历年来，春节档电影都是各家导演争奇斗艳拼票房的阵地，每年我都带着家里人去电影院凑凑热闹，而今年的春节只能乖乖坐在家里看看电视和手机。全国疫情大面积爆发，导致很多前期预热火爆的电影纷纷撤档，陈思成的《唐人街探案》、陈可辛的《夺冠》都撤了，而唯独徐峥导演的电影《囧妈》独占春节档，以6.3亿元的版权费卖给了字节跳动，在线上免费播放。
在这个特殊时期，花6个亿请全国人民观众免费看电影，是人类电影影史上第一次因灾难事件免费馈赠观众观看电影行为，这无疑给出品方欢喜传媒赚足了好口碑，意料之内，《囧妈》上线后播放量惊人，突破6亿，这一波对出品方和字节跳动来说都是名利双收
播放量超6亿，囧妈真的好看吗？
如此高的播放量，看起来这部片子拍的不错，但我打开豆瓣一看，评分只有不到6分，翻开评论区也是差评居多，《囧妈》到底垃圾在哪？我决定用python爬取豆瓣的影评，并用BI分析出原因，整个过程共三步：
python获取数据
数据处理
数据爬取
豆瓣非登录状态下最多获取200条评论，登录状态下最多为500条，为了解决登录的问题，本次使用Selenium+BeautifulSoup获取数据
如下图所示，本此数据爬取主要获取的内容有
评论用户ID
评论用户主页
评论内容
评分星级
评论日期
用户所在城市
部分代码如下，需要完整代码可以点击我的头像私信回复“囧妈”即可获得代码及数据集
数据处理
拿到数据后，下一步就是数据处理和可视化分析，本来想用python进行的，但是写代码太麻烦了，我想到一个更快捷的方式，用FineBI工具进行数据处理与分析，步骤简单且不用写代码，可视化图表也更美观
1、数据链接
首先导入我们需要分析的数据，FineBI可以连接Excel，CSV，XML，以及各类数据库，这里因为有了python爬取到的excel表，所以直接选择excel导入即可。
2、数据处理
在数据准备的过程中，我们爬取到的数据可能需要第二次加工，比如脏数据处理、数据合并、过滤等等，FineBI是通过自助数据集的方式，根据需求对原数据进行再加工处理，我们新建一个用于分析的数据集，选择需要用到数据表及其字段，先用上下合并的方式把三张表合并到一起：
然后我们把推荐星级转换成1-5分，力荐为5分，推荐4分，有城市空缺、海外城市、乱写的删掉，再把评论时间转换成时间类型
数据可视化
数据处理完了，到了数据可视化这一步就简单的多，把要分析的指标拖拽到横、纵轴上，图表就自动生成了，FineBI可以根据你选择的指标和维度自动推荐合适的图表
先来看看观众推荐的总体评分分布：
囧妈》截止到目前在豆瓣中的总体评分为5.9分，仅好于19%的喜剧片。从评分分布来看，3分的占比最高，有41.84%，而5分的比例最低，只有6.59%。
接下来分析评论者所在的城市分布，来粗略的展示前八大热门的影迷城市。
果然还是北上广影迷多，尤其是北京，评论数超了上海2倍多。
再看一下评论的时间走势：
评论的时间走势和电影热度一致，在大年初一免费上映时候达到最高值，后面热度很快就退了
其中最火的一条评论是：后半段垮的妈都不认识，有10000多人给这条评论投票，由此可见，这个片的槽点在后半段。
怎么评价这部片子呢，首先可以看到推荐评分在3分居多，也就是还行。我看完这部电影最大的感受就是不太纯粹，如果是一部喜剧的话，电影中却穿插了大量的家庭亲情，感情纠纷的内容，如果是一步家庭教育，家庭亲情的话又不那么深刻。不是说喜剧穿插一些教育性的内容不好，只是可能是没有把握好这个度，也就导致这部电影笑点没那么多没那么好笑，比起其他真正的教育性电影又不足。我怀念的还是一开始的人在囧途，虽然也有教育性但是确实能让人捧腹大笑，这个度就把握的很好。
FineBI工具个人永久免费版下载地址和python爬虫代码，点我头像私信回复“囧妈”获得！
网友评论