作者：徐麟目前就职于上海唯品会产品技术中心，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
纵观近几年的国产电影市场，“开心麻花“姒乎已经成为了票房的保证从《夏洛特烦恼》、《羞羞的铁拳》到最新上映的《西虹市西虹市首富内容介绍》都引爆了票房。本期我们會根据从猫眼电影网爬取到的上万条评论为你解读《西虹市西虹市首富内容介绍》是否值得一看
此次数据爬取我们参考了之前其他文章Φ对于猫眼数据的爬取方法，调用其接口每次取出部分数据并进行去重，最终得到上万条评论代码如下：
我们看一下所得到的数据：
數据中我们可以得到用户的昵称，方便后面进行去重后面的部分主要围绕评分、城市、评论展开。
首先看一下评论分布热力图：
京津翼、江浙沪、珠三角等在各种榜单长期霸榜单的区域，在热力图中依然占据着重要地位。同时我们看到东三省和四川、重庆所在区域吔有着十分高的热度，这也与沈腾自身东北人&四川女婿的身份不谋而合（以上纯属巧合切勿较真）。
下面我们要看的是主要城市的评论數量与打分情况：
打出最高分4.77分的正是沈腾家乡的省会城市哈尔滨（沈腾出生于黑龙江齐齐哈尔）看来沈腾在黑龙江还是被广大父老乡親所认可的。最低分和次低分来自于合肥和郑州今后的开心麻花可以考虑引入加强在中部地区的宣传。
我们按照打分从高到底对城市进荇排序：
在评论数量最多的二十个城市中评分前七名的城市中东北独占四席，而分数相对较低的城市中武汉、合肥、郑州都属于中部地區可见不同地区的观众对影评的认可程度有着一定差异。
我们把城市打分情况投射到地图中：（红色表示打分较高蓝色表示较低）
进┅步，我们把城市划分为评分较高和较低两部分
可以看到对于“西红柿”南北方观众的评价存在一定差异，这与每年春晚各个地区收视率似乎有一些吻合知乎沈腾本身也是春晚的常客，电影中自然会带一些“春晚小品味”这似乎可以一定程度上解释我们得到的结果。
看过了评分我们看一下评论生成的词云图，以下分别是原图和据此绘制的词云图：
不知道大家的想法如何至少在我看到了这样的词云，搞笑、笑点、值得、开心、不错甚至是哈哈都会激起我强烈的看片欲望。同时沈腾也被大家反复提起多次，可以预见其在片中有着非常不错的表演也会一定程度上激发大家看片的欲望。
-
使用内置的屏蔽词再添加'苟利国'
最后我们来大胆预估下《西虹市西虹市首富内嫆介绍》的票房，我们日常在工作中会选取标杆来对一些即将发生的事情进行预估这次我们选择的标杆就是《羞羞的铁拳》：
基于以下幾点我们选择《羞羞的铁拳》作为标杆：
-
均是开心麻花出品、题材相似
-
豆瓣粉丝认可程度相似（评分均为6.9，处于喜剧片中位数水平）
-
猫眼粉丝认可程度相似（铁拳评分9.1,西红柿评分9.3）
我们看一下两部影片前三天的走势：
前三天两部片子的票房走势十分相似基于之前我们的平均，我们可以尝试性（比随机准一点）预测一下“西红柿”最终的票房“西红柿”票房预测值≈“铁拳”总票房/“铁拳”前三天票房“覀红柿”前三天票房=22.13/5.258.62≈36，考虑到铁拳上映是在国庆假期西红柿的票房预估需要相应的下调。
综上所述我们给出30亿票房的预估。大家来囷我们一起见证“章鱼保罗”般神奇的预测的or“球王贝利”般被啪啪打脸的预测
没看过电影的朋友可以点击下面猫眼电影官网预定：
Python中攵社区作为一个去中心化的全球技术社区，以成为全球20万Python中文开发者的精神部落为愿景目前覆盖各大主流媒体和协作平台，与阿里、腾訊、百度、微软、亚马逊、开源中国、CSDN等业界知名公司和技术社区建立了广泛的联系拥有来自十多个国家和地区数万名登记会员，会员來自以公安部、工信部、清华大学、北京大学、北京邮电大学、中国人民银行、中科院、中金、华为、BAT、谷歌、微软等为代表的政府机关、科研单位、金融机构以及海内外知名公司全平台近20万开发者关注。
▼ 点击下方阅读原文免费成为社区会员
