Walker、Biter、The Governor、Negan、JSS、Terminus——如果这些词像我说的那样让你血压升高，那么你可能和我一样是电视剧《行尸走肉》的忠实粉丝。
如果你是这部剧的粉丝，但还没有看完第七季，那么现在是停止阅读这篇文章的好时机，因为会有剧透。 你已被警告！
《行尸走肉》改编自一部广受欢迎的漫画系列，讲述了副警长瑞克·格莱姆斯带领一群幸存者度过僵尸末日的故事。 虽然僵尸造成了很多问题，但我们很快了解到，敌对的幸存者群体是瑞克及其随行人员福祉的最大威胁。
随着节目第八季即将开始，我很兴奋地找到并分析了一些与《行尸走肉》相关的数据。 每当我想了解一些东西时，我都会去维基百科浏览一下表演的入口. 使用互联网开放特色在JMP和一些表格合并，我能够毫不费力地把关于行尸走肉的数据集放在一起。 我的数据集包括观众人数、编剧、导演和每集的简短描述（一段左右）等信息。 下图让您了解我的决赛桌是什么样子的：
A sample of what the data look like数据的样例
*****剧透警告！ 这是你在有严重剧透之前停止阅读的最后机会！*****
我想看的第一件事是剧集描述的摘要。 文本浏览器平台被添加到JMP 13 ，它很快成为我最喜欢的 JMP 部分之一。 文本资源管理器是快速开始探索非结构化文本数据的好方法。 将每一集的描述输入文本资源管理器后，我喜欢做的第一件事就是查看最常用术语和短语的列表。
A list of common words and phrases in episode descriptions剧集描述中的常用单词和短语列表
对于节目的粉丝来说，术语列表应该不会太令人惊讶。 它或多或少是节目中人物的名人录。 Rick 是剧中的主角 Rick Grimes。 我们看到了其他一些主要角色，例如 Darryl、Carol、州长和 Michonne。 “行者”是许多角色用来指代僵尸的术语，因此它排在榜首也就不足为奇了。
流行短语列表让我们想起节目中的一些主要故事情节。 瑞克和他的幸存者小组与尼根和救世主作战，遇到成群（和成群！）的步行者，并试图保护他们在亚历山大的大院。 我们还想起了瑞克和肖恩之间的权力斗争以及格伦和玛吉之间的浪漫。 正如我们在这里看到的，即使只是查看常用术语和短语列表，也能为我们提供很多关于每一集描述的信息。
Text Explorer 提供了另一个有用的工具来寻找文本数据中的趋势——主题分析。 我的同事劳拉在一个主题分析中提供了一个很好的解释最近的博客文章. 看看《行尸走肉》剧集描述中包含的前 10 个主题，我们可以清楚地分辨出目前已经展开的一些主要故事情节。 第一个话题似乎来自第三季，里克和他的团队在监狱里居住，必须在总督领导的附近小镇伍德伯里保卫自己。 监狱被摧毁后，Rick 和他的团队分开并最终在 Terminus 重新聚集，我们在主题 5 中看到了这一点。 我们可以逐个主题地讨论（我鼓励你在评论中这样做！），但我认为作为一名统计学家和节目的粉丝，我认为这很酷就足够了主题分析能够恢复故事情节。
Topic Analysis of episode descriptions情节描述的话题分析
现在，如果您是该剧的粉丝，您就会知道《行尸走肉》第七季一开始就令人震惊：超级恶棍尼根杀死了粉丝最爱的亚伯拉罕和格伦。 本季首播似乎让很多粉丝感到不安和不安，所以我想知道人们是否因此停止观看该节目。 我从维基百科下载的数据包括观众人数，所以我准备好拟合模型并查看观众人数随时间的变化情况。
现在，在 DVR 和流媒体时代，观众人数意味着什么？ 我不太确定，但这是衡量节目受欢迎程度的（粗略）衡量标准。 如果我们将观众人数与时间作图，那么在格伦和亚伯拉罕发生的事情之后，肯定会有一些粉丝不在乎。 和这个故事这表明本季在首映后并没有好转，因为最不受欢迎的剧集列表包含了第七季的大部分内容。
Figure 1: Number of viewers for each episode of The Walking Dead图 1：《行尸走肉》每集的观众人数
为了了解该节目的收视率，我拟合了一个具有协变量的变点类型模型，类似于我之前所做的发表关于勒布朗詹姆斯的文章. 在这里，我在广义回归平台中使用套索JMP临拟合一个模型，该模型将容纳移动平均线以及其他效果，例如剧集的作者、导演和异常值。 知道一集的编剧或导演似乎不会影响观众观看或不观看一集的决定，但我当然不会排除这种可能性。 该节目的粉丝可能非常专注，或者至少专注于观看 The Talking Dead - 每集之后的现场回顾节目。
那么我们的模型告诉了我们什么？ 一方面，它证实了编剧和导演似乎并没有真正影响观众的数量。 它还表明，本季首映往往会增加近 100 万的额外观众。 这应该不足为奇，因为该节目总是做得很好，让我们在季节之间徘徊并为首映营造紧张气氛。 同样，季终集也增加了大约 100 万观众。 还有一些离群的剧集，例如第七季首映的“当你不在时，那一天会到来”。 同样，不足为奇。 第六季的结局让尼根对瑞克的团队做了一些激烈的事情，人们对“你不会成为的那一天会到来”产生了强烈的期待。以下是最大的离群剧集的摘要，以及比预期多（或少）观看了数百万观众的人数。
但现在到了一个大问题：在内根杀死格伦和亚伯拉罕后收视率下降了吗？ 一旦我们针对模型中的异常值、主管和其他协变量进行了调整，我们就会得到如图 2 中所示的基本均值函数。 图 1 中的原始数据图过于嘈杂，无法就正在发生的事情得出任何结论，但趋势描绘了一幅更加清晰的图景。 这个情节表明，大约 400,000 名观众在第七季首播后立即停止收看。 而在接下来的五集中，观看人数下降了约200万。
Figure 2: Estimated trend function for the number of viewers图 2：观众数量的估计趋势函数
当然，相关性并不意味着因果关系，所以我们不能说亚伯拉罕和格伦的离开导致人们停止观看（但是，这个故事肯定暗示因果关系）。 也许节目已经在幻灯片上了？ 我们的趋势函数表明，观众人数在第 50 集和第 68 集之间达到顶峰，即第四季后期到第六季首播之间。 我认为这是该系列中的一个重要延伸（当然除了“Slabtown”，那一集让我很快就睡着了）；瑞克和他的船员们从终点站来到了亚历山大港。 但随后我们的趋势在第六季期间稳步下降了近 100 万观众。 第六季包括格伦臭名昭著的假死；当然，故事情节必须让一些粉丝失去兴趣（我接近了。 我真的不喜欢那样）。
所以随着新赛季即将开始，你可以打赌我会观看。要让我放弃演出，不仅仅是失去几个主要角色。 毕竟，我已经失去了节目中几乎所有我最喜欢的角色：Shane、Tyreese、Abraham。 但我还有一个仍然坚强的人。 继续挂在那里，卡罗尔！
内容丰富且易于理解。 我是 JMP 和 Text Explorer 的新手。 我已经开始对数千份医疗笔记进行文本分析。 在这些注释中，有许多词应该被排除在外。 换句话说，通过停用词清理大量数据。 有没有更简单的方法来对选定的单词和短语列表执行文本分析？ 我有我的列表，但不知道如何将列表合并到文本资源管理器中。 此外，这些选定单词的上下文也很重要。 如何考虑上下文？ 我知道我可以显示相关的文本和文档，但是在许多文档/注释中重复了很多次单词。 有什么想法/建议吗？
谢谢，
有趣的分析/图表！ 那个时候我不再看这个节目了，但不是因为亚伯拉罕和格伦被杀了，据说。 在该系列的开头，我喜欢他们处于“发现阶段”并弄清楚有关僵尸和生存的事情。 然后它进入肥皂剧阶段（开始变得无聊）。 然后它进入了活人之间毫无意义的暴力/卑鄙——对僵尸的暴力是可以的，但我真的不想看人与人之间的暴力（不仅仅是亚伯拉罕和格伦被杀，但总的来说）。 那是我停止观看的时候。
