内容简介：作者 | 左伊雅
作者 | 左伊雅
责编 | 胡巍巍
《Running Man》是韩国SBS电视台在《星期天真好》单元推出的户外竞技真人秀节目。
节目致力于打造一个不同于Real variety的新型态娱乐节目。每期有不同的主题，由不同的嘉宾参演，分为不同的队伍进行比赛，通过完成各种游戏任务，最后获胜一方将获得称号或奖品。
成员组成包括原六位成员刘在石、池石镇、金钟国、HAHA（河东勋）、宋智孝、李光洙 ，以及两位新成员全昭旻、梁世灿 。
抓取数据
自从限韩令发布后，Running man在除B站以外的各大视频网站均下架，所以本文从B站出发，抓取相关视频的所有评论。
由于相关视频非常多，本文选择了最具代表性，点击量观看次数最多的视频。
进入这个页面后开始抓包（https://www.bilibili.com/video/av18089528？from=search&seid= 16848360519725142300）。
不断点击下一页，可以发现reply?callback=这个文件一直在出现。
打开其中一个文件以后可以看到每一面的评论都在里面；只需构建出类似的URL就可以把所有的评论都爬下来啦。
分析一下这个URL：
https://api.bilibili.com/x/v2/replycallback=jQuery17201477141935656543_1541165464647&jsonp=jsonp&pn=368&type=1&oid=18089528&sort=0&_=1541165714862
pn是页面数，_对应距离1971年1月1日的秒数，直接用time.time就可以获得，其余参数保持不变。数据格式是Json，但是B站有点小狡猾啊~
它把所有的Json数据都存在jQuery17201477141935656543_1541165464647这个里面。
所以提取的时候要处理一下（Talk is cheap，show me the code)。
html=requests.get(url,headers=headers).text
html=json.loads(html.split('(',1))[1][:-1]）
最后我们把所有的评论都抓取下来存入Excel中，数据格式是这样子的：
写入CSV的时候一定要记得encoding='utf-8'，就因为少了这个，数据总会乱码，因为各种奇葩的原因 （点了一下，拉宽了一下，原地保存一下） 。
数据清洗
对于B站的各种缺失数据，就直接用0替换；对于诗歌类的评论，它存到CSV时是一句占一行，而它的其余信息都会存到最后一行。
所以在处理时，把前面的n-1行打包append到n行的评论中，再把n-1行删除；对于B站返回的时间（类似于1540882722）；用time.strftime('%Y-%m-%d %H:%M:%S,time.localtime())变换成2018/11/12 22：15：15。
数据分析
清理后一共得到7513*11条数据，接下来对数据进行一些分析，数据分析通过 Python 和R完成。
男女分布
从饼图可以看出，近六成的人选择保密个人信息，公开信息显示女生仅比男生多3%。这个结论是出乎意料的。原来不论男女都很喜欢Running man。
def male(sex):
att=['男','女','保密']
val=[]
for i in att:
val.append(sex.count(i))
pie = Pie("", "性别饼图", title_pos="right", width=1200, height=600)
pie.add("", att, val, label_text_color=None, is_label_show=True, legend_orient='vertical',
is_more_utils=True, legend_pos='left')
pie.render("sexPie.html")
评论周分布
Running man在韩国的更新时间是每周天下午，但是要到周一B站才会有所更新。
因此从评论周分布图可以看到，星期一的评论数是远远大于其他时间的，其次是星期二和星期天，正好在Runnning man 更新前后，对比其他时间段评论数有一定增长。
def ana_week(week):
weeks=['星期天','星期一','星期二','星期三','星期四','星期五','星期六']
output_file('week_bar.html')
count=[]
for i in sorted(set(week)):
if not numpy.isnan(i):
count.append(week.count(i))
source = ColumnDataSource(data=dict(weeks=weeks, counts=count,color=['orange','yellowgreen','pink','darksalmon','lightgreen','paleturquoise','lightsteelblue']))
p=figure(x_range=weeks, y_range=(0,4000), plot_height=250, title="Week Counts",
toolbar_location=None, tools="")
p.vbar(x='weeks', top='counts', color='color',width=0.9, legend="Week", source=source)
p.legend.orientation = "horizontal"
p.legend.location = "top_right"
show(p)
评论时间分布
除了每周评论数，对于评论数的日趋势也十分好奇，大家一般会在什么时间段内观看评论呢？
根据上图可以看到，在6点以后迎来一个爆炸性增涨，在11点-13点之间达到峰值，其次是在15点-17点之间迎来第二波小高潮。
在晚间，除了20点有一定下降外，评论数都接近500条。而午夜评论数最少，不过还是有不少夜猫子啊。
def ana_hour(hour):
h,k=[],[]
for i in range(len(hour)):
if isinstance(hour[i],str):
h.append(hour[i][:2])
for i in sorted(set(h)):
k.append(h.count(i))
print(k)
output_file('hour_line.html')
p = figure(plot_width=400,title='各小时评论数', plot_height=400)
p.line(sorted(set(h)), k, line_width=2)
p.circle(sorted(set(h)), k, fill_color="white", size=8)
show(p)
评论字数与点赞数
对比每条评论的字数与点赞次数，从上图可以看到，评论的字数越多，获得赞的概率就越大：100字以上的评论获得赞的平均次数远高于100字以下的评论，而那些10个字以内的评论基本没有获得赞，所以只要你是认真评论写出大家的心声，就能获得大家的认同。
def com_zan(com,zan): q,w,e,r,t=[],[],[],[],[] for i in range(len(com)): if len(com[i])<10: q.append(zan[i]) if 10<=len(com[i])<50: w.append(zan[i]) if 50<=len(com[i])<100: e.append(zan[i]) if 100<=len(com[i]): r.append(zan[i]) a=go.Box(y=q,name='0-10个字') b=go.Box(y=w,name='10-50个字') c=go.Box(y=e,name='50-100个字') d=go.Box(y=r,name='100以上个字') e=go.Box(y=zan,name='所有评论') data=[a,b,e,c,d] layout = go.Layout(legend=dict(font=dict(size=16)),orientation=270) fig = go.Figure(data=data, layout=layout) plotly.offline.plot(data)
情感分析
将大家的评论分别进行情感分析，越接近1说明正面情感越强烈；相反越靠近0负面情绪越强。
从上图可以看到，虽然有近600人的评论是非常负能量，但是绝大多数的人都是1分、0.9分。
在Running man给我们带来欢乐与感动的同时，大家对Running man是满满的宠爱啊。
def snownlp(com):
q=[]
for i in com:
s=SnowNLP(i)
q.append(round(s.sentiments,1))
emotion=[]
count=[]
for i in sorted(set(q)):
emotion.append(str(i))
count.append(q.count(i))
#count=[596, 481, 559, 566, 490, 617, 528, 601, 581, 809, 1685]
#emotion=['0.0', '0.1', '0.2', '0.3', '0.4', '0.5', '0.6', '0.7', '0.8', '0.9', '1.0']
output_file('评论情感分析.html')
source = ColumnDataSource(data=dict(emotion=emotion, counts=count))
p = figure(x_range=emotion, y_range=(0, 2000), plot_height=250, title="评论情感分析",
toolbar_location=None, tools="")
p.vbar(x='emotion', top='counts', width=0.9, source=source)
p.legend.orientation = "horizontal"
show(p)
话题度排行
一直都很好奇在观众心中哪个mc的话题度最高，所以做了一个话题度排行。从上图可以看到haha是最具话题性的mc（这个结果有点出乎意料呢）其次是李光洙和宋智孝。
因为笔者统计的是2018年的Running man ，所以Gary的数据是有点凄惨的。对比两个新成员，全妹的话题度比世赞高的不是一点点。
def hot(com):
#print(com)
output_file('各成员话题度.html')
jzg=['金钟国','钟国','能力者']
gary=['gary','狗哥']
haha=['haha','HAHA','哈哈']
qsm=['全昭敏','全妹','全昭body']
lsz=['梁世赞','世赞','小不点']
name=['池石镇','刘在石','宋智孝','李光洙','金钟国','gary','haha','全昭敏','梁世赞']
csz,lzs,szx,lgz,jzg,gary,haha,qsm,lsz=[],[],[],[],[],[],[],[],[]
for i in com:
if '池石镇'in i or'石镇' in i or'鼻子'in i:
csz.append(i)
if '刘在石'in i or '在石' in i or '大神' in i or '蚂蚱' in i:
lzs.append(i)
if '宋智孝' in i or '智孝'in i or '懵智'in i or '美懵'in i:
szx.append(i)
if '李光洙'in i or '光洙'in i or '一筐猪'in i:
lgz.append(i)
if '金钟国'in i or '钟国'in i or '能力者'in i:
jzg.append(i)
if 'gary'in i or'狗哥'in i:
gary.append(i)
if 'haha'in i or 'HAHA'in i or '哈哈'in i:
haha.append(i)
if '全昭敏'in i or '全妹'in i or'全昭body'in i:
qsm.append(i)
if '梁世赞'in i or'世赞'in i or'小不点'in i:
lsz.append(i)
count=[len(csz),len(lzs),len(szx),len(lgz),len(jzg),len(gary),len(haha),len(qsm),len(lsz)]
source = ColumnDataSource(data=dict(name=name, counts=count,color=['orange',
'yellowgreen', 'pink', 'darksalmon','lightgreen','paleturquoise','lightsteelblue',
'hotpink','yellow']))
p = figure(x_range=name, y_range=(0, 600), plot_height=250, title="话题度排行",
toolbar_location=None, tools="")
p.vbar(x='name', top='counts', color='color', width=0.9, source=source)
p.legend.orientation = "horizontal"
show(p)
Running man一直都不缺CP，前有周一情侣Gary和宋智孝，权力夫妇刘在石和金钟国，老年line刘在石和池石镇，我兄我弟金钟国和haha，背叛者联盟必触cross。
现在又有国民兄妹刘在石和全昭敏，麻浦兄妹宋智孝和haha，烤肉line金钟国haha等等。
他们的关系错综复杂，所以笔者打算好好扒一扒观众眼中的各种line。
成员关系矩阵
满分为100分，可以看到池石镇和刘在石；刘在石和李光洙；金钟国和宋智孝；Gary和宋智孝；haha和李光洙；全昭敏和宋智孝的相关性均非常高，其中Gary和宋智孝的相关性居然达到40，也就是说评论中如果有Gary那么有四成的概率会出现宋智孝，周一情侣真的是深入人心。
其次是宋智孝和金钟国，看来之前还一直有人说他俩会结婚也不是空穴来潮；而梁世赞与其余成员的相关性都很高，这说明大家都不怎么单独提到他，希望世赞可以早日找到自己的定位；获得观众的认可！
def network_edg_csv(com):
df=pandas.DataFrame(columns=['池石镇','刘在石','宋智孝','李光洙','金钟国','gary','haha','全昭敏','梁世赞'],index=['池石镇','刘在石','宋智孝','李光洙','金钟国','gary','haha','全昭敏','梁世赞'])
df.loc[:,:]=0.0
for i in com:
if (i in '池石镇'in i or'石镇' in i or'鼻子'in i):
df['池石镇']['池石镇'] = df['池石镇']['池石镇'] + 1
if('刘在石'in i or '在石' in i or '大神' in i or '蚂蚱' in i):
df['池石镇']['刘在石'] = df['池石镇']['刘在石'] + 1
df['刘在石']['池石镇'] = df['刘在石']['池石镇'] + 1
#成员关系矩阵df计算方式：在同一个评论中，如果同时出现刘在石和池石镇，那么他们的联系值+1；再用（刘在石和池石镇的联系值/池石镇出现在评论的次数）*100得到他们的相关性系数。
for i in df.index:
s=df.loc[i][i]
for j in ['池石镇','刘在石','宋智孝','李光洙','金钟国','gary','haha','全昭敏','梁世赞']:
df.loc[i][j]=df.loc[i][j]/s*100
fig=pyl.figure() names=['chishizhen','liuzaishi','songzhixiao','liguangzhu','jinzgongguo','gary','haha','quanshaomin','liangshizan']
ax=fig.add_subplot(figsize=(100, 100))
ax=seaborn.heatmap(df, cmap='rainbow',linewidths = 0.05, vmax = 100,vmin = 0,annot = True, annot_kws = { 'size': 6, 'weight': 'bold'})
pyl.xticks(np.arange(9) + 0.5, names,rotation=-90)
pyl.yticks(np.arange(9) + 0.5, names,rotation=360)
ax.set_title('Characteristic correlation') # 标题设置
pyl.show()
社交网络关系网
在社交网络关系网中，按红、黄、绿、蓝将联系的紧密程度划分为四个等级，其中红色代表联系非常紧密，而蓝色是不紧密。
可以看到，李光洙、haha、刘在石三人联系非常紧密，同时金钟国和宋智孝的关系也非常密切。对于Gary，自从他退出Running man以后，各成员和他的联系都非常小。
def network():
data=pandas.read_csv('run_edge.csv',encoding='utf-8',engine='python')
G = nx.Graph()
pyl.figure(figsize=(20,20))
for i in data.index: G.add_weighted_edges_from([(data.loc[i]['one'],data.loc[i]['two'],data.loc[i]['count'])])
n=nx.draw(G)
pyl.show()
pos=nx.spring_layout(G)
large=[(x,y) for (x,y,z)in G.edges(data=True) if z['weight']>100]
middle = [(x, y) for (x, y, z) in G.edges(data=True) if 50<z['weight'] <= 100]
middlev = [(x, y) for (x, y, z) in G.edges(data=True) if 10 < z['weight'] <= 50]
small=[(x,y)for (x,y,z)in G.edges(data=True) if z['weight']<=10]
nx.draw_networkx_nodes(G,pos,alpha=0.6)
nx.draw_networkx_edges(G,pos,edgelist=large,width=3,edge_color='red')
nx.draw_networkx_edges(G, pos, edgelist=middle, width=2, edge_color='yellow')
nx.draw_networkx_edges(G, pos, edgelist=middlev, width=1, edge_color='yellowgreen')
nx.draw_networkx_edges(G, pos, edgelist=small, width=0.5, edge_color='green')
nx.draw_networkx_labels(G,pos,font_size=10,font_family='simhei')
pyl.axis('off')
pyl.show()
词云图
这个词云图我是用R做的，但是R的词云图背景是要全黑和全白，所以就放弃了给词云加个图案的想法。
回到词云图，可以看出，大家对于节目本身，各位成员的讨论是很多的，同时在评论里也表达了自己对Running man各种喜爱之情。
def comment(com):
df=pandas.DataFrame()
pl=[]
stopword=['的','了','是','。','，',' ','？','！','就','\n','：','“','”','*','=','（','）','吗','吧','(',')','・','[',']','、','°','？','！','.','-','｀','；',',','《','》']
for i in range(len(com)):
cut_list=jieba.cut(com[i],cut_all=False)
w='/'.join(cut_list)
w=w.split('/')
for j in w:
if not j in stopword:
pl.append(j)
for s in set(pl):
if len(s)>1:
if pl.count(s) > 50:
x = {}
x['word']=s.strip('\n')
x['count']=pl.count(s)
df=df.append(x,ignore_index=True)
print(df)
df.to_csv('jieba.csv',encoding='utf-8',index=False, mode='a', header=False)
print(df)
#下面用R生成词云图
library(wordcloud2)
data<-read.csv(header=FALSE,'C:/Users/伊雅/PycharmProjects/untitled/venv/share/doc/ jieba.csv')
f=data.frame(data)
f
wordcloud2(f)
最后，希望Running man 给我们带来越来越多欢乐，收视率越来越好噢。
相关代码上传到Github（https://github.com/zuobangbang/running-man--Bilibili）。
作者简介：左伊雅，目前在南京某211大学读研二，喜欢数据挖掘和爬虫，如果你对该方向感兴趣，可关注作者公众号：zuobangbang
推荐阅读：
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
- 为什么 Rust 连续 4 年获「最受喜爱编程语言」？
- 谷歌推出码农喜爱的.dev互联网顶级域名
- 数据分析是什么，如何完善数据分析知识体系
- 大数据分析工程师入门（二十）：数据分析方法
- 蚂蚁数据分析平台的演进及数据分析方法的应用
- 数据分析的准备工作：从问题分析到数据清洗
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
微信小程序运营与推广完全自学手册
王洪波 / 电子工业出版社 / 2018-6 / 59
本书是运营管理方面的书籍，将小程序的运营推广问题置千小程序的整个运营管理体系中来谈，主要讲述小程序的定位规划、营销吸粉策略、评估优化这三大方面的内容，这三方面的内容之间是三位一体、密切相关的。 书中通过列举丰富且具有代表性的小程序实际案例来向读者提供些可行的运营推广办法。案例涉及美食类、电商类、旅游类、媒体类等小程序，可供多个行业的小程序运营者参考借鉴。 书中所提供的各种小程序营销策略......一起来看看 《微信小程序运营与推广完全自学手册》 这本书的介绍吧!
