换个姿势看《权力的游戏》，第七季回归之推特数据分析

作为一部红遍全球的美剧，《权力的游戏》可谓是当之无愧的神剧。自2011年第1季问世以来，就吸引了无数粉丝。该剧第7季于上周7月16日回归，下面让我们对回归首集的推特数据进行分析。

凛冬已至。《权力的游戏》第7季已至，而这个我们所钟爱的美剧总共只剩下12集了，且看且珍惜。或者我们可以换个姿势，以数据的角度对《权力的游戏》进行分析，何乐而不为呢？

“死亡是如此可怕的结局，而生活充满了可能性。”

——提利昂·兰尼斯特

在没有明确的目标和方向时，我开始考虑针对最近《权力的游戏》的回归首集做些有趣的探索性数据分析。经过一番思考之后，我决定选择针对推特。推特上，普通观众和铁杆粉丝们都一起，实时讨论或吐槽剧情。在当中一定会发现一些有趣的见解。让我们开始吧。

剧透预警

如果你还没有看最新一集并打算看的话，那么前方可能涉及剧透。建议先耐心追完剧再看，如果无所谓的话，那么继续看关于《权力的游戏》S7E1的数据解读吧。

收集数据

由于缺乏真正抓取数据的经验，我经过了抓取数千条“权力的游戏”相关推文的过程。进而，我决定抓取只标记了#GoT的相关推文。事实证明这已足够，因为我在一周内共抓取了超过215,000条推文。更重要的是，在首播期间就有超过25,000条实时推文。这些将作为我分析的主干。

关于首映

正如人们所想象的那样，随着时间的推移，人们对该剧回归首集的兴奋之情也逐渐升温。下图显示了7月10日-7月18日一周内相关推文的数量。

在11日和13日可以看到一些波动。老实说，我不太清楚这是什么原因，通常可能是由于炒作或者发布了头条新闻。

更明显的是，可以发现在剧集播放的一小时内数据出现了一个明显的高峰。接下来，让我们单独分析这一个小时内的实时推文情况。

播放时的推文活跃情况

从来自世界各地关于《权力的游戏》的近25,000条推文中，我们可以了解到许多信息。下图中可以看到精确到分钟，在首集播放的那一个小时内，推文数据的活跃程度并不是完全不变的。

可以马上注意到：有4个时间段，推文数量达到峰值。下面让我们具体看看，峰值期间剧情到底发生了什么：

0-4分钟（被提及约800次）：剧集刚开始，艾莉亚做了重要演讲。

8-12分钟（约1300次）：主题曲时间，我们听到了一直在等待的熟悉旋律。

3436分钟（约400次）：山姆出场，有一段非常不适合吃饭时观看的蒙太奇片段。

4044分钟（约600次）： Ed Sheeran莫名其妙地出来客串。

关键词分析

经过一般行为分析，下面我们来进一步深入分析这些推文的内容。我选择使用nltk包，以便创建整个剧集的推文语料库。

为了证实这个语料库是有意义的，必须采取一些措施。我使用nltk内置的功能删除了所有典型的停用词。接着，我删除少于三个字母的单词。同时我也删除了英语字典中没有的单词。最后，我重新添加了关于该剧的术语，比如人物的名字。比如由于某种原因，“丹妮莉丝”（daenerys）就未收录在英文字典中。

现在，我们已经清理了这个包含超过50万不同词汇的巨型语料库，可以开始分析数据了。为了对该语料库进行可视化，我创建了20个最常用单词的数据框架，以及词云。

正如所看到的，提及最多的词是“首映(premiere)”（没毛病）。接下来，还有一些有趣的关键词，如“红色(red)”，“乔拉(jorah)”和“瓦里斯(varys)”。稍后我将进一步对人物角色进行分析。这里所有关于“红色”的推文，可能均指向剧集开端艾莉亚精心策划对血色婚礼(red wedding)的复仇。此外，“黄老板(sheeran)”被提及超过4000次，排名12，好的吧。

被提及的角色

在剧集结束时，我们经常会与朋友讨论：“哪个角色赢了(或输了)？”通过数据分析，我们可以更准确地回答这个问题。

得到的结果非常有趣。乔拉为第一位(由于他悲催的遭遇)，被提及超过6000次。瓦里斯与之不相上下，位居第二(不太记得为什么会这样…..)。之后，分别是：艾莉亚，囧，瑟曦和珊莎。令我感到惊讶的是，尽管作为最后15分钟的焦点，丹妮莉丝却位居第七。我猜可能是因为她的名字难写吧，也可能是错的。最后是阿多(Hodor)，他以被提及了超过500次挤进前十。Hodor。