隐秘的角落是内地剧题材的突破口（8.9分的高分剧隐秘的角落到底好看在哪儿）

隐秘的角落是内地剧题材的突破口（8.9分的高分剧隐秘的角落到底好看在哪儿）剧刚开始的画面就是，文质彬彬的男青年带着一对老人在山顶拍照，二老坐在石头上，背后就是万丈深渊，男青年上前亲自指导姿势，而就在一瞬间，他眼神一冷，两只手同时发力，将二老从山顶推了下去，甚至在推完还在佯作惊慌失措的样子大喊：“爸！妈！”而这一切却被三个游玩的小孩无意拍了下来。 该剧改编自紫金陈推理小说《坏小孩》 ，讲述了沿海小城的三个孩子在景区游玩时无意拍摄记录了一次谋杀，他们的冒险也由此展开。扑朔迷离的案情，将几个家庭裹挟其中，带向不可预知的未来...... 那么这部制作精良的国产剧为何能收获到观众的一致好评？大家在看剧时都在讨论些什么？今天我们就用数据来带你看看。 01拿拍电影的态度拍网剧 不好看才怪

最近这部《隐秘的角落》彻底火了，目前在豆瓣高达8.9分，有45万余人进行了评论。

一时间剧中张东升那句「爬山」、「你说我还有机会吗」 承包了6月份的梗。各种表情包和段子齐飞。

作为主演秦昊当年的同学，章子怡都出来打call。

刷完剧，那首「小白船」简直成了新的恐怖童谣，让人在脑海中无限循环，太上头了。

那么这部制作精良的国产剧为何能收获到观众的一致好评？大家在看剧时都在讨论些什么？今天我们就用数据来带你看看。

01拿拍电影的态度拍网剧 不好看才怪

该剧改编自紫金陈推理小说《坏小孩》 ，讲述了沿海小城的三个孩子在景区游玩时无意拍摄记录了一次谋杀，他们的冒险也由此展开。扑朔迷离的案情，将几个家庭裹挟其中，带向不可预知的未来......

剧刚开始的画面就是，文质彬彬的男青年带着一对老人在山顶拍照，二老坐在石头上，背后就是万丈深渊，男青年上前亲自指导姿势，而就在一瞬间，他眼神一冷，两只手同时发力，将二老从山顶推了下去，甚至在推完还在佯作惊慌失措的样子大喊：“爸！妈！”而这一切却被三个游玩的小孩无意拍了下来。

这一开场就把观众吓了一跳，甚至都起了鸡皮疙瘩。同时也让人欲罢不能想看看接下来会发生什么故事。

剧情不拖沓，演技全员在线

不同于国产剧一般动辄四五十集的篇幅，《隐秘的角落》只有短短的12集，故事紧凑，剧情毫不拖泥带水。

而整部剧中，无论是从挑大梁的秦昊，到三位小演员，还是王景春、张颂文等一众演员都奉献出了无可挑剔的演技。

令人印象深刻的配乐

配乐也是《隐秘的角落》中的亮点之一。配合影视剧的悬疑剧情，这些配乐听起来确实分外惊悚恐怖，也给大家留下了不可磨灭的阴影，被网友调侃：“能不能整点阳间的音乐？”如果问为什么本剧配乐这么讲究，要知道《隐秘的角落》的导演辛爽可是乐队音乐人出身的。

02豆瓣8.9分 年度国剧之光！

首先，我们看到豆瓣的数据。这部剧一开播在豆瓣评分就冲上9.0分，一度冲到9.2分，随着剧集完结，目前稳定在8.9分，已经有45万余人进行了评分。

总体评分

细看评分的分布可以发现，有54.4%的人都给出了五星好评，其次23.4%的人给出四星。这个成绩还是很不错的。

评论热度走势图

从评论走势图可以看到，《隐秘的角落》在6月16日首播，评论热度最高。之后不同于其他剧，随着播出时间评论数量趋于平缓，这部剧再播出后也不时带来热度，引发观众的评论潮。

评论中提及主演

大家在评论时都提到哪些角色了呢？

分析发现，主演张东升的讨论度果然是最高的，其次是三个小演员之一的朱朝阳。演技派演员王景春和张颂文饰演的陈警官和朝阳爸爸讨论度也很高。

主演评价分布

我们分析了豆瓣短评中用户关于主演的好评/一般/差评分布占比。

细致到个人表演来看，小演员们的表现相当突出，比如朱朝阳的扮演者荣梓杉，有超过9成的观众肯定了他的表现。秦昊、王景春两位的表现自然也是很厉害的。他们在剧中的表现，分别获得了88.08%和89.29%的好评率。

0320万条弹幕告诉你

追剧时大家都在说些什么？

接下来我们分析一下《隐秘的角落》在爱奇艺的弹幕数据，我们分析整理了全部12集的弹幕，共200672条。下面看到分析结论：

用户使用的弹幕角色

观众在爱奇艺追剧发弹幕时，可以选择自己喜欢的角色头像。那么观众都最喜欢用哪些用人物角色发弹幕呢？

可以看到，这方面张东升在这方面是榜首。其次是朱朝阳，然后可爱的小妹妹普普位居第三。

弹幕字数分布

在弹幕的字数上我们可以看到，5-10个字的是最多的，共有11万余条弹幕。其次是10-15个字，48032条弹幕。0-5个字的弹幕也有不少，共25420条。可见在追剧发弹幕时，大家还是倾向多说点，表达自己的想法。

整体弹幕词云

在整体弹幕词云中，「孩子」、「严良」、「普普」被提到的频率很高。看到三位小主演的一举一动还是牵动着观众的心的。

接下来，我们分别看到几位主演的人物弹幕词云吧。

张东升

首先就是张东升了，不同于一般脸谱化的反派角色。在张东升的身上，大家既看到他的冷酷，凶残，也看到他的无奈和隐忍。在弹幕中，关于他，提到「爬山」、「机会」的特别多，这几句张东升的话实在太出圈了。

有意思的是，张东升的「头发」也被频频提及，毕竟这个秃头造型实在是太令人印象深刻了。

朱朝阳

下面再看到三位小主演中最受关注的朱朝阳。品学兼优的他，因为父母离异性格有些内向和孤僻。在词云中，他与「爸爸」、「妈妈」的感情也是大家讨论最多的。其次他与「张东升」间的对手戏，以及后面他角色的「黑化」也是讨论焦点。

普普

剧中的小妹妹普普也是很多人喜欢的角色了，在词云中可以看到观众对她的「喜欢」，以及对她「演技」的肯定。此外，「善良」等词也常被提到。

严良

剧中的另一位小演员角色——严良也是弹幕中关注度很高的。关于他，大家经常会提到跟他形影不离的「普普」，此外「演技不错」「厉害」等词也频出。

04教你用Python分析爱奇艺弹幕数据

我们使用Python获取并分析爱奇艺的弹幕数据，整个数据分析的流程分为以下三个部分：

• 数据读入
• 数据预处理
• 数据可视化分析

下面看到具体步骤：

首先导入所需包，其中pandas用于数据读入和数据处理，os用于文件操作，jieba用于中文分词，pyecharts和stylecolud用于数据可视化。

#导入库 importpandasaspd importos importjieba frompyecharts.chartsimportBar Pie Line WordCloud Page frompyechartsimportoptionsasopts frompyecharts.globalsimportSymbolType WarningType WarningType.ShowWarning=False importstylecloud fromIPython.displayimportImage

我们将爬取的数据存放在data文件夹下，使用os操作获取需要读取的csv文件列表。

(200672 6)

['df_第一集.csv' 'df_第七集.csv' 'df_第三集.csv' 'df_第九集.csv' 'df_第二集.csv' 'df_第五集.csv' 'df_第八集.csv' 'df_第六集.csv' 'df_第十一集.csv' 'df_第十二集.csv' 'df_第十集.csv' 'df_第四集.csv']

然后使用pandas将csv文件读入并循环追加到总表df_all中，打印以下数据集大小看一下，一共有200672条。

#预览数据 df_all.head()

(200672 6)

再预览一下前五行数据。

#预览数据 df_all.head()

数据读入之后，接下来简单对数据集进行预处理的工作，我们针对name字段进行以下处理：使用strip操作去除字符串前后的空格；定义一个转换函数，根据name字段新增name_level字段，标注用户等级，效果如下：

#字符串处理 df_all['name']=df_all.name.str.strip() deftransform_name(x): ifx=='张东升'orx=='朱朝阳'orx=='普普'orx=='严良'orx=='陈冠声'orx=='周春红'orx=='朱永平'orx=='叶军': return'VIP用户' elifx=='未知用户': return'未知用户' else: return'普通用户' #新增列 df_all['name_level']=df_all.name.apply(transform_name) df_all.head()

接下来使用pyecharts进行数据可视化。主要分析内容包含：

1. 用户最喜欢使用的弹幕角色-条形图
2. 弹幕发送字数分布-条形图
3. 弹幕角色-词云图

首先统计不同等级用户的数量。

data_pair=[list(z)forzinzip(level_num.index.tolist() level_num.values.tolist())] #绘制饼图 pie1=Pie(init_opts=opts.InitOpts(width='1350px' height='750px')) pie1.add('' data_pair radius=['35%' '60%']) pie1.set_global_opts(title_opts=opts.TitleOpts(title='弹幕发送人群等级分布') legend_opts=opts.LegendOpts(orient='vertical' pos_top='15%' pos_left='2%')) pie1.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%")) pie1.set_colors(['#3B7BA9' '#6FB27C' '#FFAF34']) pie1.render()

未知用户157722 VIP用户41127 普通用户1823 Name:name_level dtype:int64

使用pyecharts中的Pie类绘制饼图，效果如下：

data_pair=[list(z)forzinzip(level_num.index.tolist() level_num.values.tolist())] #绘制饼图 pie1=Pie(init_opts=opts.InitOpts(width='1350px' height='750px')) pie1.add('' data_pair radius=['35%' '60%']) pie1.set_global_opts(title_opts=opts.TitleOpts(title='弹幕发送人群等级分布') legend_opts=opts.LegendOpts(orient='vertical' pos_top='15%' pos_left='2%')) pie1.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%")) pie1.set_colors(['#3B7BA9' '#6FB27C' '#FFAF34']) pie1.render()

name字段中标注了用户发送弹幕时候使用的弹幕角色，统计并筛选不同弹幕角色的使用频次。

role_num=df_all.name.value_counts()[1:9] role_num

张东升18734 朱朝阳8742 普普4688 严良2595 陈冠声2122 周春红1879 朱永平1333 叶军1034 Name:name dtype:int64

然后使用pyecharts中的Bar类绘制一张饼图。

#柱形图 bar1=Bar(init_opts=opts.InitOpts(width='1350px' height='750px')) bar1.add_xaxis(role_num.index.tolist()) bar1.add_yaxis("" role_num.values.tolist() category_gap='5%') bar1.set_global_opts(title_opts=opts.TitleOpts(title="VIP用户最喜欢使用的弹幕角色") visualmap_opts=opts.VisualMapOpts(max_=18734) ) bar1.render()

content字段记录了用户评论的弹幕信息，此处根据这个字段计算字数并按照步长5进行分箱处理，得到不同字数段下的频次分布。

word_num=df_all.content.apply(lambdax:len(x)) #分箱 bins=[0 5 10 15 20 25 30 35 40 45 50] word_num_cut=pd.cut(word_num bins include_lowest=False).value_counts() word_num_cut=word_num_cut.sort_index() word_num_cut

(0 5]25420 (5 10]113834 (10 15]48032 (15 20]9864 (20 25]2385 (25 30]645 (30 35]274 (35 40]109 (40 45]49 (45 50]46 Name:content dtype:int64

同样使用Bar类绘制一张条形图。

#柱形图 bar2=Bar(init_opts=opts.InitOpts(width='1350px' height='750px')) bar2.add_xaxis(word_num_cut.index.astype('str').tolist()) bar2.add_yaxis("" word_num_cut.values.tolist() category_gap='4%') bar2.set_global_opts(title_opts=opts.TitleOpts(title="弹幕发送字数分布") visualmap_opts=opts.VisualMapOpts(max_=113834) ) bar2.render()

接下来我们定义一个分词函数get_cut_words，这个函数的功能是传入一列数据，得到使用jieba分词之后的列表。

#定义分词函数 defget_cut_words(content_series): #读入停用词表 stop_words=[] withopen(r"C:\Users\wzd\Desktop\CDA\CDA_Python\Python文本分析\10.文本摘要\stop_words.txt" 'r' encoding='utf-8')asf: lines=f.readlines() forlineinlines: stop_words.append(line.strip()) #添加关键词 my_words=['秦昊' '张东升' '王景春' '陈冠声' '荣梓杉' '朱朝阳' '史彭元' '严良' '王圣迪' '普普' '岳普' '张颂文' '朱永平' '十二集' '十二万' '十二时辰'] foriinmy_words: jieba.add_word(i) #自定义停用词 my_stop_words=['真的' '这部' '这是' '一种' '那种' '哈哈哈'] 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=[iforiinword_numifinotinstop_wordsandlen(i)>=2] returnword_num_selected

将角色张东升的弹幕数据传入函数，得到分词之后的列表。

text1=get_cut_words(content_series=df_all[df_all.name=='张东升']['content']) text1[:5]

Buildingprefixdictfromthedefaultdictionary... DumpingmodeltofilecacheC:\Users\wzd\AppData\Local\Temp\jieba.cache Loadingmodelcost1.280seconds. Prefixdicthasbeenbuiltsuccessfully. ['爬山' '老弟' '十二集' '知足' '伊能静']

然后使用stylecloud工具包绘制一张心形的词云图，效果如下：

#绘制词云图 stylecloud.gen_stylecloud(text=''.join(text1) max_words=1000 collocations=False font_path=r'‪C:\Windows\Fonts\msyh.ttc' icon_name='fasfa-heart' size=653 output_name='./词云图/弹幕角色-张东升词云图.png') Image(filename='./词云图/弹幕角色-张东升词云图.png')