怎样让Python推荐电影 - 初试tushare

周末想看电影，但影评网站水军太多，如果能统计近期正在上映影片的观影人数走势图，就可以直观看出谁更具有成长性。比如口碑好，有内涵的《药神》，上映初期票房不显眼，随着口碑发酵，后期票房逐步走高。
恰好tushare金融数据源有提供中国市场电影票房历史数据，于是就写了python程序，利用历史每日票房数据，得到了近10日观影人数走势图：

图上可以看到：

• 蜘蛛侠在上映12天后，仍然稳坐第二，后劲绵延不绝，应该能值回票价；
• 上映19天的千与千寻最近2周已表现乏力，国内重映的片子，票房通常都不太理想，家长带孩子怀旧一波自己的童年后，更多人还是更愿意在家看；
• 扫毒2在上映5天后，迎来第一个周末，冲高到400万人次，势头很猛，留待观察，如果这个周末能保持这个冲劲，就很值得一看了；
• 同样是刚上映5天的爱宠大机密2，上周末只有不到100万人次观看，如果本周还是这个数量级，说明观看人群仅限于家长陪同孩子，剧情偏向儿童，受众面较窄；

言归正传学编程

tushare是国内爱好者为Fintech人士提供的免费金融数据源，后台数据来自交易所和新浪财经，现在演化到了pro版，接口格式主要有Python和HTTPS，详见 新版官网 和 旧版官网，本文使用的是旧版tushare接口，官网说明摘要如下：

• 调用方法：

import tushare as ts
df = ts.day_boxoffice('2019-07-10') 

• 输入参数：date，参数为空则默认取上一日
• 返回结果：
  AvgPrice 平均票价
  AvpPeoPle 场均人次
  BoxOffice 单日票房（万）
  BoxOffice_Up 环比变化 （%）
  IRank 排名
  MovieDay 上映天数
  MovieName 影片名
  SumBoxOffice 累计票房（万）
  WomIndex 口碑指数

闲话少说上代码

1. 首先 import tushare 包和画图的 matplotlib 包：

import tushare as ts, datetime  #导入tushare包
import matplotlib.pyplot as plt #导入画图包

2. 程序主框架，其中自定义函数后面会逐一介绍：

if __name__ == '__main__':
    days = 10 # 经测试旧版tushare不提供早于10天的数据
    # 得到最近指定天数的日期字符串列表，格式：YYYY-MM-DD
    date_list = getDateList(days)
    # 得到最近几天的电影票房数据，list of dataframe
    movie_data_list = getMovieData(date_list)
    # 返回一个可用于保存结果数据的列表，内嵌观影人数列表
    result_list = constructResultList(movie_data_list)
    # 汇总最近几天放映的所有电影的观影人数
    result_list = countMoviePeople(movie_data_list, result_list)
    # 根据最近几天所有放映电影的观影人数，绘制线图
    drawLine(date_list, result_list)

3. 定义函数getDateList，得到最近指定天数的日期字符串列表，日期格式YYYY-MM-DD

def getDateList(days):
# 输入参数days表示指定向前取的天数
    date_list = []
    for i in range(days,0,-1): #从days开始每次减1
        strDate = (datetime.date.today() \
            - datetime.timedelta(days=i)) \
            .strftime('%Y-%m-%d')  
        # 日期格式：YYYY-MM-DD
        date_list.append(strDate)
    return date_list
    # 返回列表形如['2019-06-29','2019-06-30', ...]

4. 定义函数getMovieData，从tushare得到指定日期的票房数据集dataframe：

def getMovieData(date_list):
# 输入参数date_list就是最近指定天数的日期列表   
    movie_data_list = []
    for date in date_list:
    	# 从tushare获取指定日期的票房 dataframe
        dfMovie = ts.day_boxoffice(date)
        movie_data_list.append(dfMovie)
    return movie_data_list

5. 定义函数constructResultList，返回一个可用于保存结果数据的列表List，其元素是字典Dict，字典第一个key-value是电影名称，第二个是观影人数列表（按日期从远到近排列），第三个是上映天数。该函数从tushare提供的dataframe列表中，统计最近几天放映的所有电影名，此时观影人数还未统计。

# 返回一个可用于保存结果数据的列表，内嵌观影人数列表
def constructResultList(movie_data_list):
    result_list = []
    all_movie_name_list = [] # 最近放映电影名列表  
    for movieData in movie_data_list:
        movieNameList = movieData.MovieName
        for movieName in movieNameList:
            if movieName not in all_movie_name_list:
                all_movie_name_list.append(movieName)
    # 构造业务主键为name，内嵌观影人数列表的列表 result_list
    for name in all_movie_name_list:
        result_list.append({
            'name':     name,   # 电影名称
            'people':   [],     # 观影人数列表
            'movieDay': None    # 上映天数
        })
    # 从最近一天的票房数据dataframe中获得电影已的上映天数
    movieData = movie_data_list[-1] # -1即取列表最后一个
    for result in result_list:
        numMovie = len(movieData.MovieName)
        for i in range(numMovie):
            if result['name'] == movieData.MovieName[i]:
                result['movieDay'] = movieData.MovieDay[i]
    
    return result_list

6. 定义函数countMoviePeople，汇总最近几天放映的所有电影的观影人数：

# 汇总最近几天放映的所有电影的观影人数
def countMoviePeople(movie_data_list, result_list):
    # 遍历最近每天的电影票房数据集 dataframe
    for movieData in movie_data_list:
        # 当日放映的所有电影名称列表
        movieNameList = movieData.MovieName
        # 单日票房（万）列表
        boxOfficeList = movieData.BoxOffice
        # 平均票价列表 
        avgPriceList = movieData.AvgPrice 
        # 遍历最近放映的所有电影列表
        for result in result_list:
            foundMovie = False # 是否当日放映了该电影
            # 遍历当日放映的所有电影列表
            for i in range(len(movieNameList)):
                movieName = movieNameList[i]
                boxOffice = boxOfficeList[i]
                avgPrice = avgPriceList[i]
                if  result['name'] == movieName:
                    # 该片当日观影人数 = 当日票房 / 当日平均票价
                    countPeople = int(boxOffice)/int(avgPrice)
                    result['people'].append(int(countPeople))
                    foundMovie = True # 当日放映了该电影
            # 当日没有放映该电影，则当日观影人数为 0
            if foundMovie == False: 
                result['people'].append(0)
    
    return result_list           

7. 定义函数drawLine，根据最近几天所有放映电影的观影人数，绘制线图

# 根据result_list保存的最近放映电影的观影人数，绘制线图
def drawLine(date_list, result_list):
    # 用于正常显示中文标签
    plt.rcParams['font.sans-serif']\
        =['SimHei'] 
    # 剔除日期字符串前面的4位年份和-字符
    for i in range(len(date_list)):
        date_list[i] = date_list[i][5:]
    # 将电影已上映天数或已下映信息加到片名后面
    for result in result_list:
        if result['movieDay'] == None:
            result['name'] += '(已下映)'
        else:
            result['name'] += '(上映'\
                 + result['movieDay'] +'天)'  
        # 最近上映的每一部电影都绘制一条折线
        plt.plot(date_list, result['people'],\
            label=result['name'])

    plt.legend() # 添加折线说明，loc默认best
    plt.ylabel('观影人数次(万)')
    plt.title('观影人数走势图')
    plt.show()