透过2W条评论看动漫《博人传-火影忍者新时代》

写在前面

日本电视动画《BORUTO -火影新世代》（中国大陆译名《博人传：火影忍者新时代》）改编自岸本齐史原作并监修、池本干雄编绘、小太刀右京编剧的同名漫画，是《火影忍者》系列的续篇，讲述原作故事完结后漩涡鸣人之子漩涡博人的冒险故事。动画的后续剧情将对岸本齐史负责脚本的剧场版《火影忍者剧场版：博人传》作出补充。

动画与前作《火影忍者》《火影忍者疾风传》一样由Studio Pierrot（小丑社）负责制作。时间是：2017年4月5日起每周三16：55在东京电视台系列首播

以上内容，是我从百度百科抄袭过来的~哈哈哈哈，咱主要做的是数据分析，数据的爬取，去我的爬虫系列的博客里面去看吧，里面有相关的教程。

数据分析

作为评论的数据，咱保存了这些数据留着备用

    author # 作者
    content # 评论内容
    ctime = # 评论时间
    disliked # 不喜欢人数
    liked # 喜欢
    likes # 奇怪？？？
    score # 打分
    user_season # 在第几集打的分数

1.清洗数据

最核心的步骤来了，在分析数据以前，我们需要对数据做一些处理，空值判断，时间格式修改等内容，这部分可能会根据实际的需求发生一些变化。

import numpy as np
import pandas as pd
import datetime


# 数据读取
def read_csv():
    file = pd.read_csv("./bore.csv",header=None,names=["author","content","ctime","disliked","liked","likes","score","user_season"])
    return file

# 数据清洗
def clear_data():
    df = read_csv()
    #print(any(df.duplicated())) # 判断数据是否有重复
    #print(df.head())
    #print(df.isnull().any())  # 判断是否有空列
    #print(df[df.isnull().values==True])   # 检测空值 
    data = df.fillna(0)  # 空值填充 

    # 时间处理
    def get_localtime(data):
        time =  datetime.datetime.fromtimestamp(data['ctime']).strftime("%Y-%m-%d")
        return pd.to_datetime(time)
    df["ctime"]=df.apply(get_localtime,axis = 1)  # apply 的使用 
    
    return df

# 数据分析1
def analsis1(data):
    print(data["author"].describe())

if __name__ == '__main__':
    df = clear_data()
    analsis1(df)

2.评论最多的人？

看一下谁是这部动漫评论最多的人，这个代码非常简单，参考下面代码即可。.describe() 函数

def analsis1(data):
    print(data["author"].describe())

count     18535  # author总数
unique    18535 # 去除重复之后的总数
top        你的盛世   
freq          1
Name: author, dtype: object

很神奇，竟然没有人评论次数超过2 这个结论只能表示，B站允许视频评论一次？！机制的我想去测试一下，啪啪啪，打脸回来了，我竟然没有权限。

※你没有权限※

3.评论最多的人？

数据中，有分数的排布，那么我们看一下打分的柱状图吧！数据显示的1星和5星的比较多，两级分化比较严重。

为了确保中文显示正常，需要首先配置一下默认字体并且设置一下 matplotlib的样式

import numpy as np
import pandas as pd
import datetime
import matplotlib.pyplot as plt
import matplotlib.style as psl

psl.use('seaborn-darkgrid')
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False

分组统计score打分，使用groupby(by="字段名称").size() # 获取数量
reset_index(drop=True) # 重置索引
plt.bar #用来生成柱状图
plt.text() # 生成文字

def analsis2(data):
    # 文章打分的柱状图
    score = data["score"].groupby(data["score"]).size()

    score = score.reset_index(drop=True)
    x_index = np.arange(1,6).tolist()

    plt.bar(x_index,score.values,0.4,color="#03a9da")
    # 绘制文字
    for xx,yy in zip(x_index,score.values):
        plt.text(xx,yy+0.2,str(yy),ha="center",fontsize = 10)

    plt.title("用户评星图表")  # 设置标题
    plt.xlabel("评星")  # 设置x轴标识
    plt.ylabel("人数")  # 设置y轴标识
    plt.show()

如果编写如下代码

plt.barh(x_index, score.values, 0.4, color="#03a9da")

就会得到一个横向的条形柱状图。

4. 评论时间分布

从数据看星期二、四、六评论次数增多，很有意思的数据。

# 通过星期判断评论次数
def analysis3(data):
    data.set_index(data["ctime"],inplace=True)
    weeks = ["星期日","星期一","星期二","星期三","星期四","星期五","星期六"]
    def get_weekday(data):
        return weeks[data["ctime"].weekday()]
    data["week"] = data.apply(get_weekday,axis=1)
    week_data = data.groupby(by="week")["author"].size()

    plt.bar(weeks,week_data.values,0.5,color="green")
    plt.show()

5. 评论月份暴漏的部分关系

我们看到在2018年7月份数据忽然升高，这背后到底有啥隐藏的秘密呢？我们继续往下看。！

def analysis4(data):
    data.set_index(data["ctime"], inplace=True)
    data = data.resample("M").count()["author"]  # 按照月份汇总数据
    data = data.to_period("M")  # 显示数据
    x = np.arange(0,len(data),1)

    fig = plt.figure(figsize=(6, 4))
    ax = fig.add_subplot(111)

    '''
    fig = plt.figure()
    ax2 = fig.add_subplot(212)
    '''

    ax.plot(x,data.values,"#03a9f4",marker="o",markersize=4)
    ax.set_xticks(x)  # 设置x轴标签为自然数序列
    ax.set_xticklabels(data.index)  # 更改x轴标签值为年份
    plt.xticks(rotation=60)  # 旋转90度，不至太拥挤

    plt.title('博人传评论数量变化(201709-201812)', color="#03a9f4", fontsize=12)
    plt.xlabel("月份")
    plt.ylabel('评论数量')
    plt.tight_layout()  # 自动控制空白边缘


    plt.show()

过滤2018年7月份的数据出来,发现在2018年7月20日的时候，出现了一个评论峰值，在进行细致的分析，咱看一下数据。

看到这个数据之后，虽然我没看博人传，但是，我知道了 65集肯定好看，而且很有可能在7月20日更新的就是这1集，好奇心起来的你，或者你是一个火影迷，你可以去看看这一集~！我翻到评论，引用了一个置顶评论

	本集是值得国人观众特别期待的一集，因为这一话（第65集）是由国人原画师黄成希全权负责的，
	他一个人包揽了本集的分镜/演出/作画导演等主要工作。
	换而言之，黄成希作为中国画师获得了本集的作监资格。这在火影忍者开播16年以来是史无前例的。
	十几年前，黄成希在火影忍者刚刚开播时，也和多数人一样仅仅只是屏幕前的看客，
	但是这部作品对学生时代的他施加了巨大的影响，最终促使黄成希走上了成为动画画师的道路。
	在2012年加入日本动画行业后，他如愿以偿成为了火影忍者的主力原画之一，并参与作画监督的工作。
	除此之外他还先后加入过包括黑子的篮球、妖怪手表和刀剑神域剧场版等多部作品的制作，
	实力得到了业内的认可，因此才最终获得了独自扛下重要打斗回的资格，如此说来也算是圆梦成功。
	由于本集几乎是黄成希的个人秀，再加上这一话中大筒木桃式使用了漫画版而不是剧场版中的新形象，
	因此黄成希在作画上自由发挥的空间就变得很大，这就有余地在打斗中融入太极和咏春等中国传统武术了。
	所以大伙看到一连串的“中国功夫”也别觉得奇怪哈~
	说起来，大筒木一族本身就有一股浓厚的道家派头，他们不仅历史悠久，文明程度远远超越这个世界的人，
	而且全族都在种灵根，吃仙桃，修金丹，求长生不老。现在再配合一整套中国武学架子，
	简直给人一种徐福手下三千童男童女入蓬莱求仙药的即视感...将来出一个徐福式的修仙族长也是极好的！（大误）


	黄成希在博人传中的几段作画（可能有遗漏）:
	博人vs木叶丸
	博人vs花火
	博人vs鵺
	小樱vs信
	巳月vs尸澄真

def analysis5(data):
   data = data.set_index('ctime')  # 将时间作为索引
   data = data["2018-07-01":"2018-08-01"]
   child_data = data.resample("D").count()["content"]
   print(child_data.to_period("D"))

   data = data['2018-07-20':"2018-07-20"]
   print(data["content"])

6. 评论最多的集数

其实有上面的分析，我们已经知道了，65集肯定是评论最多的了，但是我们还是要用数据看一下

def analysis6(data):
    data = data.groupby(by="user_season").size()
    data = data.sort_values(ascending=False)
    print(data.head())

没问题，65集必看

集数	评论数量
65	4338
40	985
39	658
66	502
68	494

最后打算在弄一个文字图的，后来想想下次再说，《博人传》数据和源码已经给大家写完整啦~

一星给情怀，一星给65集