基于Python的动画分析
班级：电信科 20-1 班 姓名：洪祎麟 学号：2020217793
在本次 Python 大作业中，我主要是针对四个问题进行了分析与研究。分别是：
动画片在近年来的发展现状。
了解动画片具体讲述的主题，统计动画片在当季播出之后的观看情况
根据一部看过的动画片，分析与该动画片最相似的动画片。
根据用户所输入的动画片，搜索出对应动画片的相关信息
下面分别对四个问题所获得的数据进行分析。
动画片近年来的发展现状
针对动画片的发展现状问题，我在 Bangumi 中爬取了动画片历史排行榜的前 100 页，2400 条数据。对于数据进行清洗，将部分数据导演为空/评分为空/日文名为空的情况进行去除。对于为空的时候，除了评分均使用空替代，评分以均分替代，最终提取出的结果保存到 AnimeRanking.xlsx 中：
首先：在这个数据中，以动画的集数为判断标准，可以筛选出 TV 动画和剧场版/OVA 动画，具体的比例如下图：
可以看出，前 100 页的动画中 TV 动画略多于剧场版动画，说明相对来说还是 TV 动画更受欢迎一些，每年的 TV 动画也比剧场版动画稍多一些。
其次，对于动画片的篇幅，所得到的具体结果如下图：
从图中可以看出，在 Bangumi 排行榜的前 100 页中，季番的数量相对还是最多的，大约占了半数左右，半年番和年番相对来说少一些。
接着，我对前 100 页动画中的动画片出现的年代进行分析，分析具体哪个时间段的动画片质量较高，这里我选取了动画片的评分和出现年代进行分析，分析的结果如下图：
根据统计结果可以看出，动画片的平均评分确实在渐渐走低，而动画片出现的数量有所增加。说明动画片近年来渐渐走向走量的方式，而相对来说动画片的质量有所下降，总体的均分也有所下跌。但总的来说分数变化幅度不大，较为稳定。
最后，我选取 2011-2021 这些年的动画片进行分别分析，分析所观看动画片的人数和动画片的均分数量情况，具体的情况如下图：
由于 2021 年动画片只有两季，评分人数不好分析，但而可以看过观看动画片的人数确实有所下降。观众们更倾向于观看之前的老番，最主要就是 2011 年的番剧，观看的人数最多。在评分方面，近 11 年出现在前 100 页动画片数量大体相同。从 18 年开始，这几年的评分有走高趋势，可以看出动画片的质量在这几年慢慢上升。
总的来说，这些年动画片的发展较为平稳，这几年的发展稳中有升。
- 动画片的评论及观看情况分析
在本部分，我主要选取了两部动画片进行分析：《Clannad After Story》和《摇曳露营》，通过对这两部动画片的评论区进行重点分析。
首先，我先提取了《Clannad After Story》和《摇曳露营》的评论区数据。CLAS 的评论区选取了 145 页，摇曳露营的评论区选取了 70 页，提取出的评论区对评分和特殊字符进行清洗处理，得到了的两个 Excel 表格即为筛选出来的评论数据。提取出来的评论数据如图：
针对每位用户的具体评论信息，我分别制作了两部动画片评论的词云图。两部动画片的评论区词云图分别如下：
通过词云图可以清楚的看出，对于《CLAS》许多人的评论主要集中在“人生”，“剧情”，“催泪”，“感动”，“亲情”上，说明这部作品可能是一部催泪作品，部分剧情非常令人感动，可能是关于一位动画人物的亲情故事，刻画了一个人物完整的人生，让很多人想到了自己。
而对于《摇曳露营》，主要出现的词语有“露营”，“舒服”，“音乐”，“感觉”，“轻松”等，说明这部动画主要是一部悠闲的动画，因为和氛围非常令人舒服，让人感到放松，主要讲述的可能是主角们前去露营的故事。
最后，我对两部动画在播出时间所发表的评论人数和平均分进行对比，生成的图表如下：
根据生成的图表可以看出，动画在刚播出的一年观看的人数非常多，在后续会保持一个比较稳定的水平。整体动画的评分会发生一些小的波动，但大体维持在稳定的水平。对于 clannad 可能是由于 2020 年的疫情原因，更多人在居家隔离时看的，因此发表评论的人数明显增加。
- 动画片的相似推荐
在这一部分中，我也主要以《CLANNAD After Story》和《摇曳露营》这两部动画为例，进行动画片的相似性推荐。
针对相似性推荐，我主要选择了两个指标，动画的标签和动画的评论者所喜欢看的动画。根据这两个指标我设置了 1:1 权重，最终统计出的两部动画推荐结果如图：（上为 CLAS，下为摇曳露营）
根据结果可以大致的看出适合用户看的其他动画有哪些。针对部分动画（如进击的巨人等），在两部动画的推荐榜中都有出现，说明这部动画的受众相对较广。在两部动画的推荐也可以明显看出，比较符合词云图中所主要出现的数据，大体上都符合响应的类型。
针对 10 个数据可能并不明显，因此，也可以根据 Excel 文件输出的数据反映这一情况（前一部分），具体的表格数据见下图（上为 CLAS，下为摇曳露营）：
通过 Excel 中表格的数据，可以发现更多与之类型相似的动画片出现在其中，进一步验证了推荐的准确性。
- 动画片的信息查询
第四部分主要是一个动画片查询模块，可以在这里输入想要查询的动画片信息，在多选框选择后，即可跳转到对应 bangumi 网站的对应动画片。这里主要是进行了 pyqt 多窗口的控制，和爬虫，根据输入的关键词进入对应网站进行搜索，返回对应信息。本部分的截图主要如下：
参考文献
- 基于用户行为的网络游戏细粒度用户画像构建研究（华东师范大学·陈若水）
- 基于ASP.NET的《电路分析》教学网站的设计与开发（山东师范大学·柴晓雪）
- 主动数据库技术在银行CRM中的应用研究（电子科技大学·陈骏）
- 基于SSM架构的3D动画制作协同管理系统的设计与实现（山东大学·禚俊杰）
- 基于分布式爬虫的用户评论分析系统（南京邮电大学·罗骁）
- 音视频数据获取与同源性分析关键技术研究（电子科技大学·范清宇）
- 主动数据库技术在银行CRM中的应用研究（电子科技大学·陈骏）
- 主动数据库技术在银行CRM中的应用研究（电子科技大学·陈骏）
- 基于用户兴趣的手机终端视频推荐系统（大连理工大学·付红升）
- 基于web的动漫系统设计与实现（华中科技大学·王煜）
- 儿童网站中Flash动画类学习资源内容特征与接受度研究（山东师范大学·安晶）
- 基于SSH的在线视频网站设计与实现（大连理工大学·朱锋）
- 基于web的动漫系统设计与实现（华中科技大学·王煜）
- 交互式熊猫拍照系统设计与实现（电子科技大学·程小虎）
- 基于数据事实的叙事可视化视频自动生成的研究与实现（西南大学·李丹妮）
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码工厂 ，原文地址：https://m.bishedaima.com/yuanma/36113.html
