《大秦賦》很火？，咱用Python扒拉一下它

大家好呀，我是你們親愛的 w3cschool 小編。

最近，最火的電視劇莫過于《大秦賦》了，小編也是一直在追，12 月 1 號開播，那口碑杠杠的。可三集過后，小編那是直呼好家伙啊，我****。相信看過小伙伴們和我是一樣的，直呼好家伙了。該劇在豆瓣上的評分也由最初的 8.9 分，降到了現(xiàn)今的 6.0 分，可謂是高走低開，觀者全程**。

于是乎小編忍不住的用 Python 爬取了豆瓣上《大秦賦》的評論相關(guān)數(shù)據(jù)，進行了一波分析，也給大家分享一下思路。

一、數(shù)據(jù)爬取

既然要做分析，那肯定得先搞到數(shù)據(jù)。小編選擇的是豆瓣網(wǎng)下手，原因嘛，很簡單，它家數(shù)據(jù)全吶，反扒難度還不大。我們主要要獲取的信息為評論的星級以及評論時間，順帶將評論者及評語咱也一起扒拉下來。

技術(shù)方面，小編用的是requests、bs4、pandas、time、matplotlib五個庫，工具為Pychram和Anaconda jupyter nootbook。

開始編寫前我們先來看下網(wǎng)站頁面url變化規(guī)律：

小伙伴們看出來了么，不難發(fā)現(xiàn)頁面變換中僅有 start 是不一樣的，所以在后續(xù)翻頁操作中我們只需要修改 start 參數(shù)即可，那么小編在這給大家一個問題，首頁 url 如何解決呢？

關(guān)于反扒：

對于豆瓣的爬取措施，其實找到真實的短評鏈接，是極其容易的。但是小編建議大家要登錄后攜帶 cookie 信息進行數(shù)據(jù)的爬取，不然豆瓣會識別你為爬蟲封禁你的 ip，至于該放什么小編給大家一個參考：

那么 cookie 信息在哪呢，我們打開網(wǎng)頁摁下 F12，或者鼠標(biāo)右鍵選擇檢查，點擊 NetWork 然后刷新一下界面，找到刷新出來的第一個信息，然后扒拉一下就能找到啦。

補充一點：小編本打算將《大秦賦》的所有短評都給扒拉下來的，可最終也只爬取到了 500 條，這應(yīng)該也是豆瓣的反扒措施（有大神的話，可以下去研究一下如何破解，然后告訴小編）。

二、數(shù)據(jù)處理

1、剔除重復(fù)值

采用如下命令查看重復(fù)項數(shù)量：

采用如下命令刪除所有變量都重復(fù)的行：

結(jié)果如下：

可以看出，得到的結(jié)果還是很漂亮的。

三、可視化分析

俗話說：“字不如表，表不如圖”。我們所爬取到的數(shù)據(jù)，最終還是要有一個可視化的效果呈現(xiàn)，才能夠讓我們分析出數(shù)據(jù)背后所存在的規(guī)律，讓我們有一個清晰的認(rèn)識。下面小編從以下幾個方面來對我們所獲取到的數(shù)據(jù)進行數(shù)據(jù)可視化分析。

1、評論數(shù)隨時間的變化趨勢

從圖中我們不難看出：短評數(shù)量在 12 月 4 日之前，一直處于上升趨勢，在 12 月 4 日達到頂峰。和小編的觀看情感變化是如出一轍，從期待到失望。

2、星級評分的餅圖

從圖中可以看出：大家對于該劇的評價還是很低的，1 星和 2 星基本占據(jù)了整個餅圖，也就是說該劇并沒有得到大家的認(rèn)可。好了不多說了小編就是那個一星貢獻者。

推薦好課：

Python 數(shù)據(jù)分析入門案例講解