大家好,我是查理~

昨晚,刚刚王力宏终于回应了。

明天罗唆手把手教大家如何数据处理+可视化他的微博评论,下载残缺代码/数据见文末。


12月15日,王力宏在微博忽然发表离婚,示意“靓蕾和我的私生活很简略很单纯,所以不会再回应任何媒体”,完结了8年的婚姻。

12月17日深夜,王力宏前妻李靓蕾忽然发文,示意长期被王力宏及其家人羞辱和冷暴力,同时还曝出王力宏婚内出轨、私生活凌乱等鲜为人知的事件,使得王力宏多年来的“优质男星”形象奄奄一息。

文章一经收回,引发热议,王力宏长期以来的“优质偶像”形象备受质疑,不少网友在李靓蕾的微博下留言示意,“好惆怅,太悲观了”“王力宏在我心中的形象坍塌了”。

明天就带大家用数据——吃吃瓜


我应用Python编程,爬取王力宏发表离婚的微博下的评论。

下载的csv文件中包含用户名、用户id、评论创立工夫、评论id、评论内容等。

如上图所示,原始数据中的内容十分凌乱,微博评论中夹杂大量表情包、话题以及“转发微博”等等,须要进行数据荡涤。

首先依据评论的惟一ID进行去重

df_1 = df_1.drop_duplicates(['idstr']).iloc[:,1:]

接着,对所有的微博评论依照小时计数

df_1['created_date'] = pd.to_datetime(df_1['created_date'])df_1_date = df_1.groupby([pd.Grouper(key='created_date',freq='H')]).size().reset_index(name='count')

失去分时数据后,就能够应用Matplotlib绘制折线图。

columns = df_date.columnsfig = plt.figure(figsize=(10, 5), dpi=100)plt.fill_between(df_date['created_date'].values, y1=df_date['count_x'].values, y2=0,                 label='王力宏微博新增评论数/小时', alpha=0.75, facecolor="#43a9cb", linewidth=1, edgecolor='k')plt.xlabel("Date")plt.ylabel("Value")plt.legend(loc='upper right')plt.show()fig.savefig('王力宏.png')

输入后果如下所示

15日时刚刚公布微博,霎时引爆评论,火速上热搜。

16、17日便没有什么评论了。

直到昨晚23点,前妻李靓蕾深夜发文后,大众们连忙冲过来开团。

PS:除了吃瓜大众,速度最快的应该是英菲尼迪。

12月16日14时,奢华汽车品牌英菲尼迪才刚刚官宣王力宏成为品牌代言人。18日凌晨1点22分,微博名为@英菲尼迪中国 便公布申明英菲尼迪决定即日起终止与王力宏学生的单干关系。英菲尼迪从和他签约到解约,仅有35小时。


如果咱们将王力宏和李靓蕾的微博评论数量,放在一张图会是什么样子呢?

正好我也爬了李靓蕾的微博评论,同样进行数据处理后

columns = df_date.columnsfig = plt.figure(figsize=(10, 8), dpi=100)plt.fill_between(df_date['created_date'].values, y1=df_date['count_x'].values, y2=0,                 label='王力宏微博新增评论数/小时', alpha=0.75, facecolor="#43a9cb", linewidth=1, edgecolor='k')plt.fill_between(df_date['created_date'].values, y1=df_date['count_y'].values, y2=0,                 label='李靓蕾微博新增评论数/小时', alpha=0.75, facecolor="#b7ba6b", linewidth=1, edgecolor='k')plt.xlabel("Date")plt.ylabel("Value")plt.legend(loc='upper left')plt.show()

输入后果如下所示:

相比之下,王力宏这边的评论就基本不是一个量级,显得是“弟中之弟”了。

吃瓜大众原来全副涌向了李靓蕾的微博


这次咱们还是想盘点一下:大众们开团后,都发了些什么?

与之前文章传统的词云图不一样,我打算玩点新货色。在前文中制作的折线面积图中,将不同时间段的词云填充其中。

很多小伙伴比拟好奇怎么做的,其实就是ps将前文的折线图和生成的词云图层叠加。如果你要问Python能不呢做到图层笼罩,我的答复是能够但没必要。

做词云图前,须要将所有王力宏的微博评论分成两局部(即前妻开锤前后),留神下方代码中以2021-12-17 23:08:00"为界。

def get_cut_words(content_series):    # 读入停用词表    import jieba     stop_words = []     with open("stop_words.txt", 'r', encoding='utf-8') as f:        lines = f.readlines()        for line in lines:            stop_words.append(line.strip())    # 增加关键词    my_words = ['分分合合', '拉黑']          for i in my_words:        jieba.add_word(i)     # 自定义停用词    my_stop_words = ['快转','转发','微博']        stop_words.extend(my_stop_words)                   # 分词    word_num = jieba.lcut(content_series.str.cat(sep='。'), cut_all=False)    # 条件筛选    word_num_selected = [i for i in word_num if i not in stop_words and len(i)>=2]        return word_num_selectedtext1 = get_cut_words(content_series=df_1[df_1["created_date"] < "2021-12-17 23:08:00"]['text1'])

接着筹备两个蒙版(取自后面失去的折线图)

词云图的代码具体大家都很相熟了,这里只需注意一点。

background_color='white'# 改为background_color=None,mode='RGBA',

这样就能够将词云图的背景色设置为通明,从而不便图层叠加。

这样咱们就能够制作如下所示的图了

在前妻李靓蕾曝光前,王力宏的微博评论下根本都是这样的:“结婚是为了幸福,离婚也是”、“情人总分分合合”、“尊重二哥的抉择”。

曝光后,王力宏的微博评论下变成了这样:“从新定义简略单纯”、“渣男”、“下头”、“私生活简略?你羞辱了简略这个词”、“人设崩塌”。

PS:愤恨的吃瓜大众还输入了很多“脏话”,我在词云图里做了排除。

咱们再换个方向,娱乐一下。

我决定用数据探索一下:吃瓜的猹们最爱发哪些表情呢?

我提取了10万条评论中的emoji表情,先提取微博评论能够应用的emoji的所有名称(此处仅展现一部分)。

emoji_list = ["[小红花]","[微笑]","[可恶]","[太开心]","[鼓掌]","[嘻嘻]","[哈哈]","[笑cry]","[挤眼]","[馋嘴]","[黑线]","[汗]","[挖鼻]","[哼]","[怒]","[冤屈]","[可怜]","[悲观]","[悲伤]","[泪]","[允悲]"]

应用in判断是否蕴含某个emoji

def emoji_lis(string):    entities = []    for i in emoji_list:        if i in string:            entities.append(i)    return entitiesemoji_s = []for index, row in df_1.iterrows():    text = str(row['text'])    emoji_s.extend(emoji_lis(text))    c = collections.Counter(emoji_s)print(c)

即可失去各emoji呈现的次数:

同样还是应用应用Matplotlib绘制极坐标图

输入后果如下所示:

匹配采集到评论中的表情后,依照呈现次数选取前8名,并将其制作成极坐标图。

发现前8名的表情是:悲伤、泪、允悲、微笑、doge、吐、独身狗、吃瓜。


王力宏自出道便顶着“优质偶像”的名头,家境良好、才华横溢、长相端正,出道多年更是鲜有负面呈现。现在看来,优质的表皮只是假面,他千挑万选找了一个最好拿捏的妻子,却又在她多年的忍让中贪得无厌,变本加厉。

如同李靓蕾长文所说“如果你的演艺事业有受影响,是你本人做出的种种抉择造成的,不是我。