更多项目代码，领取方式在文末
对猫眼电影网站的Top100榜单进行数据分析，寻找好电影中隐藏的规律和价值。
源数据:
一份从猫眼电影网站爬取的csv文件。
字段：电影名，主演，上映时间及地区，平均，时长。
记录：100个按评价排序的好电影
部分截图：
相关工具:
excel、python
分析内容：
分析1: Top100电影地区分布
分析2: Top100电影上映年份分布
分析3: Top100电影风格分布
分析4：铸就经典!谁是好电影保障？
正文
01导入库、整体风格设置
说明：
导入numpy、和pandas用作数据分析基本库。
导入matplotlib和seaborn用作可视化。
最后三行，使中文内容能够友好的展示出来。
02导入数据
pd.read_csv导入数据
03数据处理
1.将’上映时间及地区’列 分成 '上映年份’和’上映地区’两列
2.将’上映地区’列中的’中国香港’改为’中国’，‘法国戛纳’改为’法国’
3.成功得出需要的格式
04数据分析
分析1: Top100电影地区分布
代码：
可视化：
结论：结果估计和大家的预料差不多，虽然此数据是由大多数中国网友投票得出的，但是美国还是几乎包揽了榜单的一半。毕竟美国作为电影制造大国，无论从制作水平，剧情设置，硬件设备等方面都远远领先其他国家，我们熟知的好莱坞也是大片频出。值得一提的是，日本的上榜数竟然有10部电影之多（国内也才16部）看来中国影迷对日本电影还是有不错的评价的。
分析2: Top100电影上映年份分布
代码2.1：
可视化2.1：
代码2.2：
可视化2.2：榜单前20
结论：
通过可视化结果2.1得出，从上世纪90年代到现在，榜单中电影分布相对均衡，这与大家经常听到的”这年头烂片横出，好电影越来越少”背道而驰。看来不是好电影越来越少了，而是拍电影的人越来越多了，好片率下降，使人们觉得好片越来越少了。但其实这并不影响每年的那几部好电影的“横空出世”、
通过可视化结果2.2能看出来，虽然前面说了好电影时间上分布还算均衡，但是榜单前19名，却全部都是90年代的电影。看来经典中的经典，还得看90。90年代不愧被称为世界电影史的辉煌。
分析3: Top100电影风格分布
代码：
可视化结果：
结论：
越小众，占比越少(恐怖片，歌舞片)，越大众，占比越多（爱情，喜剧）。这个风格分布其实和全部电影（不只是前100）的分布相似。本身基数小的小众风格先天不足，很难在这个榜单中占据多数，而剧情、爱情、喜剧这类老少皆宜，大家都爱看，大家都爱拍的电影基数特别大，能够占据更多的位置是情理之中。
分析4：铸就经典!谁是好电影保障？
代码：在榜单中出现次数超过3次的演员
结果：用了excel展示（比较舒服）
结论：
哥哥张国荣无敌！Top100榜单中有16个国产电影，这其中竟有7部都有张国荣参演。看来不仅歌唱到了顶峰，连演技也都到达了顶峰。真是让人意料之外，又情理之中。
系列电影沾了便宜。像大话西游，蝙蝠侠这样的系列电影，一拍几部，同时上榜，似乎比单部电影累计简单许多，余下没有展示出来的多个上榜两部电影的演员也大多数都是依靠系列作品上榜两次的。而这也侧面看出张国荣7部单部累计的恐怖之处。
共铸经典。细心的人也许会发现这些演员很大比例都是共同参演了同一电影。例如，梁朝伟除了无间道外，其他3部全是和张国荣一起主演。这说明，排在电影顶峰的真正好电影不是一个好演员铸就的，而是众多优秀的演员,还有导演，制片等各方人员一起努力创造出来的。
由于文章篇幅有限，文档资料内容较多，需要这些文档的朋友，可以加小助手微信免费获取，【保证100%免费】，中国人不骗中国人。
**（扫码立即免费领取）**
全套Python学习资料分享：
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
二、学习软件
工欲善其事必先利其器。学习Python常用的开发软件都在这里了，还有环境配置的教程，给大家节省了很多时间。
三、全套PDF电子书
书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。
四、入门学习视频全套
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
五、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
如有侵权，请联系删除。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
