mou年电影国内票房最高的演员是谁

文末有福利领取哦~

👉一、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。

👉二、Python必备开发工具

👉三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉 四、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。（文末领读者福利）

👉五、Python练习题

检查学习结果。

👉六、面试资料

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。

👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传

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。

需要这份系统化学习资料的朋友，可以戳这里获取

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！

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：

1. 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
2. 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
3. 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
4. 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
5. 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：

1. 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。
2. 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
collections = db.movies # 获取或者新建了一个表
url_origin = 'http://www.cbooo.cn/Mdata/getMdata_movie?area={area}&type=0&year=2018&initial=%E5%85%A8%E9%83%A8&pIndex={page}'
url = url_origin.format(area=area, page=page)
req = requests.get(url, headers=headers)
data = req.json()
collections.insert_many(data['pData'])

获取豆瓣信息

url_api = 'https://api.douban.com/v2/movie/search?q={}'.format(moviename)
req = requests.get(url_api, headers=headers)
data_total = req.json()['subjects']
if not data_total:
    print('你搜索的不存在：', moviename)
else:
    print(data_total[0])

计算影人参演票房总和

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。

需要这份系统化学习资料的朋友，可以戳这里获取

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！