王力宏翻车后，评论区反转了？-轻识

大家好，我是Jack。

昨晚，刚刚王力宏终于回应了👆，想看回应原文可以下拉到文末左下角阅读原文。

今天干脆手把手教大家如何数据处理+可视化他的微博评论，下载完整代码/数据见文末。

12月15日，王力宏在微博突然宣布离婚，表示“靓蕾和我的私生活很简单很单纯，所以不会再回应任何媒体”，结束了8年的婚姻。

12月17日深夜，王力宏前妻李靓蕾突然发文，表示长期被王力宏及其家人羞辱和冷暴力，同时还曝出王力宏婚内出轨、私生活混乱等不为人知的事件，使得王力宏多年来的“优质男星”形象岌岌可危。

文章一经发出，引发热议，王力宏长期以来的“优质偶像”形象备受质疑，不少网友在李靓蕾的微博下留言表示，“好难过，太失望了”“王力宏在我心中的形象坍塌了”。

今天就带大家用数据——吃吃瓜。

我使用Python编程，爬取王力宏宣布离婚的微博下的评论。

下载的csv文件中包括用户名、用户id、评论创建时间、评论id、评论内容等。

如上图所示，原始数据中的内容非常混乱，微博评论中夹杂大量表情包、话题以及“转发微博”等等，需要进行数据清洗。

首先根据评论的唯一ID进行去重

df_1 = df_1.drop_duplicates(['idstr']).iloc[:,1:]

接着，对所有的微博评论按照小时计数

df_1['created_date'] = pd.to_datetime(df_1['created_date'])
df_1_date = df_1.groupby([pd.Grouper(key='created_date',freq='H')]).size().reset_index(name='count')

得到分时数据后，就可以使用Matplotlib绘制折线图。

columns = df_date.columns
fig = plt.figure(figsize=(10, 5), dpi=100)
plt.fill_between(df_date['created_date'].values, y1=df_date['count_x'].values, y2=0,
                 label='王力宏微博新增评论数/小时', alpha=0.75, facecolor="#43a9cb", linewidth=1, edgecolor='k')
plt.xlabel("Date")
plt.ylabel("Value")
plt.legend(loc='upper right')
plt.show()
fig.savefig('王力宏.png')

输出结果如下所示

15日时刚刚发布微博，瞬间引爆评论，火速上热搜。

16、17日便没有什么评论了。

直到昨晚23点，前妻李靓蕾深夜发文后，群众们赶紧冲过来开团。

PS：除了吃瓜群众，速度最快的应该是英菲尼迪。

12月16日14时，豪华汽车品牌英菲尼迪才刚刚官宣王力宏成为品牌代言人。18日凌晨1点22分，微博名为@英菲尼迪中国便发布声明英菲尼迪决定即日起终止与王力宏先生的合作关系。英菲尼迪从和他签约到解约，仅有35小时。

如果我们将王力宏和李靓蕾的微博评论数量，放在一张图会是什么样子呢？

正好我也爬了李靓蕾的微博评论，同样进行数据处理后

columns = df_date.columns
fig = plt.figure(figsize=(10, 8), dpi=100)
plt.fill_between(df_date['created_date'].values, y1=df_date['count_x'].values, y2=0,
                 label='王力宏微博新增评论数/小时', alpha=0.75, facecolor="#43a9cb", linewidth=1, edgecolor='k')
plt.fill_between(df_date['created_date'].values, y1=df_date['count_y'].values, y2=0,
                 label='李靓蕾微博新增评论数/小时', alpha=0.75, facecolor="#b7ba6b", linewidth=1, edgecolor='k')
plt.xlabel("Date")
plt.ylabel("Value")
plt.legend(loc='upper left')
plt.show()

输出结果如下所示：

相比之下，王力宏这边的评论就根本不是一个量级，显得是“弟中之弟”了。

吃瓜群众原来全部涌向了李靓蕾的微博。

这次我们还是想盘点一下：群众们开团后，都发了些什么？

与之前文章传统的词云图不一样，我打算玩点新东西。在前文中制作的折线面积图中，将不同时间段的词云填充其中。

很多小伙伴比较好奇怎么做的，其实就是ps将前文的折线图和生成的词云图层叠加。如果你要问Python能不呢做到图层覆盖，我的回答是可以但没必要。

做词云图前，需要将所有王力宏的微博评论分成两部分（即前妻开锤前后），注意下方代码中以2021-12-17 23:08:00"为界。

def get_cut_words(content_series):
    # 读入停用词表
    import jieba 
    stop_words = [] 

    with open("stop_words.txt", 'r', encoding='utf-8') as f:
        lines = f.readlines()
        for line in lines:
            stop_words.append(line.strip())

    # 添加关键词
    my_words = ['分分合合', '拉黑']      
    for i in my_words:
        jieba.add_word(i) 

    # 自定义停用词
    my_stop_words = ['快转','转发','微博']    
    stop_words.extend(my_stop_words)               

    # 分词
    word_num = jieba.lcut(content_series.str.cat(sep='。'), cut_all=False)

    # 条件筛选
    word_num_selected = [i for i in word_num if i not in stop_words and len(i)>=2]
    
    return word_num_selected

text1 = get_cut_words(content_series=df_1[df_1["created_date"] < "2021-12-17 23:08:00"]['text1'])

接着准备两个蒙版（取自前面得到的折线图）

词云图的代码详细大家都很熟悉了，这里只需注意一点。

background_color='white'

# 改为

background_color=None,mode='RGBA',

这样就可以将词云图的背景色设置为透明，从而方便图层叠加。

这样我们就可以制作如下所示的图了👇

在前妻李靓蕾曝光前，王力宏的微博评论下基本都是这样的：“结婚是为了幸福，离婚也是”、“情人总分分合合”、“尊重二哥的选择”。

曝光后，王力宏的微博评论下变成了这样：“重新定义简单单纯”、“渣男”、“下头”、“私生活简单？你侮辱了简单这个词”、“人设崩塌”。

PS：愤怒的吃瓜群众还输出了很多“脏话”，我在词云图里做了排除。

我们再换个方向，娱乐一下。

我决定用数据探究一下：吃瓜的猹们最爱发哪些表情呢？

我提取了10万条评论中的emoji表情，先提取微博评论可以使用的emoji的所有名称（此处仅展示一部分）。

emoji_list = ["[小红花]","[微笑]","[可爱]","[太开心]","[鼓掌]","[嘻嘻]","[哈哈]","[笑cry]","[挤眼]","[馋嘴]","[黑线]","[汗]","[挖鼻]","[哼]","[怒]","[委屈]","[可怜]","[失望]","[悲伤]","[泪]","[允悲]"]

使用in判断是否包含某个emoji

def emoji_lis(string):
    entities = []
    for i in emoji_list:
        if i in string:
            entities.append(i)
    return entities

emoji_s = []

for index, row in df_1.iterrows():
    text = str(row['text'])
    emoji_s.extend(emoji_lis(text))
    
c = collections.Counter(emoji_s)
print(c)