B站2019最美的夜：弹幕分析

一、概述

元旦前夕，《bilibili晚会 二零一九最美夜》在B站上映，朋友圈刷到不少朋友对晚会的称赞，不禁我也想去围观一波，截止目前评分高达9.9分，6945万次播放，238.4万条弹幕。

瞄了一下，貌似时长有几个小时，也没得时间看，就利用闲暇时间，采集一下弹幕，做个分析，感受一波广大观众的情感热浪，顺便温习一下爬虫、数据分析等知识。

随便点到一段，感受了一波弹幕的洪流，开着弹幕简直无法看节目，关了弹幕又觉得少了点啥。。。

节目总共分为三个篇章：日落、月升、星繁。光这篇章的名字我都想刷波666。
每个篇章下有7-8个节目，共计22个节目

二、数据获取

本次分析主要针对节目的弹幕进行分析，因此需要爬取到所有弹幕，爬去弹幕时，发现弹幕信息页保存有用户性别，那就一波带走，可以附加一个性别分析。

• 获取内容

所有弹幕、弹幕所属篇章和节目、发弹幕者性别、各个节目的弹幕数等

• 代码概览

使用爬虫爬取了几千个网页，获取到每个篇章、每个节目的弹幕数、评论者姓名、弹幕内容，并保存到本地。
（ps：刚开始保存到了excel里面，想着方便看，没想到excel太不给力，单个单元格存储能力有限，2M的内容，硬生生自动给我去除到了300k）

• 数据概览

三、数据清洗计算

好了，拿到了宝贵的数据后，就开始进行数据清洗。

• 清洗内容

1、将bilibili_data字段清理成三个字段：comment:评论内容、comment_num:评论数、sex:评论者性别
2、使用jieba对comment:评论内容进行分词
3、计算整体数据：用于展示整体弹幕词云、整体性别占比
4、计算出最受关注的节目数据：用于选出最受关注的节目、展示排行
5、计算最受关注节目数据：用于展示最受欢迎节目弹幕词云、最受欢迎节目弹幕性别占比

• 代码概览

使用jieba、pandas等库对数据进行了清洗处理

• 清洗结果概览

1、综合数据

2、整体数据：词云数据+性别数据

3、节目关注排行数据

4、最受关注节目数据：词云数据+性别数据

• 数据可视化

1、词云：

使用了wordcloud、matplotlib、PIL、numpy等库进行词云的生成

2、其他数据：

使用power bi进行可视化

四、数据分析报告

• 整体分析

1、弹幕几十万条，到底讲的啥？词云了解一下。

看到：“啊啊啊 啊啊啊”，跟开头看到的弹幕截图相呼应，真的是整个节目从头到尾的啊啊啊，所以，到底为啥啊啊啊？是为了提前张嘴抢吴亦凡的“大碗宽面”吗？哈哈。

最显眼的四个大字：“真的”、“好听”，看来是真的好听啊。。。

另外，观察到左上角“第一”这个词还挺大，第一明明只有一个，你这么大岂不是很奇怪？？
看了一下评论：果然很多个第一呀。。。。

弹幕刷到几十页了，还有人在喊第一：

同时，发现弹幕几十页是同一个时间，说明弹幕非常多，同一时间大量的弹幕。

喜讯：恭喜这位兄弟，你是真正的第一！！！

ps:第一个竟然是过了22秒才发出来，5G还是要抓紧时间普及呀。。。

2、晚会更受男生欢迎还是女生欢迎？

可以看出，大部分的评论者都是保密，毕竟男孩子在外面要学会保护自己。。。

整体来看，男性评论者还是占大多数，节目中魔兽世界、还有各类小姐姐，各种cosplay,势必更受男性站友的欢迎。

• 哪个节目更受关注？

一共22个节目，哪个节目更受大家的关注呢？

1、弹幕数排行数据概览

2、可视化排行

通过排行计算，可以看出最受欢迎的节目是“周琛翻唱《千与千寻》主题曲 空灵天籁好听到爆炸”。

节目共有8141条弹幕，短短8分钟，相当于一秒钟17条弹幕，看了一下一条弹幕大概在屏幕上停留3s钟，那么，整个屏幕上全程51条弹幕保驾护航，开着弹幕还看个球啊，关了弹幕认真的看一遍，再打开弹幕听一遍吧。。。

随便截个图，让大家慢慢数数够不够51条。。。

（貌似不够，可能8000多条有很多的评论而非弹幕吧）

• 最受关注的节目分析

1、同样，词云了解一下最受关注的节目弹幕讲的啥。

同样的一堆“啊啊啊”，大碗宽面估计还没吃到。。。

这么大的“深深”和“周深”，满屏的“深深”，这估计来了不少女粉吧。。。
没想到你们不仅颜值控，还声控，哼！

用词云里面的词，祝大家：

2、这个节目不会真的女生偏多吧？

哦吼！果然。。。

这个节目女粉异常的多呀，竟然奔着男生的3倍去了。。。
ok，不说了，夜深了，清清嗓子到小区楼下练唱歌去了 ，拜了个拜！！！