作者：徐麟，目前就职于互联网公司数据部，哥大统计数据狗，从事数据挖掘&分析工作，喜欢用R&Python玩一些不一样的数据。
个人公众号：数据森麟（ID:shujusenlin）,知乎同名专栏作者。
前言
随着春节脚步的临近，想必各位读者都已经开始规划幸福的春节长假该如何度过。阖家团聚，探亲访友，与好久没见的好基友一起谈天说地，怼天怼地，想想都是让人感到幸福。
除此之外，每年的春节档电影都会如约而至与大家见面，春节档诞生了许多的经典电影，2019的春节档电影也是佳片云集，被称作“史上最强春节档”，今天我们就带大家一起用数据去解读其中最值得看的影片。
数据获取
本次我们的数据主要来源于猫眼，一部分是猫眼的实时预售票房数据：
这部分数据可以通过selenium去获取，代码如下：
driver = webdriver.Chrome()
driver.maximize_window()
driver.close()
driver.switch_to_window(driver.window_handles[0])
url = 'https://piaofang.maoyan.com/dashboard?date=2019-02-05'
js='window.open("'+url+'")'
driver.execute_script(js)
driver.close()
driver.switch_to_window(driver.window_handles[0])另一部分数据则来源于猫眼的观众评论，由于电影目前都还没有上映，观众评论给出的分数，表示了其对电影的期待值。需要注意的是，有许多观众在评论中并没有给出评分，会直接显示为0，在后续计算时需要排除，数据如下：
这部分数据的获取方法可以参照之前3天破9亿！上万条评论解读《西虹市首富》是否值得一看，我们就直接省略爬取代码
预售票房
衡量一个电影关注度的重要方法就是去看首日的预售情况，我们此次选取八部春节档最主要的影片进行对比，代码如下：
p<-ggplot(data[order(data$sale,decreasing = T),][1:8,],
aes(x=reorder(name,sale),y=sale,fill=name))+
geom_bar(stat='identity',width = 0.5)+
geom_image(aes(x=name,y=0,image=image),size=0.08)+
geom_text(aes(x=name,y=2500,label=label_sale),size = 7,col='black',fontface='bold')+
ggtitle('春节档电影预售票房排名(万)') + theme_economist()+ scale_fill_tableau()+
theme(axis.text.x = element_blank(),
axis.text.y = element_blank(),
plot.title = element_text(hjust=0.5,size=30),
panel.grid = element_blank(),
legend.position = 'none',
panel.background = element_blank(),
axis.title = element_blank(),
axis.line = element_blank(),
axis.ticks = element_blank()
)+coord_flip()+ylim(0,6500)
ggsave("春节档上映前预售排名.png", p, width = 10, height = 16)看一下最终的结果：
目前预售排名前三位的都是喜剧题材，看来在春节的时候大家还是更加希望能够放松自己，看一下轻松题材的影评。但是预售票房并不能完全觉得最终的票房走势，可以参考之前上映后口碑崩塌的《地球最后的夜晚》和《爱情公寓》。
排名前两位的影片都有沈腾的参与，看来目前沈腾的票房认可度还是不错的，希望两部影片最终都会取得不错的结果。
从预售票房上看，《廉政风云》和《神探蒲松龄》都有比较大的扑街危险，考虑到港片近期略显低迷的表现，希望这两部影片能够带来一些惊喜。
上映前口碑
另外我们也看一下上映之前，观众对于影片的整体评价情况，这也会在一定程度上体现观众的期待值：
代码如下：
p<-ggplot(data[order(data$score,decreasing = T),][1:8,],
aes(x=reorder(name,score),y=score,fill=name))+
geom_bar(stat='identity',width = 0.5)+
geom_image(aes(x=name,y=0,image=image),size=0.08)+
geom_text(aes(x=name,y=2,label=label_score),size = 7,col='black',fontface='bold')+
ggtitle('春节档电影上映前评价') + theme_wsj()+ scale_fill_tableau()+
theme(axis.text.x = element_blank(),
axis.text.y = element_blank(),
plot.title = element_text(hjust=0.5,size=30),
panel.grid = element_blank(),
legend.position = 'none',
panel.background = element_blank(),
axis.title = element_blank(),
axis.line = element_blank(),
axis.ticks = element_blank()
)+coord_flip()+ylim(0,5)
ggsave("春节档上映前评分排名.png", p, width = 8, height = 12)看一下最终的结果：
《熊出没》出人意料的在评分中排在首位，这也一定程度上提高了作者对这部影片的期待值，虽然以作者的年龄，应该是不适合去看这部影片
，《小猪佩奇》凭借此前的超强营销，成功引起了大家的主要，然而最终表现如何，还是需要上映后接受观众的检验。
同时我们看到成龙大哥领衔的《神探蒲松龄》在评分上要落后于其他影片，看来大家对于这类题材的影片持保留意见比较多一些，我们也期待上映后口碑是否能够实现翻盘。
影片看点
我们最后通过评论去挖掘上映前大家比较关注的点，主要采用jieba分词，需要注意的是，我们需要在分词前增加一些自定义词典，比如“黄景瑜”，如果不加这个自定义词典，就会被分为“黄景”，之后我们会根据词语出现频率筛选出重要的关键词：
def key_words(df):
comment_str = ' '.join(df)
words_list = []
jieba.load_userdict('spring_film_dict.txt')
word_generator = jieba.cut(comment_str) # 返回的是一个迭代 f.close() # stopwords文本中词的格式是'一词一行'
for word in word_generator:
words_list.append(word)
words_list = Counter([k for k in words_list if len(k)>1])
return list(dict(words_list.most_common(30)).keys())最后我们在每个影片中选取了五个能够体现其看点的词语，并进行可视化：
我们选取一些比较有趣的看点组合，进行一下深刻（suixing）解读：
《神探蒲松龄》：大家都在期待成龙大哥的表演，虽然有很多人提前给其打上了“烂片”的标签，但是依然期待影片口碑的翻盘。同时大家也会认真关注影片特效，不知是否会致敬此前5毛钱“duang”的特效。
《飞驰人生》《疯狂的外星人》：感觉沈腾大有承包今年春节档的态势，预售排名前两位影片中，观众最关注的看点都是沈腾，期待沈腾春节霸屏同时也能收获不错的口碑。沈腾又是和外星人打交道，又是要体验飞驰的人生，喜欢沈腾的观众在春节档可以大饱眼福了。
《小猪佩奇过大年》：一部适合孩子观看的影片，也是一部宣传片获得极大讨论度的影片，希望不要步此前《地球最后的夜晚》上映后口碑崩盘的后尘。
《新喜剧之王》：显然大部分观众对这部影片的期待来自于星爷，有了此前经典版的《喜剧之王》珠玉在前，《新喜剧之王》不可避免地会被哪来与原作对比，我们期待能够简直有一部经典的影片出现。
最后提前祝愿大家新年愉快，体会与家人团聚的幸福同时也能看到精彩的影片！同时大家也可以在留言区与我们互动，分享自己春节档会选择去观看的影片。后台回复“春节档”可以获取本文代码。
万水千山总是情，点个「好看」行不行。
Python的爱好者社区历史文章大合集：
福利：文末扫码立刻关注公众号，“Python爱好者社区”，开始学习Python课程：
关注后在公众号内回复“课程”即可获取：
小编的转行入职数据科学（数据分析挖掘/机器学习方向）【最新免费】
小编的Python入门免费视频课程！！！
小编的Python快速上手matplotlib可视化库！！！
崔老师爬虫实战案例免费学习视频。
陈老师数据分析报告制作免费学习视频。
玩转大数据分析！Spark2.X+Python 精华实战课程免费学习视频。
