感谢每一个认真阅读我文章的人,看着粉丝一路的上涨和关注,礼尚往来总是要有的:
① 2000多本Python电子书(主流和经典的书籍应该都有了)
② Python标准库资料(最全中文版)
③ 项目源码(四五十个有趣且经典的练手项目及源码)
④ Python基础入门、爬虫、web开发、大数据分析方面的视频(适合小白学习)
⑤ Python学习路线图(告别不入流的学习)
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
- 由于从几个不同网站抓取数据,有些名称会不一致,或者出现部分数据缺失的情况。因此这个数据并不是绝对完整的,但不影响整体结论
- 影片所属类型没有严格定义,且会有多个类型。实际选取方式我们在下面会有具体说明。
电影总排行:
这个排名大家都不陌生,没啥好多说的,好玩的在后面。
票房分布
我们将所有电影按评分和票房做成散点分布图,得到上述图片。此图是动态可交互的,这里我截几张有代表性的(点击图片后可放大):
依次是动作、喜剧、剧情、动画四类电影分布。粗略一看,动作片是比较受市场欢迎的,毕竟选择去观看大屏幕,很大程度也是为了享受特效和视听感受。喜剧和剧情也还不错,但高票房的动画片就很少了。
类型片
这张图是不同影片类型的数量和评分情况。剧情、喜剧、动作是三大主流类型。
从评分上看,动画片最高,我很早就发现了这个现象,我觉得可能是因为动画片类型明确,会观看并评价的人本身对其接受度高,而不喜欢的人压根儿就不会去看。剧情片整体评分也不错,可见能把一个故事说好,观众就挺满意了。爱情片、惊悚片则是一向是烂片的高发地带。
说明下:这里的类型是重复计算的,一部片会既是动作片,又是喜剧片。另外由于豆瓣上一些电影评分数量太少而不显示,所以这里的电影数量会和票房数量有所差异。
从票房上看,动作片不管是总量还是平均,都很强势。值得注意的是科幻片,虽然一般认为这是个小众类型,但与广义科幻沾边的影片平均票房却不低(这里面Marvel贡献了不少),今年的小破球更是创造了新的纪录。战争片则是被《红海行动》一片之力拉高了平均值。
月度票房
将类型片的票房按月划分,得到了这张图。**春节档无疑是一年最抢钱的档期,而喜剧片又是此档期的绝对主力。****暑期档则是另一个票房小高峰。**动作片一年四季都不错。
这里的月度划分是按首映日期,所以会有一些提前,比如国庆档的票房都记在了九月份。
以上面几组数据来看,如果哪位土豪读者想投资拍电影,选择动作片是比较保险的,记得要把故事说好,最好再加点科幻元素,在春节前上映。
评分对比
这里做了 IMDB、时光网、猫眼分别和豆瓣评分的关系对比。
按理说,如果两个网站的评分基本一致的话,这些点应当分布在对角线上。IMDB、时光网和豆瓣还是差不多的(豆瓣其实是5星制,最低2分)。再细分一下,时光网和豆瓣的相关性要比 IMDB 更大(文化差异),好片比烂片的相关性更大(好片都说好,烂片则口味不同)。
有意思的是猫眼(最右侧图),它的评分普遍要比豆瓣高,相信很多人都有直观感受。当然这也有它的原因:猫眼买了票的人才会评分,那一般总归会选个自己爱看的吧。
【彩蛋】图上右下角有个令人瞩目的孤点,这部电影是个例外,它猫眼评分2.9,豆瓣却有6.9,你知道是哪部吗?(可以留言猜一下,我待会儿在留言中公布答案)如果你了解此片背后的故事,定会一拍大腿恍然大悟。
演员
好了,到了公布最终结果的时候。
第一名:王成思
参演电影:《西虹市首富》25亿;《唐人街探案2》34亿;《李茶的姑妈》6亿
这……是谁啊,演的谁……
斯坦·李凭借各种客串,位列第3。而另一位能在Marvel、DC两道均能跑龙套的约翰·盖蒂尔,也跻身前十,同样也不知道他演的角色……
怎么样,有没有出乎你的意料?现在你可以拿这个去问别人了
所有图表在网页上都是动态可交互的,访问地址请在我们公众号(Crossin的编程教室)里回复关键字 票房
代码也已上传,并附带有说明文档,大致说明了实现思路、文件说明、技术细节。同样回复关键字 票房
如果你想要跟着实现或运行相关代码,我这里再简单说几点。
项目整体思路:
- 通过 中国票房网 获得2018年大陆上映电影和每部电影票房数据
- 根据已有的票房数据,通过豆瓣 api 和详细页面,获得每部电影的导演,演员和豆瓣评分等详细数据
- 分别通过 猫眼、时光网 和 imdb,获取这三个网站的电影评分数据
- 新建影人条目,利用豆瓣获得的影人数据,对2018年每个演员年参演电影进行统计
- 根据已有数据作图,分析2018年电影票房排名、不同网站评分差异、电影票房-评分关系等
开发环境及所需库:
- python 3.6(3.5以上版本应该都没啥问题)
- jupyter notebook - 这个之前介绍过多次,数据分析好帮手
- requests - 网页抓取
- bs4 - 网页文本分析
- pymongo - 本项目用了 mongodb 数据库
- numpy - 数据计算必备
- pyecharts - 绘图工具包 ECharts 的封装
有几点值得注意的是:
- 因为豆瓣的搜索结果是模糊匹配,根据电影名会搜出多部电影,因此匹配豆瓣信息时增加了人工干预的步骤。这部分代码可以再优化。
- 项目使用 MongoDB 作为数据存储,这不是必须的,你可以把这部分代码改成文件保存。另外如果你只是想做数据分析,也可以拿我们抓取好导出的数据,免除抓取之苦。(附带在项目中,仅供学习,请勿商用,否则后果自负)
部分代码(仅演示,完整代码见项目仓库):
抓取并保存
client = pymongo.MongoClient()
db = client.chinamovies # 获取或新建名为 chinamovies 的 database
### 最后
Python崛起并且风靡,因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低,但它的晋级路线很多,通过它你能进入机器学习、数据挖掘、大数据,CS等更加高级的领域。Python可以做网络应用,可以做科学计算,数据分析,可以做网络爬虫,可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多,你需要学好基础,再选择明确的方向。这里给大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
#### 👉Python所有方向的学习路线👈
Python所有方向的技术点做的整理,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。
![](https://img-blog.csdnimg.cn/img_convert/604bae65027d4d67fb62410deb210454.png)
#### 👉Python必备开发工具👈
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,给大家节省了很多时间。
![](https://img-blog.csdnimg.cn/img_convert/fa276175617e0048f79437bd30465479.png)
#### 👉Python全套学习视频👈
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。
![](https://img-blog.csdnimg.cn/img_convert/16ac689cb023166b2ffa9c677ac40fc0.png)
#### 👉实战案例👈
学python就与学数学一样,是不能只看书不做题的,直接看步骤和答案会让人误以为自己全都掌握了,但是碰到生题的时候还是会一筹莫展。
因此在学习python的过程中一定要记得多动手写代码,教程只需要看一两遍即可。
![](https://img-blog.csdnimg.cn/img_convert/0d8c31c50236a205928a1d8ae8a0b883.png)
#### 👉大厂面试真题👈
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
![](https://img-blog.csdnimg.cn/img_convert/99461e47e58e503d2bc1dc6f4668534a.png)
**[需要这份系统化学习资料的朋友,可以戳这里获取](https://bbs.csdn.net/topics/618317507)**
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**