【数据分析可视化】用python分析了5000部票房，发现赚钱的电影都有这些特征~

最新推荐文章于 2024-02-29 19:53:41 发布
最新推荐文章于 2024-02-29 19:53:41 发布
阅读量6k 收藏 22
点赞数 12
分类专栏： # 数据分析与可视化分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43469680/article/details/106129652
版权

1、采集数据

# 基础
import numpy as np
import pandas as pd
from pandas import DataFrame, Series
from datetime import datetime
import json
import warnings
warnings.filterwarnings('ignore')# 忽略python运行过程中的警告

# 可视化
import matplotlib.pyplot as plt
import seaborn as sns
from wordcloud import WordCloud,STOPWORDS,ImageColorGenerator # 导入词云包
%matplotlib inline

2、导入数据

下面是moviedf数据集中部分字段的含义介绍：

id：

标识号

imdb id:IMDB标识号

popularity：

在Movie Database上的相对页面查看次数

budget：

预算（美元）

revenue：

收入（美元）

original_title：

电影名称

cast：

演员列表，按|分隔，最多5名演员

homepage：

电影首页的URL

director：

导演列表，按|分隔，最多5名导演

tagline：

电影的标语

keywords：

与电影相关的关键字，按|分隔，最多5个关键字

overview：

剧情摘要

runtime：

电影时长

genres：

风格列表，按|分隔，最多5种风格

production_companies：

制作公司列表，按|分隔，最多5家公司

release_date：

首次上映日期

vote_count：

评分次数

vote_average：

平均评分·release year：

发行年份

# 导入电影数据
credits_url = '/Users/bennyrhys/Desktop/数据分析可视化/homework/tmdb_5000_credits.csv'
movies_url = '/Users/bennyrhys/Desktop/数据分析可视化/homework/tmdb_5000_movies.csv'
credits = pd.read_csv(credits_url)
movies = pd.read_csv(movies_url)

credits.head()
movie_idtitlecastcrew
019995Avatar[{"cast_id": 242, "character": "Jake Sully", "...[{"credit_id": "52fe48009251416c750aca23", "de...
1285Pirates of the Caribbean: At World's End[{"cast_id": 4, "character": "Captain Jack Spa...[{"credit_id": "52fe4232c3a36847f800b579", "de...
2206647Spectre[{"cast_id": 1, "character": "James Bond", "cr...[{"credit_id": "54805967c3a36829b5002c41", "de...
349026The Dark Knight Rises[{"cast_id": 2, "character": "Bruce Wayne / Ba...[{"credit_id": "52fe4781c3a36847f81398c3", "de...
449529John Carter[{"cast_id": 5, "character": "John Carter", "c...[{"credit_id": "52fe479ac3a36847f813eaa3", "de...
movies.head()
budgetgenreshomepageidkeywordsoriginal_languageoriginal_titleoverviewpopularityproduction_companiesproduction_countriesrelease_daterevenueruntimespoken_languagesstatustaglinetitlevote_averagevote_count
0237000000[{"id": 28, "name": "Action"}, {"id": 12, "nam...http://www.avatarmovie.com/19995[{"id": 1463, "name": "culture clash"}, {"id":...enAvatarIn the 22nd century, a paraplegic Marine is di...150.437577[{"name": "Ingenious Film Partners", "id": 289...[{"iso_3166_1": "US", "name": "United States o...2009-12-102787965087162.0[{"iso_639_1": "en", "name": "English"}, {"iso...ReleasedEnter the World of Pandora.Avatar7.211800
1300000000[{"id": 12, "name": "Adventure"}, {"id": 14, "...http://disney.go.com/disneypictures/pirates/285[{"id": 270, "name": "ocean"}, {"id": 726, "na...enPirates of the Caribbean: At World's EndCaptain Barbossa, long believed to be dead, ha...139.082615[{"name": "Walt Disney Pictures", "id": 2}, {"...[{"iso_3166_1": "US", "name": "United States o...2007-05-19961000000169.0[{"iso_639_1": "en", "name": "English"}]ReleasedAt the end of the world, the adventure begins.Pirates of the Caribbean: At World's End6.94500
2245000000[{"id": 28, "name": "Action"}, {"id": 12, "nam...http://www.sonypictures.com/movies/spectre/206647[{"id": 470, "name": "spy"}, {"id": 818, "name...enSpectreA cryptic message from Bond’s past sends him o...107.376788[{"name": "Columbia Pictures", "id": 5}, {"nam...[{"iso_3166_1": "GB", "name": "United Kingdom"...2015-10-26880674609148.0[{"iso_639_1": "fr", "name": "Fran\u00e7ais"},...ReleasedA Plan No One EscapesSpectre6.34466
3250000000[{"id": 28, "name": "Action"}, {"id": 80, "nam...http://www.thedarkknightrises.com/49026[{"id": 849, "name": "dc comics"}, {"id": 853,...enThe Dark Knight RisesFollowing the death of District Attorney Harve...112.312950[{"name": "Legendary Pictures", "id": 923}, {"...[{"iso_3166_1": "US", "name": "United States o...2012-07-161084939099165.0[{"iso_639_1": "en", "name": "English"}]ReleasedThe Legend EndsThe Dark Knight Rises7.69106
4260000000[{"id": 28, "name": "Action"}, {"id": 12, "nam...http://movies.disney.com/john-carter49529[{"id": 818, "name": "based on novel"}, {"id":...enJohn CarterJohn Carter is a war-weary, former military ca...43.926995[{"name": "Walt Disney Pictures", "id": 2}][{"iso_3166_1": "US", "name": "United States o...2012-03-07284139100132.0[{"iso_639_1": "en", "name": "English"}]ReleasedLost in our world, found in another.John Carter6.12124

三、数据清洗

1、先将credits数据集和moviedf数据集中的数据合并在一起，再查看合并后的数据集信息：

# 合并数据集
fulldf = pd.concat([credits,movies],axis=1)
fulldf.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4803 entries, 0 to 4802
Data columns (total 24 columns):
movie_id                4803 non-null int64
title                   4803 non-null object
cast                    4803 non-null object
crew                    4803 non-null object
budget                  4803 non-null int64
genres                  4803 non-null object
homepage                1712 non-null object
id                      4803 non-null int64
keywords                4803 non-null object
original_language       4803 non-null object
original_title          4803 non-null object
overview                4800 non-null object
popularity              4803 non-null float64
production_companies    4803 non-null object
production_countries    4803 non-null object
release_date            4802 non-null object
revenue                 4803 non-null int64
runtime                 4801 non-null float64
spoken_languages        4803 non-null object
status                  4803 non-null object
tagline                 3959 non-null object
title                   4803 non-null object
vote_average            4803 non-null float64
vote_count              4803 non-null int64
dtypes: float64(3), int64(5), object(16)
memory usage: 900.7+ KB

2、选取子集

# 由于数据集中包含的信息过多，其中部分数据并不是我们研究的重点，所以从中选取我们需要的数据：
moviesdf = fulldf[['original_title','crew','release_date','genres','keywords','production_companies',
       'production_countries','revenue','budget','runtime','vote_average']]
moviesdf.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4803 entries, 0 to 4802
Data columns (total 11 columns):
original_title          4803 non-null object
crew                    4803 non-null object
release_date            4802 non-null object
genres                  4803 non-null object
keywords                4803 non-null object
production_companies    4803 non-null object
production_countries    4803 non-null object
revenue                 4803 non-null int64
budget                  4803 non-null int64
runtime                 4801 non-null float64
vote_average            4803 non-null float64
dtypes: float64(2), int64(2), object(7)
memory usage: 412.9+ KB

# 由于后面的数据分析涉及到电影类型的利润计算，先求出每部电影的利润，并在数据集moviesdf中增加profit数据列：
moviesdf['profit'] = moviesdf['revenue'] - moviesdf['budget']
moviesdf.head()
original_titlecrewrelease_dategenreskeywordsproduction_companiesproduction_countriesrevenuebudgetruntimevote_averageprofit
0Avatar[{"credit_id": "52fe48009251416c750aca23", "de...2009-12-10[{"id": 28, "name": "Action"}, {"id": 12, "nam...[{"id": 1463, "name": "culture clash"}, {"id":...[{"name": "Ingenious Film Partners", "id": 289...[{"iso_3166_1": "US", "name": "United States o...2787965087237000000162.07.22550965087
1Pirates of the Caribbean: At World's End[{"credit_id": "52fe4232c3a36847f800b579", "de...2007-05-19[{"id": 12, "name": "Adventure"}, {"id": 14, "...[{"id": 270, "name": "ocean"}, {"id": 726, "na...[{"name": "Walt Disney Pictures", "id": 2}, {"...[{"iso_3166_1": "US", "name": "United States o...961000000300000000169.06.9661000000
2Spectre[{"credit_id": "54805967c3a36829b5002c41", "de...2015-10-26[{"id": 28, "name": "Action"}, {"id": 12, "nam...[{"id": 470, "name": "spy"}, {"id": 818, "name...[{"name": "Columbia Pictures", "id": 5}, {"nam...[{"iso_3166_1": "GB", "name": "United Kingdom"...880674609245000000148.06.3635674609
3The Dark Knight Rises[{"credit_id": "52fe4781c3a36847f81398c3", "de...2012-07-16[{"id": 28, "name": "Action"}, {"id": 80, "nam...[{"id": 849, "name": "dc comics"}, {"id": 853,...[{"name": "Legendary Pictures", "id": 923}, {"...[{"iso_3166_1": "US", "name": "United States o...1084939099250000000165.07.6834939099
4John Carter[{"credit_id": "52fe479ac3a36847f813eaa3", "de...2012-03-07[{"id": 28, "name": "Action"}, {"id": 12, "nam...[{"id": 818, "name": "based on novel"}, {"id":...[{"name": "Walt Disney Pictures", "id": 2}][{"iso_3166_1": "US", "name": "United States o...284139100260000000132.06.124139100

3、缺失值处理

通过上面的数据集信息可以知道：整个数据集缺失的数据比较少
其中release_date（首次上映日期）缺失1个数据，runtime（电影时长）缺失2个数据，可以通过网上查询补齐这个数据。

填补release_date（首次上映日期）数据：

# 找出首次上映时间的缺失数据
release_date_null = moviesdf['release_date'].isnull()
moviesdf.loc[release_date_null]
original_titlecrewrelease_dategenreskeywordsproduction_companiesproduction_countriesrevenuebudgetruntimevote_averageprofit
4553America Is Still the Place[]NaN[][][][]000.00.00
# 填充日期
moviesdf['release_date'] = moviesdf['release_date'].fillna('2014-06-01')
# 修改日期格式
moviesdf['release_date'] = pd.to_datetime(moviesdf['release_date'], format='%Y-%m-%d')
moviesdf.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4803 entries, 0 to 4802
Data columns (total 12 columns):
original_title          4803 non-null object
crew                    4803 non-null object
release_date            4803 non-null datetime64[ns]
genres                  4803 non-null object
keywords                4803 non-null object
production_companies    4803 non-null object
production_countries    4803 non-null object
revenue                 4803 non-null int64
budget                  4803 non-null int64
runtime                 4801 non-null float64
vote_average            4803 non-null float64
profit                  4803 non-null int64
dtypes: datetime64[ns](1), float64(2), int64(3), object(6)
memory usage: 450.4+ KB

# 找出runtime（电影时长）缺失的数据：
runtime_date_null = moviesdf['runtime'].isnull()
moviesdf.loc[runtime_date_null]
original_titlecrewrelease_dategenreskeywordsproduction_companiesproduction_countriesrevenuebudgetruntimevote_averageprofit
2656Chiamatemi Francesco - Il Papa della gente[{"credit_id": "5660019ac3a36875f100252b", "de...2015-12-03[{"id": 18, "name": "Drama"}][{"id": 717, "name": "pope"}, {"id": 5565, "na...[{"name": "Taodue Film", "id": 45724}][{"iso_3166_1": "IT", "name": "Italy"}]015000000NaN7.3-15000000
4140To Be Frank, Sinatra at 100[{"credit_id": "592b25e4c3a368783e065a2f", "de...2015-12-12[{"id": 99, "name": "Documentary"}][{"id": 6027, "name": "music"}, {"id": 225822,...[{"name": "Eyeline Entertainment", "id": 60343}][{"iso_3166_1": "GB", "name": "United Kingdom"}]02NaN0.0-2
# 填充runtime缺失值
value1 = {'runtime':98.0}
value2 = {'runtime':81.0}
moviesdf.fillna(value=value1, limit=1, inplace=True)
moviesdf.fillna(value=value2, limit=1, inplace=True)

moviesdf.loc[runtime_date_null]
original_titlecrewrelease_dategenreskeywordsproduction_companiesproduction_countriesrevenuebudgetruntimevote_averageprofit
2656Chiamatemi Francesco - Il Papa della gente[{"credit_id": "5660019ac3a36875f100252b", "de...2015-12-03[{"id": 18, "name": "Drama"}][{"id": 717, "name": "pope"}, {"id": 5565, "na...[{"name": "Taodue Film", "id": 45724}][{"iso_3166_1": "IT", "name": "Italy"}]01500000098.07.3-15000000
4140To Be Frank, Sinatra at 100[{"credit_id": "592b25e4c3a368783e065a2f", "de...2015-12-12[{"id": 99, "name": "Documentary"}][{"id": 6027, "name": "music"}, {"id": 225822,...[{"name": "Eyeline Entertainment", "id": 60343}][{"iso_3166_1": "GB", "name": "United Kingdom"}]0281.00.0-2

4、数据格式转换

# genres列数据处理:
# genres列格式化
moviesdf['genres'] = moviesdf['genres'].apply(json.loads)
# 自定义函数解码json数据
def decode(column):
    z = []
    for i in column:
        z.append(i['name'])
    return ' '.join(z)

moviesdf['genres'] = moviesdf['genres'].apply(decode)
moviesdf.head(2)
original_titlecrewrelease_dategenreskeywordsproduction_companiesproduction_countriesrevenuebudgetruntimevote_averageprofit
0Avatar[{"credit_id": "52fe48009251416c750aca23", "de...2009-12-10Action Adventure Fantasy Science Fiction[{"id": 1463, "name": "culture clash"}, {"id":...[{"name": "Ingenious Film Partners", "id": 289...[{"iso_3166_1": "US", "name": "United States o...2787965087237000000162.07.22550965087
1Pirates of the Caribbean: At World's End[{"credit_id": "52fe4232c3a36847f800b579", "de...2007-05-19Adventure Fantasy Action[{"id": 270, "name": "ocean"}, {"id": 726, "na...[{"name": "Walt Disney Pictures", "id": 2}, {"...[{"iso_3166_1": "US", "name": "United States o...961000000300000000169.06.9661000000
# 建立genres列表，提取电影的类型
genres_list = set()
for i in moviesdf['genres'].str.split(' '):
    genres_list = set().union(i, genres_list)
    genres_list = list(genres_list)
    genres_list
    
genres_list.remove('')
genres_list

['Animation',
 'Foreign',
 'Drama',
 'War',
 'Music',
 'Western',
 'History',
 'Documentary',
 'TV',
 'Action',
 'Family',
 'Romance',
 'Horror',
 'Comedy',
 'Mystery',
 'Thriller',
 'Fantasy',
 'Crime',
 'Movie',
 'Fiction',
 'Adventure',
 'Science']

# release_date列数据处理：
# 保留日期中的年份
moviesdf['release_date'] = pd.to_datetime(moviesdf['release_date']).dt.year
columns = {'release_date':'year'}
moviesdf.rename(columns=columns, inplace=True)
moviesdf['year'].apply(int).head()

0    2009
1    2007
2    2015
3    2012
4    2012
Name: year, dtype: int64

四、数据分析及可视化

问题一：电影类型如何随着时间的推移发生变化的？

# 1、建立包含年份与电影类型数量的关系数据框：

for genre in genres_list:
    moviesdf[genre] = moviesdf['genres'].str.contains(genre).apply(lambda x:1 if x else 0)

genre_year = moviesdf.loc[:,genres_list]
genre_year.head()
AnimationForeignDramaWarMusicWesternHistoryDocumentaryTVAction...HorrorComedyMysteryThrillerFantasyCrimeMovieFictionAdventureScience
00000000001...0000100111
10000000001...0000100010
20000000001...0000010010
30010000001...0001010000
40000000001...0000000111

5 rows × 22 columns

# 把年份作为索引标签
genre_year.index = moviesdf['year']
# 将数据集按年份分组并求和，得出每个年份，各电影类型的总数
genresdf = genre_year.groupby('year').sum()
# 查看数据集.tail默认查看后五行数据
genresdf.tail()
AnimationForeignDramaWarMusicWesternHistoryDocumentaryTVAction...HorrorComedyMysteryThrillerFantasyCrimeMovieFictionAdventureScience
year
20131701103121810256...257155321372273627
2014140110109377054...2162156616270263726
20151309528797046...3352206710260283528
2016403731160039...202662713100112311
20170010000000...0100000000

5 rows × 22 columns

# 汇总电影类型的数量
genresdfSum = genresdf.sum(axis=0).sort_values(ascending=False)
genresdfSum

Drama          2297
Comedy         1722
Thriller       1274
Action         1154
Romance         894
Adventure       790
Crime           696
Science         535
Fiction         535
Horror          519
Family          513
Fantasy         424
Mystery         348
Animation       234
History         197
Music           185
War             144
Documentary     110
Western          82
Foreign          34
TV                8
Movie             8
dtype: int64

# 2、数据可视化

# 绘制各种电影类型的数量柱状图

# 设置画板大小
fig=plt.figure(figsize=(12,8))
# 创建画纸，这里只使用1
ax1 = plt.subplot(111)
# 在画纸上绘图
# 电影类型的数量按降序排序
rects = genresdfSum.sort_values(ascending=True).plot(kind='barh', label='genres')
plt.title('1各种电影类型的数量统计图')
plt.xlabel('2电影数量（部）',fontsize=15)
plt.ylabel('3电影类型',fontsize = 15)
plt.show()

在这里插入图片描述

# 绘制各种电影类型占比的饼状图：
genres_pie = genresdfSum / genresdfSum.sum()

# 设置other类，当电影类型所占比例小于%1时，全部归到other类中
others = 0.01
genres_pie_otr = genres_pie[genres_pie >= others]
genres_pie_otr['Other'] = genres_pie[genres_pie < others].sum()

# 所占比例小于或等于%2时，对应的饼状图往外长高一截
explode = (genres_pie_otr <= 0.02) / 20 + 0.05

# 设置饼状图的参数
genres_pie_otr.plot(kind='pie', label='',startangle=50,shadow=False,
                   figsize=(10,10),autopct='%1.11f%%', explode=explode)
plt.title('a各种电影类型所占比例')

Text(0.5, 1.0, 'a各种电影类型所占比例')

在这里插入图片描述

分析结论：

从上面的结果可以看出，在所有的电影类型中，Drama(戏剧)类型电影最多，占所有电影类型的18.9%，其次为Comedy(喜剧)，占所有电影类型的14.2%。

在所有电影类型中，电影数量排名前5的电影类型分别为：

Drama(戏剧)、Comedy(喜剧)、Thriller(惊悚)、Action（动作）、Romance（冒险）。

# 3、电影类型随时间变化的趋势分析：
plt.figure(figsize=(12,8))
plt.plot(genresdf, label=genresdf.columns)
plt.xticks(range(1910,2018,5))
plt.legend(genresdf)
plt.title('1电影类型随时间变化的趋势',fontsize=15)
plt.xlabel('2年份',fontsize=15)
plt.ylabel('3数量（部）',fontsize=15)
plt.grid(True)
plt.show()

在这里插入图片描述

分析结论：

从图中观察到，随着时间的推移，所有电影类型都呈现出增长趋势，尤其是1992年以后各个类型的电影均增长迅速，其中Drama(戏剧)和Comedy(喜剧)增长最快，目前仍是最热门的电影类型。

问题二：电影类型与利润的关系？

# 先求出各种电影类型的平均利润：

# 把电影类型作为索引
mean_genre_profit = DataFrame(index=genres_list)

# 求出每种电影类型的平均利润
newarray = []
for genre in genres_list:
    newarray.append(moviesdf.groupby(genre,as_index=True)['profit'].mean())
newarray2 = []
for i in range(len(genres_list)):
    newarray2.append(newarray[i][1])
mean_genre_profit['mean_profit'] = newarray2
mean_genre_profit.head()
mean_profit
Animation1.592271e+08
Foreign-2.934369e+05
Drama3.143791e+07
War4.887342e+07
Music3.254800e+07
# 电影类型平均利润数据可视化：

# 数据可视化
plt.figure(figsize=(12,8))

# 对于mean_profig列数据按值大小进行降序排序
mean_genre_profit.sort_values(by='mean_profit',ascending=True).plot(kind='barh')

plt.title('1各种电影类型的平均利润')
plt.xlabel('2平均利润（美元）')
plt.ylabel('3电影类型')
plt.grid(True)
plt.show()

<Figure size 864x576 with 0 Axes>

在这里插入图片描述

分析结论：

从图中观察到，拍摄Animation、Adventure、Fantasy这三类电影盈利最好，而拍摄Foreign、TV、Movie这三类电影会存在亏本的风险。

问题三：Universal Pictures和Paramount Pictures两家影视公司发行电影的对比情况如何？

Universal Pictures(环球影业)和Paramount Pictures(派拉蒙影业)是美国两家电影巨头公司。

1、查看 Universal Pictures和Paramount Pictures两家影视公司电影发行的数量

先对production_companies列数据进行处理：

# production_companies列数据格式化
moviesdf['production_companies'] = moviesdf['production_companies'].apply(json.loads)
# 调用自定义函数decode处理production_companies列数据
moviesdf['production_companies'] = moviesdf['production_companies'].apply(decode)
moviesdf.head(2)
original_titlecrewyeargenreskeywordsproduction_companiesproduction_countriesrevenuebudgetruntime...HorrorComedyMysteryThrillerFantasyCrimeMovieFictionAdventureScience
0Avatar[{"credit_id": "52fe48009251416c750aca23", "de...2009Action Adventure Fantasy Science Fiction[{"id": 1463, "name": "culture clash"}, {"id":...Ingenious Film Partners Twentieth Century Fox ...[{"iso_3166_1": "US", "name": "United States o...2787965087237000000162.0...0000100111
1Pirates of the Caribbean: At World's End[{"credit_id": "52fe4232c3a36847f800b579", "de...2007Adventure Fantasy Action[{"id": 270, "name": "ocean"}, {"id": 726, "na...Walt Disney Pictures Jerry Bruckheimer Films S...[{"iso_3166_1": "US", "name": "United States o...961000000300000000169.0...0000100010

2 rows × 34 columns

# 查询production_companies数据列并统计Universal Pictures和Paramount Pictures的数据：

# 查询production_companies数据列中是否含有Universal Pictures，Paramount Pictures有则标记为1
moviesdf['Universal Pictures'] = moviesdf['production_companies'].str.contains('Universal Pictures').apply(lambda x:1 if x else 0)
moviesdf['Paramount Pictures'] = moviesdf['production_companies'].str.contains('Paramount Pictures').apply(lambda x:1 if x else 0)

# 统计Universal Pictures和Paramount Pictures的数据
a = moviesdf['Universal Pictures'].sum()
b = moviesdf['Paramount Pictures'].sum()
dict_company = {'Universal':a, 'Paramount':b}
company_vs = Series(dict_company)
company_vs

Universal    314
Paramount    285
dtype: int64

# 使用饼状图比较两家公司发行的电影占比：
company_vs.plot(kind='pie', label='', startangle=50, shadow=False, autopct='%1.1f%%')
plt.title('Universal Pictures和Paramount Pictures两家公司电影发行数量对比',fontsize=13)

Text(0.5, 1.0, 'Universal Pictures和Paramount Pictures两家公司电影发行数量对比')

在这里插入图片描述

# 2、分析Universal Pictures和Paramount Pictures两家影视公司电影发行的走势

# 抽取相关数据列进行处理：
companydf = moviesdf[['Universal Pictures','Paramount Pictures']]
companydf.index = moviesdf['year']

# 对Universal和Paramount公司的发行数量按年分组求和
companydf = companydf.groupby('year').sum()
companydf.tail()
Universal PicturesParamount Pictures
year
201398
2014108
2015137
2016105
201700
# 两家影视公司电影发行的折线图：
plt.figure(figsize=(12,8))
plt.plot(companydf, label=companydf.columns)
plt.xticks(range(1910,2018,5))
plt.legend(companydf)
plt.title('Universal Pictures和Paramount Pictures公司电影的发行量时间走势', fontsize=15)
plt.xlabel('年份', fontsize = 15)
plt.ylabel('数量（部）',fontsize=15)
plt.grid(True)
plt.show()

在这里插入图片描述

分析结论：

从图中观察到，随着时间的推移，Universal Pictures和Paramount Pictures公司的电影发行量呈现出增长趋势，尤其是在1995年后增长迅速，其中Universal Pictures公司比Paramount Pictures公司发行的电影数量更多。

问题四：改编电影和原创电影的对比情况如何？

# 对keywords列数据处理：

# 格式化
moviesdf['keywords'] = moviesdf['keywords'].apply(json.loads)
# 调用自定义的函数decode处理keywords列数据
moviesdf['keywords'] = moviesdf['keywords'].apply(decode)
moviesdf['keywords'].tail()

4798    united states–mexico barrier legs arms paper k...
4799                                                     
4800    date love at first sight narration investigati...
4801                                                     
4802                 obsession camcorder crush dream girl
Name: keywords, dtype: object

# 提取关键字
a = 'based on novel'
moviesdf['if_original'] = moviesdf['keywords'].str.contains(a).apply(lambda x: 'no original' if x else 'original')
moviesdf['if_original'].value_counts()

original       4606
no original     197
Name: if_original, dtype: int64

original_profit = moviesdf[['if_original','budget','revenue','profit']]
original_profit = original_profit.groupby(by='if_original').mean()
original_profit
budgetrevenueprofit
if_original
no original4.532546e+071.438100e+089.848457e+07
original2.834872e+077.962815e+075.127943e+07
# 描绘柱状图，对改编电影与原创电影在预算、收入及利润三方面进行比较：

# 可视化柱状图
plt.figure(figsize=(12,8))
original_profit.plot(kind='bar')
plt.title('改编电影与原创电影在预算、收入和利润的比较')
plt.xlabel('改编电影与原创电影')
plt.ylabel('金额（美元）')
plt.show()

<Figure size 864x576 with 0 Axes>

在这里插入图片描述
分析结论：

从图上可以看出，改编电影的预算略高于原创电影，但改编电影的票房收入和利润远远高于原创电影， 这可能是改编电影拥有一定的影迷基础。

问题五：电影时长与电影票房及评分的关系

# 电影时长与电影票房的关系：
moviesdf.plot(kind='scatter', x='runtime', y='revenue', figsize=(8,6))
plt.title('电影时长与电影票房的关系',fontsize = 15)
plt.xlabel('电影时长（分钟）',fontsize=15)
plt.ylabel('电影票房（美元）',fontsize=15)
plt.grid(True)
plt.show()

在这里插入图片描述

# 电影时长与电影平均评分的关系：
moviesdf.plot(kind='scatter', x='runtime', y='vote_average', figsize=(8,6))
plt.title('电影时长与电影平均评分的关系',fontsize=15)
plt.xlabel('电影时长(分钟)',fontsize=15)
plt.ylabel('电影平均评分',fontsize=15)
plt.grid(True)
plt.show()

在这里插入图片描述

分析结论：

从图上可以看出，电影要想获得较高的票房及良好的口碑，电影的时长应保持在90~150分钟内。

问题六：分析电影关键字

# 先提取电影关键字：

# 利用电影关键字制作词云图
# 建立keywords_list列表
keywords_list = []
for i in moviesdf['keywords']:
    keywords_list.append(i)
    keywords_list = list(keywords_list)
    keywords_list

    
# 把字符串列表链接成一个长字符串
lis = ''.join(keywords_list)
# 使用空格替换中间多余的字符串'\'s'
lis.replace('\'s', '')

'culture clash future space war space colony society space travel futuristic romance space alien tribe alien planet cgi marine soldier battle love affair anti war power relations mind and soul 3docean drug abuse exotic island east india trading company love of one life traitor shipwreck strong woman ship alliance calypso afterlife fighter pirate

# 通过词云包WordCloud生成词云图：
wc = WordCloud(background_color='black',
              max_words=2000,
              max_font_size=100,
              random_state=12)

# 根据字符串生成词云
wc.generate(lis)

plt.figure(figsize=(16,8))
# 显示图片
plt.imshow(wc)
plt.axis('off')
plt.show()

在这里插入图片描述

分析结论：

通过对电影关键字的分析，电影中经常被提及的词语是女性（woman）、独立（independent）,其次是谋杀（murder）、爱情（love）、警察（police）、暴力（violence），可见观众对女性和独立方面题材的电影最感兴趣，其次是是犯罪类和爱情类电影。

瑞 新
关注
专栏目录
本项目以数据采集、处理、分析及数据可视化为项目流程，实现百万级电影数据离线处理与计算
10-21
本项目以数据采集、处理、分析及数据可视化为项目流程，实现百万级电影数据离线处理与计算。功能包括python爬虫，Matplotlib、Echarts数据可视化、Mapreduce、hive数据统计、情感分析、词图云、电影票房与评分预测.zip
靠Python数据分析已赚10w的本科生，附赠学习资料
zandaoguang的博客
06-19 350
今天小编给大家推荐一个Python终身学习者：老表，他是开源学习组织Datawhale终身成员，有一年半的Python编程学习经验，热爱爬虫与数据分析，掌握了Python Web开发框架...
推荐一个Python终身学习者
算法channel
08-24 319
今天小编给大家推荐一个Python终身学习者：老表，他是开源学习组织Datawhale终身成员，有一年半的Python编程学习经验，热爱爬虫与数据分析，掌握了Python...
靠Python数据分析已赚10w的本科生，附大老自学资料一套
m0_64519234的博客
03-10 288
今天给大家推荐一个Python终身学习者：老表，他是开源学习组织Datawhale终身成员，有一年半的Python编程学习经验，热爱爬虫与数据分析，掌握了Python Web开发框架 Flask，虽然还只是一个本科生，但已经进入社会多次，发过传单，做过家教，写过外包项目，创过业，拿过爬虫比赛二等奖，互联网+ 省级金奖等奖项，通过自己努力，目前已累计赚取10w元（仅代表个人收入），目前老表是一名数据分析师。 接下来，分享一些大佬的优秀学习文章： 0.0、核心篇（快速了解老表本科的编程学习经历） 我们都在努力做
用数据分析来看哪种 Python 程序员最赚钱？
zhusongziye的博客
06-18 436
本文以Python爬虫、数据分析、后端、数据挖掘、全栈开发、运维开发、高级开发工程师、大数据、机器学习、架构师这10个岗位，从拉勾网上爬取了相应的职位信息和任职要求，并通过数据分析可视化，直观地展示了这10个职位的平均薪资和学历、工作经验要求。 爬虫准备 1、先获取薪资和学历、工作经验要求 由于拉勾网数据加载是动态加载的，需要我们分析。分析方法如下： F12分析页面数据存储...
基于Python的电影数据可视化分析系统源码+说明文档（毕业设计）.zip
11-17
基于Python的电影数据可视化分析系统源码+说明文档（毕业设计）.zip 主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码、该项目可以直接作为...
基于python实现分析爬取的中国电影票房数据并可视化源码.zip
06-19
基于python实现分析爬取的中国电影票房数据并可视化源码.zip 基于python实现分析爬取的中国电影票房数据并可视化源码.zip 基于python实现分析爬取的中国电影票房数据并可视化源码.zip 利用python分析爬取的中国电影...
Python数据分析与可视化项目文化娱乐类-春节档票房分析（Pyecharts大屏可视化）.zip
07-10
该项目是关于使用Python进行文化娱乐领域中的数据分析，特别是针对春节档电影票房的深入探究。它利用了Python的数据处理和可视化库，旨在展示如何通过编程工具理解并呈现复杂的数据集。以下将详细介绍涉及的知识点：...
Python应用实战代码-对电影数据进行可视化分析
07-21
Python应用实战代码-对电影数据进行可视化分析
Python数据分析与可视化项目文化娱乐类-国产进口电影票房榜单分析（Pyecharts大屏可视化）.zip
07-10
该项目是关于利用Python进行文化娱乐类数据分析，特别是针对国产与进口电影票房的比较与可视化。主要涉及的技术点包括Python的数据分析库（如Pandas）和数据可视化库（如Pyecharts），适合初学者进行实战练习或者...
python对IMDB数据进行神经网络分析
07-23
利用python中的深度学习库keras，对IMDB电影数据集建立了神经网络模型进行分析，涉及原始电影数据的词嵌入处理技术，附有完整的Python代码以及注释。
imdb-data-analysis：对前1000个IMDB电影的数据集进行的社交网络分析
02-26
IMDB Top1000电影数据分析 该项目的目标是获取2006年至2016年间前1000部IMDB电影的数据集，并对其应用几种社交网络分析技术。 我们感兴趣的三个主要图形是： 演员共现图 体裁关系图 电影关系图 分析是在Jupyter Notebook和Gephi中完成的，用于可视化生成的图形。 该库和都提供了所有使用的数据。 配置 使用Python 3.6.7执行以下操作： pip install -r requirements 然后启动Jupyter Notebook。
数据分析师，挣钱真野！
技术领导力
07-17 509
作者 |熊猫教授 整理 |Emma来源 |熊猫教授（ID：IT_ProfPanda）随着AI时代的到来，数据分析师成为职场上的抢手货，工作体面、收入高。许多读者不免好奇：数据...
大数据毕设项目 大数据电影数据分析与可视化系统 - python Django
caxiou的博客
04-06 1615
🔥 这两年开始毕业设计和毕业答辩的要求和难度不断提升，传统的毕设题目缺少创新和亮点，往往达不到毕业答辩的要求，这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目，今天要分享的是🚩 **基于大数据的电影数据分析与可视化系统 **🥇学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：4分创新点：4分。
爬虫+数据分析+可视化大作业：基于大数据的高质量电影分析报告
r643064456的博客
07-30 1万+
在我们的日常生活中，电影已经成为了我们娱乐放松活动所不可缺少的元素。然而，自电影诞生以来，人们每天都在生产着电影，却又生产着质量良莠不齐的电影。在这些几乎是无穷无尽的电影洪流中，如何挑选一部高质量电影，成为了电影爱好者乃至平民百姓的首要问题。与此同时，作为电影拍摄团队，如何从高质量电影中找到共性，从而把握大体方向，是拍摄出传世经典的重要保证。 鉴于此，一份高质量电影的分析报告是有必要的。本文以豆瓣评分为标准，用Scrapy爬虫框架爬取豆瓣TOP250网页，再用Pandas,Numpy三方库进行数据处理，提取
数据分析案例-电影数据可视化分析
热门推荐
m0_64336780的博客
06-12 2万+
数据介绍数据为2011-2021电影数据可视化分析首先导入本次项目需要的包和数据 数据预处理 可视化
Python与数据可视化案例：电影评分可视化
吃不胖.
08-09 424
电影评分是一个非常适合进行数据可视化处理的数据集，通过对电影评分数据的可视化分析，不仅可以了解到电影票房、观众评价等信息，还可以挖掘出一些有趣的交叉分析和关联关系。本文将以Python为工具，基于电影评分数据集，从数据搜集、数据清洗、数据处理、数据可视化等方面，详细介绍如何进行电影评分可视化分析，并展示分析结果。首先，我们需要查看数据的基本信息，包括数据集大小、字段类型、缺失值数量等，以便对数据进行初步的了解。首先，我们需要了解电影评分在整个数据集中的分布情况，以便对电影评分数据进行初步的了解。
告诉你用Python赚钱的五种方法，闲余月赚1000~5000
最新发布
xiangxueerfei的博客
02-29 1039
① Python所有方向的学习路线图，清楚各个方向要学什么东西② 600多节Python课程视频，涵盖必备基础、爬虫和数据分析③ 100多个Python实战案例，含50个超大型项目详解，学习不再是只会理论④ 20款主流手游迫解 爬虫手游逆行迫解教程包⑤ 爬虫与反爬虫攻防教程包，含15个大型网站迫解⑥ 爬虫APP逆向实战教程包，含45项绝密技术详解⑦ 超300本Python电子好书，从入门到高阶应有尽有⑧ 华为出品独家Python漫画教程，手机也能学习。
懂数据分析的人有多赚？网友：反正比我有钱！
Python大本营的博客
12-24 385
被誉为“新石油”的数据分析师，近几年成了企业争抢的香饽饽。像阿里、腾讯、华为等大厂，给出的年薪甚至接近百万。前几天看到“字节月薪 11 万招聘 HR，要会数据分析”的新闻，让我感到十分震...
python电影票房数据分析与可视化
05-18
好的，以下是一些Python库和步骤，可以用于电影票房数据的分析与可视化。 ### 1. 数据获取与处理 可以通过爬取电影票房数据的网站（如猫眼电影、豆瓣电影等）来获取数据。也可以从公开的数据集中获取数据（如Kaggle上的电影数据集）。 获取到数据后，需要进行数据清洗和处理，如去除重复数据、缺失值处理等。可以使用Pandas库进行数据处理和清洗工作。 ```python import pandas as pd # 读取CSV数据文件 data = pd.read_csv('movie_data.csv') # 去除重复数据 data.drop_duplicates(inplace=True) # 处理缺失值 data.fillna(0, inplace=True) ``` ### 2. 数据分析 进行数据分析前，需要先了解数据的基本情况和特征。可以使用Pandas库提供的一些基本统计函数，如describe()、mean()、median()等来获取数据的基本信息。 ```python # 查看数据基本信息 print(data.info()) # 查看数据描述性统计信息 print(data.describe()) # 查看数据前5行 print(data.head()) ``` 在对数据进行分析时，可以根据问题需求，选择合适的统计方法和可视化方式。以下是一些常用的统计方法和可视化工具： - 统计方法：计数、求和、平均、中位数、方差、协方差、相关系数等。 - 可视化工具：Matplotlib、Seaborn、Plotly等。 ### 3. 数据可视化 使用Matplotlib库进行数据可视化，可以制作直方图、散点图、折线图、饼图等。 ```python import matplotlib.pyplot as plt # 绘制票房数据直方图 plt.hist(data['box_office'], bins=20) plt.title('Box Office') plt.xlabel('Box Office (Million)') plt.ylabel('Frequency') plt.show() # 绘制票房与评分散点图 plt.scatter(data['rating'], data['box_office']) plt.title('Box Office vs Rating') plt.xlabel('Rating') plt.ylabel('Box Office (Million)') plt.show() # 绘制不同年份电影数量折线图 year_count = data.groupby('year')['title'].count() plt.plot(year_count.index, year_count.values) plt.title('Movie Count by Year') plt.xlabel('Year') plt.ylabel('Movie Count') plt.show() ``` 使用Seaborn库进行数据可视化，可以制作热力图、箱线图、条形图、密度图等。 ```python import seaborn as sns # 绘制票房与评分箱线图 sns.boxplot(x='rating', y='box_office', data=data) plt.title('Box Office vs Rating') plt.xlabel('Rating') plt.ylabel('Box Office (Million)') plt.show() # 绘制不同地区电影数量条形图 region_count = data['region'].value_counts() sns.barplot(x=region_count.index, y=region_count.values) plt.title('Movie Count by Region') plt.xlabel('Region') plt.ylabel('Movie Count') plt.show() # 绘制票房密度图 sns.kdeplot(data['box_office']) plt.title('Box Office Density') plt.xlabel('Box Office (Million)') plt.show() ``` 使用Plotly库进行数据可视化，可以制作交互式图表，如散点图、热力图、地图等。 ```python import plotly.graph_objs as go import plotly.offline as pyo # 绘制票房与评分散点图（交互式） trace = go.Scatter(x=data['rating'], y=data['box_office'], mode='markers') layout = go.Layout(title='Box Office vs Rating', xaxis={'title': 'Rating'}, yaxis={'title': 'Box Office (Million)'}) fig = go.Figure(data=[trace], layout=layout) pyo.plot(fig) # 绘制不同地区电影数量地图（交互式） region_count = data['region'].value_counts() data_map = [go.Choropleth( locationmode='country names', locations=region_count.index, z=region_count.values)] layout_map = go.Layout(title='Movie Count by Region') fig_map = go.Figure(data=data_map, layout=layout_map) pyo.plot(fig_map) ``` 以上是一些基本的数据分析和可视化方法，可以根据具体需要进行更加详细的分析和可视化。
评论 11
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

瑞 新

请小哥喝杯茶~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值