今天给各位分享python公墓管理系统的知识，其中也会对三亿票房竟靠彩蛋撑起进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

深陷抄袭之名、诉讼纠纷的《爱情公寓》终于上映了。

情怀粉们的力量不容小觑，截止到撰稿，《爱情公寓》票房已经突破3.72亿大关，稳坐票房冠军的宝座，院线排片占比高达40.0%。

和超高票房背道而驰的，是各大社交平台上一边倒的差评。豆瓣万人打分，九成观众果断打了一星，只无奈豆瓣没有零星选项。

不知道有多少像我这样的情怀粉丝们，满怀期待地买了电影票，走进电影院，却发现是交了智商税。

豆瓣短评区里，观众们的状态已经出离愤怒，近乎暴走的状态。有人揭露电影挂羊头卖狗肉，电影内容和《爱情公寓》故事主线毫无关系，是山寨电影、诈骗电影、电影中的拼多多。

为了燃解我心头之恨，笔者将会跟你一起用猫眼上万条评论数据来分析，网友对这部电影的反响是否烂到刷新国产片不要脸的下限?

还是老规矩，整体思路将会从数据获取、数据清洗、数据可视化三部曲来进行:

整体思路与之前获取《邪不压正》评论一样:

我们将用Python的两个模块Pandas与pyecharts:

pyecharts是一个用于生成Echarts图表的类库。Echarts是百度开源的一个数据可视化JS库。用Echarts生成的图可视化效果非常棒，pyecharts是为了与Python进行对接，方便在Python中直接使用数据生成图。(详情请看:http://pyecharts.org/)

Pandas是基于NumPy的一个非常好用的库，正如名字一样，人见人爱。之所以如此，就在于不论是读取、处理数据，用它都非常简单。Pandas有两种自己独有的基本数据结构。要使用pandas，首先就得熟悉它的两个主要数据结构:Series和DataFrame。其中Series的性质和Python中原生的dict差不多，一个key对应一个vaule，而且key必须是唯一的;DataFrame(以下简称df)的性质则和SQL中的table差不多(详情请看:http://pandas.pydata.org/)。

我们把城市打分情况投射到地图中，可以看出:

在热力图中，白银、绵阳、遵义等三四线城市热度相对高点，也可看出随着人们消费水平的升级，去电影院看电影是娱乐首选。在满足普通人民精神娱乐需求方面，但也不能挂羊头卖狗肉，电影内容和《爱情公寓》故事主线毫无关系。这难道不是电影界的拼多多么?

评分清一色，均为3星级

图为主要城市的评论数量与打分情况:

由图中可看出，各大城市观众打分均为3星级左右，这与猫眼评分6.6基本吻合;打出最高分与最低分分别是哈尔滨与中山。同时也能看出，一二线城市观众对此很失望。

看过了评分，我们看一下评论生成的词云图:

由词云图可以看出，爱情公寓、盗墓电影二词显目在列，整部电影就30秒和《爱情公寓》有关，所谓的集齐原班人马回归也只是个幌子，《爱情公寓》大电影完全是一部盗墓笔记，真正毁了《爱情公寓》这个IP，也毁了《盗墓笔记》这个IP。

但即便是在这样观众一致认为彻底失望的情况之下，依然有一波忠实的『粉丝们』坚守阵地。他们的手中依然紧握着情怀牌，打分也是一水的五星。

对于这些水军以及说《爱情公寓》好看的人，大家可以绝交了;作为观众，任何的关注都是助长《爱情公寓》的嚣张气焰，我们也有责任自发抵制烂片，决不让诈骗电影多赚一分钱。

fromwordcloudimportWordCloud,STOPWORDS

frompyechartsimportGeo,Style,Line,Bar,Overlapf=open('爱情公寓_new.txt',encoding='utf-8')

data=pd.read_csv(f,sep=',',header=None,encoding='utf-8',names=['date','nickname','city','rate','comment'])

city=data.groupby(['city'])rate_group=city['rate']city_com=city['rate'].agg(['mean','count'])#print(city_com)

city_com.reset_index(inplace=True)

city_com['mean']=round(city_com['mean'],2)

data_map=[(city_com['city'][i],city_com['count'][i])foriinrange(0,city_com.shape[0])]#print(data_map)

style=Style(title_color="#fff",title_pos="center",width=1200,height=600,background_color="#404a59")

geo=Geo("《爱情公墓》粉丝人群地理位置","数据来源:恋习Python",**style.init_style)whileTrue:try:attr,val=geo.cast(data_map)geo.add("",attr,val,visual_range=[0,20],visual_text_color="#fff",symbol_size=20,is_visualmap=True,is_piecewise=True,visual_split_number=4)exceptValueErrorase:e=str(e)e=e.split("Nocoordinateisspecifiedfor")

foriinrange(0,len(data_map)):ifeindata_map[i]:data_map.pop[i]breakelse:breakgeo.render('爱情公墓.html')

city_main=city_com.sort_values('count',ascending=False)[0:20]#print(city_main)attr=city_main['city']v1=city_main['count']v2=city_main['mean']#print(attr,v1,v2)line=Line("主要城市评分")

line.add("城市",attr,v2,is_stack=True,xaxis_rotate=30,yaxix_min=4.2,mark_point=['min','max'],xaxis_interval=0,line_color='lightblue',line_width=4,mark_point_textcolor='black',mark_point_color='lightblue',is_splitline_show=False)bar=Bar("主要城市评论数")bar.add("城市",attr,v1,is_stack=True,xaxis_rotate=30,yaxix_min=4.2,xaxis_interval=0,is_splitline_show=False)

overlap=Overlapoverlap.add(bar)overlap.add(line,yaxis_index=1,is_add_yaxis=True)overlap.render('主要城市评论数_平均分.html')#词云分析#分词comment=jieba.cut(str(data['comment']),cut_all=False)wl_space_split="".join(comment)

backgroud_Image=plt.imread('lan.jpg')stopwords=STOPWORDS.copy#print("STOPWORDS.copy",help(STOPWORDS.copy))wc=WordCloud(width=1024,height=768,background_color='white',mask=backgroud_Image,font_path="C:\\simhei.ttf",stopwords=stopwords,max_font_size=400,random_state=50)wc.generate_from_text(wl_space_split)plt.imshow(wc)plt.axis('off')

plt.showwc.to_file(r'laji.jpg')

最后，作为《爱情公寓》之前的铁粉，只想评价一个字:烂。

烂在哪里?并不是烂在盗墓剧情，也不烂在演员特效。烂在它消费粉丝热情和爱戴，玩弄观众。

2.4分我想更多是对韦正和汪远的评价。为了赚钱，上映前吹嘘夸大，不设点映;为了赚钱，宣传片预告片MV大量回忆杀，关谷展博无限出镜;为了赚钱，藏着掖着不见光不露脸，以9.9分的保票“催”着粉丝买预售票。上映第一天3亿。赚的盆满钵满。

反过来看观众，哭着脸走出影院的，多数是被结尾彩蛋感动，彩蛋才真正传达了“爱情公寓精神”。主演们对着镜头的自白，说出了我们最想听到的几段话，才真正唤起了我们脑海里对爱情公寓的美好回忆。

电影结尾的彩蛋，小姨妈呼唤关谷的那一段，算是爱情公寓最感人的地方了吧。

但是，一个彩蛋真的配3亿票房吗?

用近乎做作的犹抱琵琶半遮面的营销手段，让大家对它憧憬，希望它能给我们的记忆画上一个圆满的句号，可却用一部近乎玩笑的垃圾影片嘲笑我们对它的喜爱。

打着情怀的旗号，将一个个剧版粉丝骗进电影院，将电影票钱装进自己的腰包。

关于python公墓管理系统的内容到此结束，希望对大家有所帮助。