最近這部《隱秘的角落》徹底火了，目前在豆瓣高達8.9分，有45萬余人進行了評論。

一時間劇中張東升那句「爬山」、「你說我還有機會嗎」 承包了6月份的梗。各種表情包和段子齊飛。

作為主演秦昊當年的同學，章子怡都出來打call。

刷完劇，那首「小白船」簡直成了新的恐怖童謠，讓人在腦海中無限循環，太上頭了。

那么這部制作精良的國產劇為何能收獲到觀眾的一致好評？大家在看劇時都在討論些什么？今天我們就用數據來帶你看看。

 01拿拍電影的態度拍網劇 ,不好看才怪

 該劇改編自紫金陳推理小說《壞小孩》 ，講述了沿海小城的三個孩子在景區游玩時無意拍攝記錄了一次謀殺，他們的冒險也由此展開。撲朔迷離的案情，將幾個家庭裹挾其中，帶向不可預知的未來......

劇剛開始的畫面就是，文質彬彬的男青年帶著一對老人在山頂拍照，二老坐在石頭上，背后就是萬丈深淵，男青年上前親自指導姿勢，而就在一瞬間，他眼神一冷，兩只手同時發力，將二老從山頂推了下去，甚至在推完還在佯作驚慌失措的樣子大喊：“爸！媽！”而這一切卻被三個游玩的小孩無意拍了下來。

這一開場就把觀眾嚇了一跳，甚至都起了雞皮疙瘩。同時也讓人欲罷不能想看看接下來會發生什么故事。

 劇情不拖沓，演技全員在線

不同于國產劇一般動輒四五十集的篇幅，《隱秘的角落》只有短短的12集，故事緊湊，劇情毫不拖泥帶水。

 而整部劇中，無論是從挑大梁的秦昊，到三位小演員，還是王景春、張頌文等一眾演員都奉獻出了無可挑剔的演技。

 令人印象深刻的配樂

配樂也是《隱秘的角落》中的亮點之一。配合影視劇的懸疑劇情，這些配樂聽起來確實分外驚悚恐怖，也給大家留下了不可磨滅的陰影，被網友調侃：“能不能整點陽間的音樂？”如果問為什么本劇配樂這么講究，要知道《隱秘的角落》的導演辛爽可是樂隊音樂人出身的。

02豆瓣8.9分 年度國劇之光！

 首先，我們看到豆瓣的數據。這部劇一開播在豆瓣評分就沖上9.0分，一度沖到9.2分，隨著劇集完結，目前穩定在8.9分，已經有45萬余人進行了評分。

總體評分

細看評分的分布可以發現，有54.4%的人都給出了五星好評，其次23.4%的人給出四星。這個成績還是很不錯的。

評論熱度走勢圖

從評論走勢圖可以看到，《隱秘的角落》在6月16日首播，評論熱度最高。之后不同于其他劇，隨著播出時間評論數量趨于平緩，這部劇再播出后也不時帶來熱度，引發觀眾的評論潮。

 評論中提及主演

大家在評論時都提到哪些角色了呢？

分析發現，主演張東升的討論度果然是最高的，其次是三個小演員之一的朱朝陽。演技派演員王景春和張頌文飾演的陳警官和朝陽爸爸討論度也很高。

 主演評價分布

我們分析了豆瓣短評中用戶關于主演的好評/一般/差評分布占比。

細致到個人表演來看，小演員們的表現相當突出，比如朱朝陽的扮演者榮梓杉，有超過9成的觀眾肯定了他的表現。秦昊、王景春兩位的表現自然也是很厲害的。他們在劇中的表現，分別獲得了88.08%和89.29%的好評率。

 0320萬條彈幕告訴你 

追劇時大家都在說些什么？

 接下來我們分析一下《隱秘的角落》在愛奇藝的彈幕數據，我們分析整理了全部12集的彈幕，共200672條。下面看到分析結論：

 用戶使用的彈幕角色

觀眾在愛奇藝追劇發彈幕時，可以選擇自己喜歡的角色頭像。那么觀眾都最喜歡用哪些用人物角色發彈幕呢？

 可以看到，這方面張東升在這方面是榜首。其次是朱朝陽，然后可愛的小妹妹普普位居第三。

彈幕字數分布

在彈幕的字數上我們可以看到，5-10個字的是最多的，共有11萬余條彈幕。其次是10-15個字，48032條彈幕。0-5個字的彈幕也有不少，共25420條?？梢娫谧穭“l彈幕時，大家還是傾向多說點，表達自己的想法。

 整體彈幕詞云

在整體彈幕詞云中，「孩子」、「嚴良」、「普普」被提到的頻率很高?？吹饺恍≈餮莸囊慌e一動還是牽動著觀眾的心的。

 接下來，我們分別看到幾位主演的人物彈幕詞云吧。

 張東升

首先就是張東升了，不同于一般臉譜化的反派角色。在張東升的身上，大家既看到他的冷酷，兇殘，也看到他的無奈和隱忍。在彈幕中，關于他，提到「爬山」、「機會」的特別多，這幾句張東升的話實在太出圈了。

有意思的是，張東升的「頭發」也被頻頻提及，畢竟這個禿頭造型實在是太令人印象深刻了。

 朱朝陽

下面再看到三位小主演中最受關注的朱朝陽。品學兼優的他，因為父母離異性格有些內向和孤僻。在詞云中，他與「爸爸」、「媽媽」的感情也是大家討論最多的。其次他與「張東升」間的對手戲，以及后面他角色的「黑化」也是討論焦點。

 普普

劇中的小妹妹普普也是很多人喜歡的角色了，在詞云中可以看到觀眾對她的「喜歡」，以及對她「演技」的肯定。此外，「善良」等詞也常被提到。

 嚴良

劇中的另一位小演員角色——嚴良也是彈幕中關注度很高的。關于他，大家經常會提到跟他形影不離的「普普」，此外「演技不錯」「厲害」等詞也頻出。

04教你用Python分析愛奇藝彈幕數據

 我們使用Python獲取并分析愛奇藝的彈幕數據，整個數據分析的流程分為以下三個部分：

• 數據讀入
• 數據預處理
• 數據可視化分析

下面看到具體步驟：

首先導入所需包，其中pandas用于數據讀入和數據處理，os用于文件操作，jieba用于中文分詞，pyecharts和stylecolud用于數據可視化。

# 導入庫
import pandas as pd 
import os  
import jieba

from pyecharts.charts import Bar, Pie, Line, WordCloud, Page
from pyecharts import options as opts 
from pyecharts.globals import SymbolType, WarningType
WarningType.ShowWarning = False

import stylecloud
from IPython.display import Image

我們將爬取的數據存放在data文件夾下，使用os操作獲取需要讀取的csv文件列表。

# 文件列表
data_list = os.listdir('../data/')
data_list

['df_第一集.csv',
 'df_第七集.csv',
 'df_第三集.csv',
 'df_第九集.csv',
 'df_第二集.csv',
 'df_第五集.csv',
 'df_第八集.csv',
 'df_第六集.csv',
 'df_第十一集.csv',
 'df_第十二集.csv',
 'df_第十集.csv',
 'df_第四集.csv']

然后使用pandas將csv文件讀入并循環追加到總表df_all中，打印以下數據集大小看一下，一共有200672條。

# 存儲數據
df_all = pd.DataFrame()

# 循環寫入
for i in data_list:
    df_one = pd.read_csv(f'../data/{i}', engine='python', encoding='utf-8', index_col=0)  
    df_all = df_all.append(df_one, ignore_index=False)

# 打印數據集大小
print(df_all.shape) 

(200672, 6)

再預覽一下前五行數據。

# 預覽數據
df_all.head() 

數據讀入之后，接下來簡單對數據集進行預處理的工作，我們針對name字段進行以下處理：使用strip操作去除字符串前后的空格；定義一個轉換函數，根據name字段新增name_level字段，標注用戶等級，效果如下：

# 字符串處理
df_all['name'] = df_all.name.str.strip() 

def transform_name(x):
    if x=='張東升' or x=='朱朝陽' or x=='普普' or x=='嚴良' or x=='陳冠聲' or x=='周春紅' or x=='朱永平' or x=='葉軍':
        return 'VIP用戶'
    elif x=='未知用戶':
        return '未知用戶'
    else:
        return '普通用戶'

# 新增列
df_all['name_level'] = df_all.name.apply(transform_name)
df_all.head() 

接下來使用pyecharts進行數據可視化。主要分析內容包含：

1. 用戶最喜歡使用的彈幕角色-條形圖
2. 彈幕發送字數分布-條形圖
3. 彈幕角色-詞云圖

首先統計不同等級用戶的數量。

level_num = df_all.name_level.value_counts()
level_num 

未知用戶     157722
VIP用戶     41127
普通用戶       1823
Name: name_level, dtype: int64

使用pyecharts中的Pie類繪制餅圖，效果如下：

data_pair =  [list(z) for z in zip(level_num.index.tolist(), level_num.values.tolist())]

# 繪制餅圖
pie1 = Pie(init_opts=opts.InitOpts(width='1350px', height='750px'))
pie1.add('', data_pair, radius=['35%', '60%'])
pie1.set_global_opts(title_opts=opts.TitleOpts(title='彈幕發送人群等級分布'), 
                     legend_opts=opts.LegendOpts(orient='vertical', pos_top='15%', pos_left='2%'))
pie1.set_series_opts(label_opts=opts.LabelOpts(formatter=":{d}%"))
pie1.set_colors(['#3B7BA9', '#6FB27C', '#FFAF34'])
pie1.render() 

name字段中標注了用戶發送彈幕時候使用的彈幕角色，統計并篩選不同彈幕角色的使用頻次。

role_num = df_all.name.value_counts()[1:9]
role_num

張東升    18734
朱朝陽     8742
普普      4688
嚴良      2595
陳冠聲     2122
周春紅     1879
朱永平     1333
葉軍      1034
Name: name, dtype: int64

然后使用pyecharts中的Bar類繪制一張餅圖。

# 柱形圖
bar1 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))
bar1.add_xaxis(role_num.index.tolist())
bar1.add_yaxis("", role_num.values.tolist(), category_gap='5%')
bar1.set_global_opts(title_opts=opts.TitleOpts(title="VIP用戶最喜歡使用的彈幕角色"), 
                     visualmap_opts=opts.VisualMapOpts(max_=18734),
                    )
bar1.render() 

content字段記錄了用戶評論的彈幕信息，此處根據這個字段計算字數并按照步長5進行分箱處理，得到不同字數段下的頻次分布。

word_num = df_all.content.apply(lambda x:len(x)) 

# 分箱
bins = [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50] 
word_num_cut = pd.cut(word_num, bins, include_lowest=False).value_counts()
word_num_cut = word_num_cut.sort_index()
word_num_cut

(0, 5]       25420
(5, 10]     113834
(10, 15]     48032
(15, 20]      9864
(20, 25]      2385
(25, 30]       645
(30, 35]       274
(35, 40]       109
(40, 45]        49
(45, 50]        46
Name: content, dtype: int64

同樣使用Bar類繪制一張條形圖。

# 柱形圖
bar2 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px')) 
bar2.add_xaxis(word_num_cut.index.astype('str').tolist())
bar2.add_yaxis("", word_num_cut.values.tolist(), category_gap='4%')
bar2.set_global_opts(title_opts=opts.TitleOpts(title="彈幕發送字數分布"), 
                     visualmap_opts=opts.VisualMapOpts(max_=113834),
                    )
bar2.render()

接下來我們定義一個分詞函數get_cut_words，這個函數的功能是傳入一列數據，得到使用jieba分詞之后的列表。

# 定義分詞函數
def get_cut_words(content_series):
    # 讀入停用詞表
    stop_words = [] 

    with open(r"C:\Users\wzd\Desktop\CDA\CDA_Python\Python文本分析\10.文本摘要\stop_words.txt", 'r', encoding='utf-8') as f:
        lines = f.readlines()
        for line in lines:
            stop_words.append(line.strip())

    # 添加關鍵詞
    my_words = ['秦昊', '張東升', '王景春', '陳冠聲', '榮梓杉',
                '朱朝陽', '史彭元', '嚴良', '王圣迪', '普普',
                '岳普', '張頌文', '朱永平', '十二集', '十二萬',
                '十二時辰']  

    for i in my_words:
        jieba.add_word(i) 

    # 自定義停用詞
    my_stop_words = ['真的', '這部', '這是', '一種', '那種',
                    '哈哈哈']   
    stop_words.extend(my_stop_words)               

    # 分詞
    word_num = jieba.lcut(content_series.str.cat(sep='。'), cut_all=False)

    # 條件篩選
    word_num_selected = [i for i in word_num if i not in stop_words and len(i)>=2]

    return word_num_selected

將角色張東升的彈幕數據傳入函數，得到分詞之后的列表。

text1 = get_cut_words(content_series=df_all[df_all.name=='張東升']['content'])
text1[:5] 

Building prefix dict from the default dictionary ...
Dumping model to file cache C:\Users\wzd\AppData\Local\Temp\jieba.cache
Loading model cost 1.280 seconds.
Prefix dict has been built successfully.
['爬山', '老弟', '十二集', '知足', '伊能靜']

然后使用stylecloud工具包繪制一張心形的詞云圖，效果如下：

# 繪制詞云圖
stylecloud.gen_stylecloud(text=' '.join(text1), max_words=1000,
                          collocations=False,
                          font_path=r'?C:\Windows\Fonts\msyh.ttc',
                          icon_name='fas fa-heart',
                          size=653,
                          output_name='./詞云圖/彈幕角色-張東升詞云圖.png')
Image(filename='./詞云圖/彈幕角色-張東升詞云圖.png')