- import os
- # 去停用词
- stop_words = set()
- # 加载停用词
- 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())
- # 添加停用词
- stop_words.add('6.3')
- stop_words.add('一张')
- stop_words.add('一部')
- stop_words.add('徐峥')
- stop_words.add('徐导')
- stop_words.add('电影')
- stop_words.add('电影票')
- # 合并评论信息
- df_comment_all = df['短评信息'].str.cat()
- # 使用TF-IDF算法提取关键词
- word_num = jieba.analyse.extract_tags(df_comment_all, topK=100, withWeight=True, allowPOS=())
- # 做一步筛选
- word_num_selected = []
- # 筛选掉停用词
- 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'])
数据可视化
用 Python 做可视化分析的工具很多，目前比较好用可以实现动态可视化的是 pyecharts。
我们主要对以下几个方面信息进行可视化分析：
- 总体评分分布
- 评分时间走势图
- 评论用户城市分布
- 评论词云图
①总体评分分布
《囧妈》截止到目前在豆瓣中的总体评分为 5.9 分，仅好于 19% 的喜剧片。从评分分布来看，3 分的占比最高，有 36.39%，其次为 2 分，有 32.09%，5 分的比例最低，仅有 6.88%。
代码实现：
- # 总体评分百分比
- score_perc = df_all.星级.value_counts() / df_all.星级.value_counts().sum()
- score_perc = np.round(score_perc*100,2)
- # 导入所需包
- from pyecharts import options as opts
- from pyecharts.charts import Pie, Page
- # 绘制柱形图
- 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='总体评分分布'),
- 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('总体评分分布.html')
②评分时间走势图
评论的时间走势图和电影热度一致，在大年初一免费上映时候达到最高值。
代码实现：
- # 时间排序
- time = df_all.日期.value_counts()
- time.sort_index(inplace=True)
- from pyecharts.charts import Line
- # 绘制时间走势图
- line1 = Line(init_opts=opts.InitOpts(width='1350px', height='750px'))
- line1.add_xaxis(time.index.tolist())
- line1.add_yaxis('评论热度', 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="时间走势图"), toolbox_opts=opts.ToolboxOpts())
- line1.render('评论时间走势图.html')
③评论用户城市分布
接下来分析了评论者所在的城市分布。
首先是用条形图，来粗略的展示前十大热门的影迷城市。
代码实现：
- # 国内城市top10
- city_top10 = df_all.城市处理.value_counts()[:12]
- city_top10.drop('国外', inplace=True)
- city_top10.drop('未知', inplace=True)
- from pyecharts.charts import Bar
- # 条形图
- 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="评论者Top10城市分布"),toolbox_opts=opts.ToolboxOpts())
- bar1.render('评论者Top10城市分布条形图.html')
柱形图的展示不是很直观也不全面，在含有地理位置的数据中，我们常采用地图的形式。
为大家更加直观的进行展示，选取了观影城市最多的前三十个城市作为动态展示，如下图所示：
代码实现：
- city_num = df_all.城市处理.value_counts()[:30]
- city_num.drop('国外', 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='评论者城市分布'),
- toolbox_opts=opts.ToolboxOpts())
- c1.render('评论者城市分布地图.html')
④评论词云图
从词云图中可以看出，"喜剧" "和解" "母子" "笑点" "亲情"等词占较大的比重。
骨子里还是囧系列那种公路喜剧片，这次用母子关系制造一系列的笑点，让电影的主题表达更进一步。
但也有很多观众反映电影强行煽情，强行上升高度，强行搞笑，强行接续剧情，强行中年婚姻危机。
代码实现：
- 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="囧妈电影评论词云图"),
- toolbox_opts=opts.ToolboxOpts())
- word.render('囧妈电影评论词云图.html')
在热门评论里，用户阿暖说道：“ 很平庸，很无趣，既不好笑，对于原生家庭的探讨也只是隔靴搔痒而已。”
竟然获得了 5560 个赞同。
同时我也查了一下：
- 2010 年《人在囧途》，豆瓣 7.7 分。主演是徐峥，导演叶伟民。
- 2012 年《人在囧途之泰囧》，豆瓣 7.4 分，徐峥自导自演。
- 2015 年《港囧》，豆瓣 5.7 分，徐峥自导自演。
- 2018 年《我不是药神》，豆瓣 9.0 分，主演是徐峥，导演是文牧野。
- 2020 年《囧妈》，豆瓣 5.9 分，徐峥自导自演。
所以徐峥一定是个好演员，但导演嘛，就不好说了。
有人说这次徐峥这个玩法是要做中国版的 Netflix。Netflix 现在大家都知道是世界数一数二流媒体平台，就是视频网站，也能在电视上看。
所以从口碑上看，《囧妈》只能算在形式上开了个头，就像当年徐峥是开启了中国电影的大票房时代，但真正的票房王是吴京，让我们期待一下吧。
