然后特朗普赢了 。
在大选时， 因为不喜好一小我而选择别的一小我是常见的现象， 但对片子来说， 不存在直接的否决机制 。 我不喜好看这个片子， 也没法卖空， 也不会拼命去看另一部片子， 这没意义 。 所以如果不喜好一部片子， 除了评论和在软件上打分， 其他也啥都做不了 。
是以， 疆场才汇聚到了豆瓣身上 。
但正如希拉里败选后没法去怪罪大选轨制一样， 因为豆瓣上的差评在首页排名很高就去怪罪豆瓣的话， 还不如去想一下， 那些让你们看不顺眼的一星差评， 为啥会拿到 6.5 万个、4 万个、3 万个【有效】？
把这几万个点赞全数当当作【牧羊犬】【跪久了】， 说几句【尔曹身与名俱灭】之类的标致话， 对理解这个问题， 有帮忙吗？
短评第一名是 5.6 万个【爱国者】， 短评第二名是 6.5 万只【牧羊犬】， 很让人欢快吗？
这篇文章从这里才真正起头 。 我们想要研究的一个问题是——豆瓣的用户， 和真正去看片子的用户， 事实有什么纷歧样？为什么会纷歧样？这样的差别会造当作什么？
起首， 我们给每一部片子做一个用户画像 。
片子的用户画像并欠好做， 起首， 在线购票的比例固然到了九当作， 但并不知道这些票都是给谁买的 。 其次， 对在线购票者本人来说， 他们的画像也不一定精确 。
是以， 我们利用生齿普查分区县数据和各区县的票房和人次数据来完当作这个画像，
如下：
1， 片子
的总不雅影人次为
， 此中在区县
的不雅影人次为
。
2，
， 暗示每一个片子
在分歧区县
的不雅影比例 。
3，
暗示昔时区县
的不雅影总人次， 用每个区县的不雅影总人次除以昔时全国不雅影人次
， 获得
， 暗示昔时所有全国不雅影人次中分歧区县
的不雅影比例 。
4，
， 暗示区县
在片子
中的不雅影比例大于区县
在所有片子中的不雅影比例的水平， 可以理解为， 是区县
5， 对于每一个片子
猜你喜欢
- 猫嗓子哑了是什么造成的
- 为什么春茶好而夏茶出了问题？
- 微信如何知道对方是否删除了你？
- 猫咪生病了不吃东西怎么办
- 怎么升级miui9
- 怎么强制关闭程序
- “粗枝大叶”的黄大茶，你了解吗？
- 立春了手抄报
- 煎饺 速冻锅贴怎么煎？
- 喝茶等于喝农药?我们又被套路了吧