说说节奏的那些事——EP3 折戟沉沙铁未销
声明：
0x00. 非引战，非水军，非反串，非卫兵。
0x01. 本系列文章不受任何企业、组织、集体、个人指使。
0x02. 本系列文章与任何企业、组织、集体、个人没有利益关联。
0x03. 本系列文章仅为个人感想绝无任何衍生含义。
0x04. 本系列文章不存在贬低任何同类游戏，竞争厂商，玩家群体和游戏制作群体的衍生含义。
0x05. 本系列文章篇幅较长，分多篇发布。
0x06. 骂和喷是你们的权利，我无权干涉，但既然我是亮明数据的，即便你不用数据喷也学习一下隔壁《政治操弄难掩抗疫不力事实》系列文章的批评手段再喷。
0x07. 本系列文章是用来分析问题的，不是用来宣泄情绪的，水军不要在这里开足马力，你在一个不发视频的up下面水是没有作用的，你们的时间很宝贵，请注意这一点。
0x08. 本系列文章绝无任何专业歧视、学位歧视、地域歧视及其他任何衍生含义。
0x09. 本人能力和水平极其有限，请多多包涵。
0x0A. 本篇有一些建议，水军和舟黑可以参考一下。
本期内容：以明日方舟2021年夏日嘉年华pv在B站的评论为例，分析一下此次风评的一些变化过程和一些数据。
截止作者写到这为止，节奏仍然没有结束，就在我写这篇文章的时候仍然有用户对我的专栏发表不实（至少我认为不实）言论，我可以理解。
为了避免不必要的争端，我在通过与学长和长辈的交流之后，降低一下上次专栏的一个假设条件，即官方没有大规模删评，目前我们得到的数据可信度是足够的。至于是否删评，在没有官方出面回应或平台调查结果出来之前，此事既不能被证实，也不能被证伪。无论是从删评动机和实际效果对比的角度出发，还是从评论数量的减少与账号被封禁角度出发，都不能断言此事。
同时，对我本次爬虫得到的评论进行一下说明：
数据经过初步处理，部分完全乱码、字符评论等已被剔除，通过爬虫共爬到评论40025页，获取有效评论数量617613条评论，分析可能是由于没有获取回复的评论，而B站的评论数量包含回复的评论。
（当然，有些人就是说我数据水军，说我不客观处理数据，那你杠就是你对）
数据统计截止pv发布起计算的第231个小时，跨度11天，但实际上不到十个整日。
顺带一提，本次图片有的很大，我不太清楚手机版看起来到底是什么效果，如果实在是看不清甚至没法看了的私信我一下，若需要我可以把专栏的几个图发个动态。
首先，是宏观数据。
通过暴力方法，将所有完全一样的评论进行去重，保留唯一值，共发现287566个重复评论，复制率46.56%。乱码因为可以改变评论的内容，所以不会识别成完全一样的评论，不会去重，所以我将这个比率命名为“复制率”。如果用字节为单位进行计算，未去重的评论总计320820431字节，去重后的评论总计192807545字节，复制率39.90%。
通过筛选方法，统计发了N条评论的人发的评论数量，得到如下表。
由此可得，发一条评论的用户发了全部评论的4%，发17条及以上评论的用户发了全部评论的75%，发72条及以上评论的用户发了全部评论的一半，最多的人发了2386条。
从用户数量上看，第一名发了2386条评论，第二名2302条，第三名1890条，共有17名用户发布评论数量大于1000，73名用户发布评论数量大于500（这73名用户贡献了11.1%的评论），1013名用户发布评论数量大于100（这1013名用户贡献了42.2%的评论），总计有5.9W用户发表了评论。
接下来是偏向于微观一点的数据。
我对从pv发布以来按照发布时间每隔一小时进行分划，得到每个小时的评论，先对这分划到的文件进行一下宏观的观察，能得到以下两张图。
pv发布的时间是20:15:10，因此开局过一会大家就睡觉了，图上出现的十个低谷也对应了十个夜晚，可见用户们还是符合人类的基本作息的。
但是接下来就有意思了：
采样点231个，有8个（3.5%）采样点平均字数突破了500，最高达到了577.54；42个（18.2%）采样点平均字数突破了400，112个（48.5%）采样点平均字数突破了300，158个（68.4%）采样点平均字数突破了200。
在此给出参考数据：著名的“一十五条”，不加乱码的原始版本字数是330左右。
可以看到，许多用户在评论区“神采飞扬”，“挥毫泼墨”，一篇篇大小作文“跃然屏上”。
对每小时的评论进行关键词提取（还是jieba分词，我们的老朋友了），取前250个关键词，根据Top1的重要程度进行排序，得到如下统计图（可以认为，某个词的重要程度越高，这个词的出现频率越高，虽然不是完全正比关系）：
可以看到，在前57个小时，关键词“限定”一直处于霸榜状态（注意，假日威龙陈的动态发布时间是自pv发布起第70个小时），此后一段时间一直是“限定”“礼包”“模组”“芯片”“干员”等词轮流坐庄。
“优先级”一词自第101小时开始拔得头筹，坚挺了16个小时且重要程度也处于高位（198礼包调整是第95个小时，下一个动态是7月30日的更新预告，时间是第112个小时；再下一个是模组的专栏，时间是第117个小时），之间穿插有“模组”；此外，同时间“模组”一词也在高位徘徊。
之后，关键词“限定”“干员”“卡池”重回榜首，兼有“八月”“冲冲”“&#”（这应该是一个表示愤怒表情的emoji）“yjfm”，此状态持续到第184个小时，也就是可露希尔第八话和铁人采访第五篇之间的时间，距离铁人采访第五篇的动态发布还有四个小时左右。
在之后，由关键词“心心”（著名B站表情），“call”（著名B站表情），“玩家”等词汇登顶，这个状态持续到第216小时，即夏活正式开始后的三个小时，当天晚上七点。
这一阶段，有一个词“取关”，于第195-198小时以压倒性优势夺冠，对应现实时间的2021年8月2日的22:00-02:00之间。不过，这段时间还没啥评论，四个小时累计评论数量仅有4.5k（虽然这个数字已经很恐怖了，但是在明日方舟现阶段算是比较低的一个数据）。
216小时后直到统计截止，是“还水”（我通过简略浏览那段时间的评论，认为这个“还”字读huan音而不是hai音）“水月”“please”的舞台。
这是top1的统计结果。
接下来是评论区热词top250上榜次数的排名。
“yj”一词比较特殊，Excel的逻辑是不区分大小写，所以超过了满分231（去除大小写干扰因素之后仍然是231）。
除开“鹰角”系列词汇，对四个满勤的词汇，做一下排名和重要程度的统计：
可以看到，“限定”一词即使在中途“痛失”头把交椅，排名仍然比较稳定，直到后期才有大幅度的波动；“玩家”一词在100-118小时区间有过波动，我们之前分析过原因（“优先级”当头），在160小时后仍然出现一定规模的波动，并于215小时之后开始大规模波动；“异格”一词与“玩家”比较像，除了后半段波动非常剧烈以外前面大部分时间两条曲线走势比较吻合。
“游戏”曲线和之前三个相比似乎毫无规律，前24小时还能和三个词“并驾齐驱”，之后有的时候想起来了提一嘴，想不起来了就下去了。
下一个图也是这四个词的，只不过是重要程度统计：
假日威龙陈出场时间是第70小时，而“限定”对应的那一个波峰是从第100小时开始的，那一股强劲的波峰对应的时间是7月30日0:00-7:00，那一段时间有一万条评论，同时霸榜的是“优先级”，“模组”也穿插其中。
以上是数据展示部分，也是本篇文章的主体，不想看个人观点的可以退出了，以下涉及的内容不会过多地出现之前没展示的内容。
根据明日方舟二周年直播的统计，四次危机合约全部杀穿SSS（16级）的用户数为81W，考虑到有些人黄铁行动打不过的问题，方舟的活跃玩家数量应该在百万级别；而截止8月4日，评论区的用户数量只有5.9W，将近一半的评论却是由平均一天评论十条的仅仅一千名用户贡献得到。
此外，评论长度严重偏高，评论复制现象也非常严重。
近七成的时间平均评论字数超过200，有的时候平均都达到500+。
哦对了，我在处理数据的时候发现逐小时关键词有六个是视频，为了保护做视频的up主我不在这里放BV号了。
剩下的，我暂且不做讨论，我们之后再说。
最后，给水军和舟黑（看好了，我说的不是全体评论区冲锋的账号们，别硬喷）一点建议。
csv格式是以英文逗号分隔，下次发布评论原稿供大家复制之前记得在评论中反复打上","的字样，这样可以初步干扰爬虫得到的文件。
Excel一共有1048576行，为了不让我使用Excel而必须使用panda，应该将评论数量冲到120万以上（考虑楼中楼，要做足提前量），这样才有爆掉一张Excel表的可能。
制表符也很关键，评论时记得带。
英文符号和字母作为乱码是很容易被数据清洗洗掉的（我没有做这一步，但清洗就是一行或者几行代码的事），下次再写乱码可以使用中文汉字。
一定要记得改乱码，这次复制率高达46.6%，数倍于论文抄袭的标准，可以说非常失败。
最后，感谢各位活跃于评论区的冲锋手们，我现在的工作量已经增加到四本教材和十一篇论文了，至少你们的努力丰富和充实了我的假期生活。
