昨天在凹凸数读写了一篇新文章，有关网易云音乐热评的分析，链接如下：

《网易云音乐热评的规律，44万条数据告诉你》

之前由于懒，总是评论区放个代码就草草了事，技术号们也不太好转载，以后争取《凹凸数读》的每篇文章都在这个《凹凸玩数据》里写下流程。

有个段子讲“十年文案老司机，不如网易评论区，网易文豪遍地走，评论全部单身狗”，网易云音乐的评论区也一直都是各类文案大神的聚集地。

那么我们普通用户到底如何成为网易云音乐评论里的热评段子手？

让我来分析一下。

获取数据

其实逻辑并不复杂：

1. 爬取歌单列表里的所有歌单url。

2. 进入每篇歌单爬取所有歌曲url，去重。

3. 进入每首歌曲首页爬取热评，汇总。

歌单列表是这样的： 翻页并观察它的url变化，注意下方动图，每次翻页末尾变化35。

采用requests+pyquery来爬取。

def get_list():  
    list1 = []  
    for i in range(0,1295,35):  
        url = 'https://music.163.com/discover/playlist/?order=hot&cat=%E5%8D%8E%E8%AF%AD&limit=35&offset='+str(i)  
        print('已成功采集%i页歌单\n' %(i/35+1))  
        data = []  
        html = restaurant(url)  
        doc = pq(html)  
        for i in range(1,36): # 一页35个歌单  
            a = doc('#m-pl-container > li:nth-child(' + str(i) +') > div > a').attr('href')  
            a1 = 'https://music.163.com/api' + a.replace('?','/detail?')  
            data.append(a1)  
        list1.extend(data)  
        time.sleep(5+random.random())  
    return list1  

这样我们就可以获得38页每页35篇歌单，共1300+篇歌单。

下面我们需要进入每篇歌单爬取所有歌曲url，并且要注意最后“去重”，不同歌单可能包含同一首歌曲。

点开一篇歌单，注意红色圈出的id。

观察一下，我们要在每篇歌单下方获取的信息也就是红框圈出的这些，利用刚刚爬取到的歌单id和网易云音乐的api（下一篇文章细讲）可以构造出：

不方便看的话我们解析一下json。

def get_playlist(url):  
    data = []  
    doc = get_json(url)  
    obj=json.loads(doc)  
    jobs=obj['result']['tracks']  
    for job in jobs:  
        dic = {}  
        dic['name']=jsonpath.jsonpath(job,'$..name')[0] #歌曲名称  
        dic['id']=jsonpath.jsonpath(job,'$..id')[0] #歌曲ID  
        data.append(dic)  
    return data 

这样我们就获取了所有歌单下的歌曲，记得去重。

#去重  
data = data.drop_duplicates(subset=None, keep='first', inplace=True) 

剩下就是获取每首歌曲的热评了，与前面获取歌曲类似，也是根据api构造，很容易就找到了。

def get_comments(url,k):  
    data = []  
    doc = get_json(url)  
    obj=json.loads(doc)  
    jobs=obj['hotComments']  
    for job in jobs:  
        dic = {}  
        dic['content']=jsonpath.jsonpath(job,'$..content')[0]   
        dic['time']= stampToTime(jsonpath.jsonpath(job,'$..time')[0])  
        dic['userId']=jsonpath.jsonpath(job['user'],'$..userId')[0]  #用户ID  
        dic['nickname']=jsonpath.jsonpath(job['user'],'$..nickname')[0]#用户名  
        dic['likedCount']=jsonpath.jsonpath(job,'$..likedCount')[0]   
        dic['name']= k  
        data.append(dic)  
    return data 

汇总后就获得了44万条音乐热评数据。

数据分析

清洗填充一下。

def data_cleaning(data):  
    cols = data.columns  
    for col in cols:  
        if data[col].dtype ==  'object':  
            data[col].fillna('缺失数据', inplace = True)  
        else:  
            data[col].fillna(0, inplace = True)  
    return(data)

按照点赞数排个序。

#排序  
df1['likedCount'] = df1['likedCount'].astype('int')  
df_2 = df1.sort_values(by="likedCount",ascending=False)  
df_2.head()  

再看看哪些热评是被复制粘贴搬来搬去的。

#排序  
df_line = df.groupby(['content']).count().reset_index().sort_values(by="name",ascending=False)  
df_line.head()  

第一个和第三个只是末尾有没有句号的区别，可以归为一类。这样的话，重复次数最多个这句话竟然重复了412次，额~~

看看上热评次数次数最多的是哪位大神？从他的身上我们能学到什么经验？

df_user = df.groupby(['userId']).count().reset_index().sort_values(by="name",ascending=False)  
df_user.head()  

按照 user_id 汇总一下，排序。

成功“捕获”一枚“段子手”，上热评次数高达347，我们再看看这位大神究竟都评论些什么？

df_user_max = df.loc[(df['userId'] == 101***770)]  
df_user_max.head()  

这位“失眠的陈先生”看来各种情话娴熟于手啊，下面就以他举例来看看如何成为网易云音乐评论里的热评段子手吧。

数据可视化

先看看这347条评论的赞数分布。

#赞数分布图  
import matplotlib.pyplot as plt  
data = df_user_max['likedCount']  
#data.to_csv("df_user_max.csv", index_label="index_label",encoding='utf-8-sig')  
plt.hist(data,100,normed=True,facecolor='g',alpha=0.9)  
plt.show()

很明显，赞数并不多，大部分都在500赞之内，几百赞却能跻身热评，这也侧面说明了这些歌曲是比较小众的，看来是经常在新歌区广撒网。

我们使用len() 求出每条评论的字符串长度，再画个分布图

评论的字数集中在18—30字之间，这说明在留言时要注意字数，保险的做法是不要太长让人读不下去，也不要太短以免不够经典。

做个词云。

可以看出他的评论风格是以一首歌使他“想起”“感觉”为开头，宾语通常是“喜欢的女孩子”，也经常用"她”来指代。寄托的情感是“后悔”“悲伤”，感慨的终点是“放下”。

44万条数据能分析的当然不止这些，详情请移步。

《网易云音乐热评的规律，44万条数据告诉你》

也许我们可以通过分析规律收获点赞，成为热评网红段子手。但最终能打动人心的，依然是基于歌曲本身的真诚分享，和点出歌中蕴含的真正共鸣。

本文相关代码：

#下载链接  
https://t.zsxq.com/F6UfUbA

---

原创不易，点个好看吧

本文转转自微信公众号凹凸数据原创https://mp.weixin.qq.com/s/QYlHyfIQI2_FqxTztYy9Ag，可扫描二维码进行关注： 如有侵权，请联系删除。