程序员用Python分析徐峥 竟研究出《我不是药神》30亿票房真正秘诀

前言

前段时间向往的生活第二季中，托尼何老师给山争大叔洗头那一幕，着实给节目赚足了笑点。

而最近徐峥凭借《我不是药神》在电影院也收了不少观众眼泪，在这部电影里面他颠覆了当初囧系IP电影和心花路放的搞笑印象。对于现实主义的题材作品，电影本身的成功不仅在题材的选取上，更是因为监制宁浩徐峥、导演文牧野和其他主演的一起合作。

《港囧》发布时，山争哥另辟蹊径，在发布会上化身“徐布斯”用大数据分析《港囧》，把观众笑声次数换算成票房收入。

所以在徐峥的独特眼光中，什么样的题材、导演、演员才是他的青睐？本文用Python爬取数据、并用R语言进行数据可视化处理来了解这位才子。

数据爬取

考虑到只有几百条数据，就简单地写了爬虫脚本，得到徐峥合作过的演员、合作次数、演员被收藏数、合作的作品名、作品导演、作品类型、作品评分。Python代码如下：

1#-*- coding: utf-8-*-

2from bs4 import BeautifulSoup

3import requests

4import pandas

5importtime

6newarry = []

7user_agent ="*******"

8headers = {"User_Agent": user_agent}

9foriinrange(15):

10gradeUrl ="https://movie.douban.com/celebrity/1274297/partners?start="+str(i*10)

11res = requests.get(gradeUrl, headers)

12soup = BeautifulSoup(res.content,"html.parser").find(class_="article")

13foriteminsoup.find_all(class_="partners item"):

14partner = item.select("a")[1].text

15times = item.select("li")[1].text

16collect_num = item.select("li")[2].text

17url_list = item.select("li")[1]

18forurlinurl_list.find_all("a"):

19each_page = requests.get(url.get("href"), headers)

20sub_res = BeautifulSoup(each_page.content,"html.parser")

21info = sub_res.find(id="wrapper")

22movie_name = info.select("span[property="v:itemreviewed"]")[].text

23print(movie_name)

24director = info.find(class_="attrs").select("a")[].text

25types =" ".join([style.textforstyleininfo.select("span[property="v:genre"]")])

26ifinfo.find(class_="ll rating_num") is None:

27rate =

28else:

29rate = info.find(class_="ll rating_num").text

30newarry.append({

31"partner": partner.split(" ")[],

32"time": times[5],

33"collect_num": collect_num,

34"movie_name": movie_name,

35"director": director,

36"types": types,

37"rating": rate

38})

39time.sleep(2)

40print(newarry)

41

42new_df = pandas.DataFrame(newarry, columns=["partner","time","collect_num","movie_name","director","types","rating"])

43new_df.to_excel("D:partner.xlsx")

44print(new_df)

数据分析

首先来看看徐峥出演的电影中，评分排前10的电影名，《我不是药神》是徐峥目前评分最高的电影，这成绩完全可以算国产片里的现象级了。

还有极限挑战和向往的生活，徐峥作为临时嘉宾的那期节目也得到了不错的反响。

既然徐峥让观众又是悲伤涌起、又是捧腹大笑，那么看看他出演的作品中不同类型的评分情况，果然还是喜剧排名比较靠前，徐峥出演惊悚悬疑类的电影排名靠后，看来搞笑大叔的深刻印象，不能让大家接受他出演惊悚片。徐峥去的真人秀和脱口秀节目，也在当期取得不错的收视率和口碑。

接下来看看徐峥和哪些导演合作比较紧密？徐峥出演自己自导的电影有4次，山争大哥完全没放过自己当主演的机会，和宁浩导演合作4次，《疯狂的石头》《无人区》《心花路放》《疯狂的赛车》这四部，都是不错的电影，除开合作伙伴的关系，这应该也是徐峥选择出演电影的原因。《我不是药神》也是宁浩监制、文牧野导演。

再来看看合作导演的作品评分情况，图a是评分排名前15的导演名字，图b是评分排名后15的导演名字，徐峥在2002年黄蜀芹导演的《上海沧桑》中并不是主演，排名第二的任静是《极限挑战》的导演，徐峥参加过的当期节目取得了9.0的豆瓣评分，看来他真的很适合参加真人秀。

图 a

图 b

再看看徐峥合作过的演员情况，图c是和徐峥合作过的演员作品平均评分排名前10的演员，图d是作品平均评分排名后10的演员。合作最多的演员是黄渤，一共有9次的合作，《疯狂的石头》《疯狂的赛车》《无人区》《心花路放》《泰囧》等作品都取得了不错的票房和评分，但是《爱情呼叫转移Ⅱ：爱情左右》只有5.2的评分，导致黄渤没有在这前10里，而张艺兴、孙红雷、罗志祥只和徐峥合作过一期《极限挑战》就9.0靠前了，看来平均值有时候真的会掩盖重要的信息。

图 c

图 d

最后再看看徐峥囧系IP电影选角的演员人气情况，将演员豆瓣上被收藏的次数作为人气的测量，对比《港囧》《泰囧》《人在囧途》的演员人气，看来《港囧》的失败确实很大因素归因为选角，人气明显低于《泰囧》。

最后再将陶虹的合作演员表爬取下来，看看夫妻二人在电影圈的社交网络关系，陶虹和徐峥的共同出镜次数还挺多，合作过的电影和演员也不少，不过徐峥的出演次数更多，圈子更大，夫妻二人很和谐的搭配方式。

附上R语言的可视化代码：

1library(dplyr)

2library(plyr)# 这个包里面的count函数才能统计文本的个数

3library(tidyverse)

4library(ggplot2)

5library(readxl)

6library(xlsx)

7library(RColorBrewer)

8

9movie_data

10# 徐峥合作伙伴评分排名前10和后10的演员

11left_data

12attach(left_data)

13ave_rate

14ave_rate$rate

15detach(left_data)

16ave_rate

17col

18pbbPalette

19cbbPalette

20ggplot(data = head(ave_rate,10), aes(x= reorder(Group.1,rate,median),y= rate)) + ylim(,10) + geom_bar(stat="identity",fill=pbbPalette) +

21labs(title ="rating of moives",x="合作演员",y="平均评分")

22ggplot(data = tail(ave_rate,10), aes(x= reorder(Group.1,rate,median),y= rate)) + ylim(,10) + geom_bar(stat="identity",fill=pbbPalette) +

23labs(title ="rating of moives",x="合作演员",y="平均评分")

24

25# 合作的导演的作品评分

26attach(left_data)

27dir_rate

28dir_rate$rate

29detach(left_data)

30dir_rate

31ggplot(data = head(dir_rate,15), aes(x= reorder(Group.1,x,median),y=x)) + ylim(,10) + geom_bar(stat="identity",fill="steelblue") +

32labs(title ="rating of director",x="导演",y="平均评分") +

33theme(axis.text.x = element_text(size =8, family ="myFont", face ="bold", vjust =.5, hjust =.5, angle =45)) +

34geom_text(aes(label = rate, vjust = -.8, hjust =.5), show.legend = TRUE)

35ggplot(data = tail(dir_rate,15), aes(x= reorder(Group.1,x,median),y=x)) + ylim(,10) + geom_bar(stat="identity",fill="steelblue") +

36labs(title ="rating of director",x="导演",y="平均评分") +

37theme(axis.text.x = element_text(size =8, family ="myFont", face ="bold", vjust =.5, hjust =.5, angle =45)) +

38geom_text(aes(label = rate, vjust = -.8, hjust =.5), show.legend = TRUE)

39

40# 合作的导演次数

41attach(left_data)

42dir_time %select(movie_name,director)

43dir_time

44dir_table

45detach(left_data)

46dir_table

47ggplot(data = dir_table[dir_table$freq>=2,], aes(x= reorder(x,freq,median),y= freq)) + geom_bar(stat="identity",fill="steelblue") +

48labs(title ="times of director",x="导演",y="合作次数") +

49theme(axis.text.x = element_text(size =8, family ="myFont", face ="bold", vjust =.5, hjust =.5, angle =45)) +

50geom_text(aes(label = freq, vjust = -.8, hjust =.5), show.legend = TRUE)

51

52# 徐峥评分排名前10的电影名

53attach(left_data)

54top_movie

55detach(left_data)

56rank_moive

57ggplot(data = tail(rank_moive,10), aes(x= reorder(Group.1,x,median),y=x)) + ylim(,10) + geom_bar(stat="identity",fill=pbbPalette) +

58labs(title ="top10 moives",x="电影",y="评分") +

59theme(axis.text.x = element_text(size =8, family ="myFont", face ="bold",vjust =.7, hjust =.7, angle =45))

60

61# 囧字IP电影的演员人气对比

62jiong

63jiong$collection

64cbbPalette

65ggplot(data = jiong, aes(x= movie_name,y= collection)) + geom_boxplot(fill=cbbPalette) +

66labs(title ="collection in the movie of jiong IP",x="演员",y="人气")

67

68# 徐峥电影类型对比

69attach(left_data)

70agg_data %select(movie_name,types,rating)

71agg_data

72View(agg_data)

73detach(left_data)

74li = list("喜剧","真人秀","爱情","剧情","悬疑","脱口秀","犯罪","动作","惊悚","古装","奇幻","动画")

75type = c()

76ave_rating =c()

77for(i in li){

78type_moive

79ave = mean(as.double(type_moive$rating))

80type = c(type, i)

81ave_rating = c(ave_rating, ave)

82}

83type_rating

84pbbPalette

85ggplot(data = type_rating, aes(x= reorder(type,ave_rating,median),y= ave_rating)) + ylim(,10) + geom_bar(stat="identity",fill=pbbPalette) +

86labs(title ="rating of types",x="类型",y="平均评分") +

87theme(axis.text.x = element_text(size =8, family ="myFont", face ="bold", vjust =.5, hjust =.5, angle =45)) +

88geom_text(aes(label = round(ave_rating,1), vjust = -.8, hjust =.5, color ="red"), show.legend = TRUE)

89

90

91library(igraph)

92#载入数据框

93attach(movie_data)

94agg_data %select(par_name,time)

95detach(movie_data)

96agg_data

97nrow(agg_data)

98centre

99graph_data

100write.xlsx(graph_data,"D:\mydata.xlsx")

101all_data

102g

103# 徐峥的关系网络图

104#生成图片，大小是800*800px

105jpeg(filename="D:\GRAPH1.jpg",width=800,height=800,units="px")

106plot(g,

107vertex.size=2,#节点大小

108layout=layout.kamada.kawai,#布局方式

109vertex.shape="none",#不带边框

110vertex.label.cex=1,#节点字体大小

111vertex.label.color="#CC79A7",#节点字体颜色

112edge.arrow.size=.2)#连线的箭头的大小

113#关闭图形设备，将缓冲区中的数据写入文件

114dev.off()

115

116# 徐峥和陶虹的关系网络图

117# install.packages("RcolorBrewer")

118library(RColorBrewer)

119col

120V(g)$label.color

121attach(all_data)

122all_data

123n3 6,])

124n2 =3&time

125n1

126detach(all_data)

127edge_col

128V(g)$size=degree(g)/12

129jpeg(filename="D:\GRAPH2.jpg",width=1000,height=1000,units="px")

130plot(g, layout = layout.fruchterman.reingold,vertex.label.cex=1,edge.color=edge_col,edge.arrow.mode="-")

131dev.off()

声明：本文为作者投稿，版权归对方所有。