电影数据分析

已于 2022-09-25 12:26:05 修改
阅读量3.6k 收藏 58
点赞数 7
文章标签： 数据分析 python 数据挖掘
于 2022-09-23 22:31:37 首次发布
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_54672002/article/details/127017773
版权

电影数据分析

背景概述

电影是工业、科技与艺术的结合产物，作为一种国际性的大众传播媒介，其必然与世界电影艺术潮流和国际电影市场密不可分。电影所具有的艺术性、经济型、文化性是与人们的生活密不可分的，因此不论从文化传播还是经济发展的角度来看，我们都需要对电影的发展趋势进行深入研究，从而更好的推动电影繁荣发展。
本次项目中针所收集的的电影多种数据指标进行可视化分析，从而对电影的发展趋势进行合理的分析解释。

提出问题

本文主要研究以下几个问题：

问题一：电影类型如何随着时间的推移发生变化的？
问题二：电影类型与利润的关系？
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？
问题四：改编电影和原创电影的对比情况如何？
问题五：电影时长与电影票房及评分的关系
问题六：分析电影关键字

导入对应的包

import pandas as pd
import numpy as np
import re
import json
import matplotlib
import matplotlib.pyplot as plt
from wordcloud import WordCloud
import warnings
warnings.filterwarnings('ignore')# 忽略python运行过程中的警告

matplotlib.rcParams['font.sans-serif'] = ['SimHei']
matplotlib.rcParams['axes.unicode_minus'] = False

理解数据

导入数据

#路径替换为自己的数据文件所在路径
data = pd.read_csv(r'C:\Users\CTM123\Desktop\电影数据分析\tmdb_5000_credits.csv', skiprows=0)
data
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...
...............
47989367El Mariachi[{"cast_id": 1, "character": "El Mariachi", "c...[{"credit_id": "52fe44eec3a36847f80b280b", "de...
479972766Newlyweds[{"cast_id": 1, "character": "Buzzy", "credit_...[{"credit_id": "52fe487dc3a368484e0fb013", "de...
4800231617Signed, Sealed, Delivered[{"cast_id": 8, "character": "Oliver O\u2019To...[{"credit_id": "52fe4df3c3a36847f8275ecf", "de...
4801126186Shanghai Calling[{"cast_id": 3, "character": "Sam", "credit_id...[{"credit_id": "52fe4ad9c3a368484e16a36b", "de...
480225975My Date with Drew[{"cast_id": 3, "character": "Herself", "credi...[{"credit_id": "58ce021b9251415a390165d9", "de...

4803 rows × 4 columns

count = []
for i in list(data['crew']):
    sum = 0
    for j in i:
        if j == '{':
            sum += 1
    count.append(sum)
data2 = pd.DataFrame({'name':data['title'], 'ans':count})
data2
nameans
0Avatar153
1Pirates of the Caribbean: At World's End32
2Spectre155
3The Dark Knight Rises217
4John Carter132
.........
4798El Mariachi11
4799Newlyweds8
4800Signed, Sealed, Delivered13
4801Shanghai Calling2
4802My Date with Drew5

4803 rows × 2 columns

查看数据集信息

#路径替换为自己的数据文件所在路径
data3 = pd.read_csv(r"C:\Users\CTM123\Desktop\电影数据分析\tmdb_5000_movies.csv", skiprows=0)
data3.columns=["预算（美元）", "风格列表", "主页", "id", "关键字", "初始语言", "电影名称", "剧情摘要", "电影页面查看次数", "制作公司", "生产国", "首次上映日期", "收入（美元）", "电影时长", "语言", "社会地位", "收尾语", "标题", "平均评分", "评分次数"]
# data3

数据清洗

1、由于credits数据集使用到的数据不多，故并未直接把其与moviedf数据集中的数据合并在一起，而是统计其crew列中每部电影的观看人数，在将数据添加moviedf数据集中（为方便使用，已将columns转换为中文）。
2、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，故从中选取了我们需要的数据data5：由于后面的数据分析涉及到电影类型的利润计算；又（利润=收入-预算），且收入和预算两列存在0值，则使用平均值替换列中0值；然后求出每部电影的利润，并在数据data5中增加“利润”数据列。

data4 = data3.drop('主页', axis='columns')
data4 = data4.drop('初始语言', axis='columns')
data4 = data4.drop('剧情摘要', axis='columns')
data4 = data4.drop('社会地位', axis='columns')
data4 = data4.drop('收尾语', axis='columns')
data4['观看人数']=data2['ans']
#data4

data5=data4.loc[:, ['风格列表', '关键字', '电影名称', '预算（美元）', '收入（美元）', '制作公司', '首次上映日期', '电影时长', '平均评分', '观看人数']]
#data5

#将"收入（美元）"列中的0值全部替换为平均值
avg = 0
sum = 0
count = 0
for i in range(4803):
    if data5['收入（美元）'][i] != 0:
        sum += data5['收入（美元）'][i]
        count += 1
avg = sum//count
data5['收入（美元）'] = data5['收入（美元）'].replace({0:avg})

#将"预算（美元）"列中的0值全部替换为平均值
avg = 0
sum = 0
count = 0
for i in range(4803):
    if data5['预算（美元）'][i] != 0:
        sum += data5['预算（美元）'][i]
        count += 1
avg = sum//count
data5['预算（美元）'] = data5['预算（美元）'].replace({0:avg})

data5['利润'] = data5['收入（美元）']-data5['预算（美元）']
data5
风格列表关键字电影名称预算（美元）收入（美元）制作公司首次上映日期电影时长平均评分观看人数利润
0[{"id": 28, "name": "Action"}, {"id": 12, "nam...[{"id": 1463, "name": "culture clash"}, {"id":...Avatar2370000002787965087[{"name": "Ingenious Film Partners", "id": 289...2009-12-10162.07.21532550965087
1[{"id": 12, "name": "Adventure"}, {"id": 14, "...[{"id": 270, "name": "ocean"}, {"id": 726, "na...Pirates of the Caribbean: At World's End300000000961000000[{"name": "Walt Disney Pictures", "id": 2}, {"...2007-05-19169.06.932661000000
2[{"id": 28, "name": "Action"}, {"id": 12, "nam...[{"id": 470, "name": "spy"}, {"id": 818, "name...Spectre245000000880674609[{"name": "Columbia Pictures", "id": 5}, {"nam...2015-10-26148.06.3155635674609
3[{"id": 28, "name": "Action"}, {"id": 80, "nam...[{"id": 849, "name": "dc comics"}, {"id": 853,...The Dark Knight Rises2500000001084939099[{"name": "Legendary Pictures", "id": 923}, {"...2012-07-16165.07.6217834939099
4[{"id": 28, "name": "Action"}, {"id": 12, "nam...[{"id": 818, "name": "based on novel"}, {"id":...John Carter260000000284139100[{"name": "Walt Disney Pictures", "id": 2}]2012-03-07132.06.113224139100
....................................
4798[{"id": 28, "name": "Action"}, {"id": 80, "nam...[{"id": 5616, "name": "united states\u2013mexi...El Mariachi2200002040920[{"name": "Columbia Pictures", "id": 5}]1992-09-0481.06.6111820920
4799[{"id": 35, "name": "Comedy"}, {"id": 10749, "...[]Newlyweds9000117031352[]2011-12-2685.05.98117022352
4800[{"id": 35, "name": "Comedy"}, {"id": 18, "nam...[{"id": 248, "name": "date"}, {"id": 699, "nam...Signed, Sealed, Delivered37042837117031352[{"name": "Front Street Pictures", "id": 3958}...2013-10-13120.07.01379988515
4801[][]Shanghai Calling37042837117031352[]2012-05-0398.05.7279988515
4802[{"id": 99, "name": "Documentary"}][{"id": 1523, "name": "obsession"}, {"id": 224...My Date with Drew37042837117031352[{"name": "rusty bear entertainment", "id": 87...2005-08-0590.06.3579988515

4803 rows × 11 columns

3、对于缺失值处理：通过上面的数据集信息可以知道，整个数据集缺失的数据中，“首次上映日期”缺失1个数据，“电影时长”缺失2个数据，故通过网上查询，使用fillna函数补齐数据。

# for i in range(4803):
#     if pd.isnull(data5['首次上映日期'][i]):
#         print(i, data5['电影名称'][i])
#         data5['首次上映日期'][i]='2014-06-01'
data5['首次上映日期'] = data5['首次上映日期'].fillna('2014-06-01')

# for i in range(4803):
#     if pd.isnull(data5['电影时长'][i]):
#         print(i, data5['电影名称'][i])
value1 = {'电影时长':98.0}
value2 = {'电影时长':81.0}
data5.fillna(value=value1, limit=1, inplace=True)
data5.fillna(value=value2, limit=1, inplace=True)

4、①对于“风格列表”列数据处理：提取出每一列数据，使用正则表达式去除两边"[“和”]"字符，再用字符分隔函数，将剩余字符转换成列表；而后使用json中的json.loads函数将列表中每个元素转换为字典格式，并取出字典中“name”的值，即电影类型，将每部电影的电影类型存入列表，并在data5中新增“电影类型”列。
②对于“首次上映日期”列数据处理：先提取出每一列数据，再对其进行切片，取出前4个字符，即发行年份，再将其转换为int型数值，并在data5中新增“发行年份”列，再将“首次上映日期”列删除。
③对于“关键字”和“制作公司”两列：则是直接应用apply函数将json.loads函数应用于该列所有元素，将其直接转换为列表-元素都为字典格式。

all_movie_type = []
all_movie = set()  #记录所有电影类型
for i in list(data5['风格列表']):
    con = re.findall(re.compile(r'[[](.*?)[]]', re.S), i)[0]
    list1 = con.split(", ")
    str1 = ""
    dict_list = []
    for j in range(len(list1)):
        if j%2 == 0:
            str1 += str(list1[j]) + ", "
        else:
            str1 += str(list1[j]) 
            dict_list.append(json.loads(str1))
            str1=""
    #提取电影类型
    movie_type=[]
    for j in dict_list:
        all_movie.add(j['name'])
        movie_type.append(j['name'])
    all_movie_type.append(movie_type)
data5['电影类型'] = pd.Series(all_movie_type)
# all_movie

#首次上映日期处理

#时间格式转换
# data5['首次上映日期'] = pd.to_datetime(data5['首次上映日期'], format='%Y-%m-%d')
show_year = []
for i in list(data5['首次上映日期']):
    year = int(i[0:4])
    show_year.append(year)
data5['发行年份'] = pd.Series(show_year)
data5 = data5.drop('首次上映日期', axis='columns')
data5
风格列表关键字电影名称预算（美元）收入（美元）制作公司电影时长平均评分观看人数利润电影类型发行年份
0[{"id": 28, "name": "Action"}, {"id": 12, "nam...[{"id": 1463, "name": "culture clash"}, {"id":...Avatar2370000002787965087[{"name": "Ingenious Film Partners", "id": 289...162.07.21532550965087[Action, Adventure, Fantasy, Science Fiction]2009
1[{"id": 12, "name": "Adventure"}, {"id": 14, "...[{"id": 270, "name": "ocean"}, {"id": 726, "na...Pirates of the Caribbean: At World's End300000000961000000[{"name": "Walt Disney Pictures", "id": 2}, {"...169.06.932661000000[Adventure, Fantasy, Action]2007
2[{"id": 28, "name": "Action"}, {"id": 12, "nam...[{"id": 470, "name": "spy"}, {"id": 818, "name...Spectre245000000880674609[{"name": "Columbia Pictures", "id": 5}, {"nam...148.06.3155635674609[Action, Adventure, Crime]2015
3[{"id": 28, "name": "Action"}, {"id": 80, "nam...[{"id": 849, "name": "dc comics"}, {"id": 853,...The Dark Knight Rises2500000001084939099[{"name": "Legendary Pictures", "id": 923}, {"...165.07.6217834939099[Action, Crime, Drama, Thriller]2012
4[{"id": 28, "name": "Action"}, {"id": 12, "nam...[{"id": 818, "name": "based on novel"}, {"id":...John Carter260000000284139100[{"name": "Walt Disney Pictures", "id": 2}]132.06.113224139100[Action, Adventure, Science Fiction]2012
.......................................
4798[{"id": 28, "name": "Action"}, {"id": 80, "nam...[{"id": 5616, "name": "united states\u2013mexi...El Mariachi2200002040920[{"name": "Columbia Pictures", "id": 5}]81.06.6111820920[Action, Crime, Thriller]1992
4799[{"id": 35, "name": "Comedy"}, {"id": 10749, "...[]Newlyweds9000117031352[]85.05.98117022352[Comedy, Romance]2011
4800[{"id": 35, "name": "Comedy"}, {"id": 18, "nam...[{"id": 248, "name": "date"}, {"id": 699, "nam...Signed, Sealed, Delivered37042837117031352[{"name": "Front Street Pictures", "id": 3958}...120.07.01379988515[Comedy, Drama, Romance, TV Movie]2013
4801[][]Shanghai Calling37042837117031352[]98.05.7279988515[]2012
4802[{"id": 99, "name": "Documentary"}][{"id": 1523, "name": "obsession"}, {"id": 224...My Date with Drew37042837117031352[{"name": "rusty bear entertainment", "id": 87...90.06.3579988515[Documentary]2005

4803 rows × 12 columns

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？

count_type = dict.fromkeys(all_movie,0)
for i in data5['电影类型']:
    for j in i:
        count_type[j] += 1
count_type

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

dt = {'电影类型':count_type.keys(),'电影数量（部）':count_type.values()}
data6 = pd.DataFrame(dt)
data6
电影类型电影数量（部）
0Romance894
1Family513
2War144
3Foreign34
4Horror519
5Drama2297
6History197
7Mystery348
8Music185
9Adventure790
10TV Movie8
11Action1154
12Fantasy424
13Western82
14Animation234
15Thriller1274
16Comedy1722
17Crime696
18Documentary110
19Science Fiction535
绘制各种电影类型数量统计图
plt.figure(figsize=(9,6))
plt.barh(range(20), count_type.values(), height=0.7, color='steelblue', alpha=0.8)
plt.yticks(range(20), count_type.keys())
plt.xlim(0, 2400)
plt.xlabel("电影数量（部）")
plt.ylabel("电影类型")
plt.title("各种电影类型数量统计图")
for x,y in enumerate(count_type.values()):
    plt.text(y+0.2, x-0.1, '%s'%y+"部")
# plt.savefig('./img/各种电影类型数量统计图.png', dpi=600, format='png', bbox_inches='tight')
plt.show()

在这里插入图片描述
分析结论：从图中清晰看出从1910~2015年以来最受欢迎的三种电影类型分别为：Drama、Comedy、Thriller。

绘制各种电影类型占比的饼图
plt.rcParams['figure.figsize']=(18, 15)
movie_count = data6['电影数量（部）'].values
movie_sum = data6['电影数量（部）'].sum()
#计算各个电影类型所占百分比
percentage = (movie_count/movie_sum)*100
#保留两位小数
np.set_printoptions(precision=2)
labels = data6['电影类型'].values
plt.axes(aspect=1)
plt.pie(x = percentage, labels=labels, autopct='%.2f %%', shadow=False,
        labeldistance=1.2, startangle = 90, pctdistance = 0.7)
plt.legend(loc='upper right')
# plt.savefig('./img/各种电影类型占比图.png', dpi=600, format='png', bbox_inches='tight')
plt.show()

在这里插入图片描述

分析结论：从上面的结果可以看出，随着时间的推移，电影类型数量总体呈现逐年上升趋势，其中在所有电影类型中，数量排名前三的电影类型分别是：Drama、Comedy、Thriller，Drama的类型电影最多，占到了总体的18.9%。

data7 = pd.DataFrame()

# #以电影类型作为列索引，表中数据全部置为0
# for i in all_movie:
#     data7[i] = 0
# data7['xx']=data5['风格列表']
# data7 = data7.drop('xx', axis='columns')

# #记录每一部电影中的对应电影类型
#缺点：运行效率较差
# for i in range(4803):
#     for j in data5['电影类型'][i]:
#         data7[j][i] += 1
# data7
绘制电影类型随时间变化的趋势图：

创建每种电影类型为特征的dataframe数据集data7，且使用dataframe.str.contains函数搜索每部电影中是否某种电影类型，若存在，则在data7对应电影的该电影类型中记录，然后使用groupby函数进行分组统计每个年份各种电影类型的发行数量，最后使用matplotlib中的plot函数绘制对应趋势图。

for genre in all_movie:
    data7[genre] = data5['风格列表'].str.contains(genre).apply(lambda x:1 if x else 0)
data7.index = data5['发行年份']
movie_year = data7.groupby('发行年份').sum()
movie_year.head()
movie_year.tail()
RomanceFamilyWarForeignHorrorDramaHistoryMysteryMusicAdventureTV MovieActionFantasyWesternAnimationThrillerComedyCrimeDocumentaryScience Fiction
发行年份
201325223025110851236256211175371371027
201424231002111071593705416314666227726
2015231720339592083504610713675226728
201699302037661230391314272610011
201701000100000000001000
plt.figure(figsize=(12,8))
plt.plot(movie_year, label=movie_year.columns)
plt.xticks(range(1910,2018,5))
plt.legend(movie_year)
plt.title('电影类型随时间变化的趋势',fontsize=15)
plt.xlabel('年份',fontsize=15)
plt.ylabel('数量（部）',fontsize=15)
plt.grid(True)  #显示网格线
# plt.savefig('./img/电影类型随时间变化的趋势图.png', dpi=600, format='png', bbox_inches='tight')
plt.show()

在这里插入图片描述

分析结论：从图中可知，可以看出随着时间的推移电影类型的数量越来越多，其中Drama(戏剧)和Comedy(喜剧)数量增长远比其他电影类型快，常年深受观众喜爱。

问题二：电影类型与利润的关系？

genre_profit = dict.fromkeys(all_movie,0)
for i in range(4803):
    for j in data5['电影类型'][i]:
        genre_profit[j] += data5['利润'][i]
for i in data6['电影类型']:
    genre_profit[i] /= count_type[i]
# genre_profit

dt = {'电影类型':genre_profit.keys(),'利润':genre_profit.values()}
genre_profit_data = pd.DataFrame(dt)
genre_profit_data
电影类型利润
0Romance6.878714e+07
1Family1.340737e+08
2War6.366630e+07
3Foreign6.775845e+07
4Horror6.043865e+07
5Drama6.157373e+07
6History4.971221e+07
7Mystery6.903151e+07
8Music6.342341e+07
9Adventure1.560404e+08
10TV Movie9.272958e+07
11Action1.069430e+08
12Fantasy1.460115e+08
13Western4.191084e+07
14Animation1.766170e+08
15Thriller7.216813e+07
16Comedy7.437827e+07
17Crime5.966100e+07
18Documentary5.602798e+07
19Science Fiction1.174366e+08
绘制各种电影类型的平均利润统计图
plt.rcParams['figure.figsize']=(9, 6)
# 对于‘利润’列数据按值大小进行降序排序
genre_profit_data.sort_values(by='利润',ascending=True).plot(kind='barh')
plt.yticks(range(20), genre_profit_data['电影类型'])
plt.title('各种电影类型的平均利润')
plt.xlabel('平均利润（美元）')
plt.ylabel('电影类型')
# plt.savefig('./img/各种电影类型的平均利润图.png', dpi=600, format='png', bbox_inches='tight')
plt.show()

在这里插入图片描述

分析结论：History、Fantasy、Mystery三种电影类型利润最客观，然而电影类型数量排名第二的Comedy利润缺排在了倒数第一，可能是因为该类型电影的市场斗争太过激烈，拍摄此电影有一定的风险。

问题三：3.Universal Pictures和Paramount Pictures两家影视公司发行电影的对比情况如何？

data5['制作公司'] = data5['制作公司'].apply(json.loads) #格式转换
def decode(column):
    z = []
    for i in column:
        z.append(i['name'])
    return ' '.join(z)

data5['制作公司'] = data5['制作公司'].apply(decode)
data5['制作公司'].head(3)

0    Ingenious Film Partners Twentieth Century Fox ...
1    Walt Disney Pictures Jerry Bruckheimer Films S...
2                         Columbia Pictures Danjaq B24
Name: 制作公司, dtype: object

company_st = pd.DataFrame()
company_st['Universal Pictures'] = data5['制作公司'].str.contains('Universal Pictures').apply(lambda x:1 if x else 0)
company_st['Paramount Pictures'] = data5['制作公司'].str.contains('Paramount Pictures').apply(lambda x:1 if x else 0)
company_st
Universal PicturesParamount Pictures
000
100
200
300
400
.........
479800
479900
480000
480100
480200

4803 rows × 2 columns

dict_company = {'Universal Pictures':company_st['Universal Pictures'].sum(), 'Paramount Pictures':company_st['Paramount Pictures'].sum()}
company_vs = pd.Series(dict_company)
company_vs

Universal Pictures    314
Paramount Pictures    285
dtype: int64
绘制两家公司电影发行数量对比的饼状图
plt.rcParams['figure.figsize']=(12, 8)
#计算各个电影类型所占百分比
percentage = (company_vs.values/company_vs.sum())*100
#保留两位小数
np.set_printoptions(precision=2)
plt.axes(aspect=1)
plt.pie(x = company_vs, labels=company_vs.index, autopct='%.2f %%', shadow=False,
        labeldistance=1.2, startangle = 90, pctdistance = 0.7)
plt.title('Universal Pictures和Paramount Pictures两家公司电影发行数量对比')
# plt.savefig('./img/Universal Pictures和Paramount Pictures两家公司电影发行数量对比图.png', dpi=600, format='png', bbox_inches='tight')
plt.show()

在这里插入图片描述

company_data = company_st[['Universal Pictures','Paramount Pictures']]
company_data.index = data5['发行年份']
company_data = company_data.groupby('发行年份').sum()
company_data
Universal PicturesParamount Pictures
发行年份
191600
192500
192701
192900
193000
.........
201398
2014108
2015137
2016105
201700

90 rows × 2 columns

绘制两家公司电影发行量的时间走势图
plt.figure(figsize=(12,8))
plt.plot(company_data, label=company_data.columns)
plt.xticks(range(1910,2018,5))
plt.legend(company_data)
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)  #显示网格线
# plt.savefig('./img/Universal Pictures和Paramount Pictures公司电影的发行量时间走势图.png', dpi=600, format='png', bbox_inches='tight')
plt.show()

在这里插入图片描述

分析结论：两家公司针对电影发行数量相比差异不算很大，但Universal Pictures相比Paramount Picture仍然略胜一筹，从1965年开始两家电影公司发行数量开始增长迅速。

问题四：改编电影和原创电影的对比情况如何？

data5['关键字'] = data5['关键字'].apply(json.loads) #格式转换
def decode(column):
    z = []
    for i in column:
        z.append(i['name'])
    return ' '.join(z)

data5['关键字'] = data5['关键字'].apply(decode)
data5['关键字'].head(3)

0    culture clash future space war space colony so...
1    ocean drug abuse exotic island east india trad...
2    spy based on novel secret agent sequel mi6 bri...
Name: 关键字, dtype: object

data5['原创与改编'] = data5['关键字'].str.contains('based on novel').apply(lambda x: 'no original' if x else 'original')
data5['原创与改编'].value_counts()

original       4606
no original     197
Name: 原创与改编, dtype: int64

original_profit = data5[['原创与改编','预算（美元）','收入（美元）','利润']]
original_profit = original_profit.groupby(by='原创与改编').mean()
original_profit
预算（美元）收入（美元）利润
原创与改编
no original4.795794e+071.545032e+081.065453e+08
original3.657600e+071.154287e+087.885267e+07
绘制改编电影与原创电影在预算、收入及利润三方面进行比较的柱状图
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.savefig('./img/改编电影与原创电影在预算、收入和利润的比较图.png', dpi=600, format='png', bbox_inches='tight')
plt.show()

<Figure size 864x576 with 0 Axes>

在这里插入图片描述

分析结论：如图可以看出改编电影不管是预算、收入还是利润相比原创电影都更略胜一筹，这可能是改变电影的资金投入更多导致的原因

问题五：电影时长与电影票房及评分的关系

绘制电影时长与电影票房收入关系图
#电影时长与电影票房的关系：
data5.plot(kind='scatter', x='电影时长', y='收入（美元）', 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('电影票房收入（美元）',fontsize=15)
plt.grid(True)
# plt.savefig('./img/电影时长与电影票房的关系图.png', dpi=600, format='png', bbox_inches='tight')
plt.show()

在这里插入图片描述

绘制电影时长与电影票房平均评分关系图
#电影时长与电影平均评分的关系：
data5.plot(kind='scatter', x='电影时长', y='平均评分', 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('电影平均评分',fontsize=15)
plt.grid(True)
# plt.savefig('./img/电影时长与电影票房的关系图.png', dpi=600, format='png', bbox_inches='tight')
plt.show()

在这里插入图片描述

分析结论：从图上可以看出，拍摄电影要想获得较高的票房及口碑，电影的时长应保持在90~150分钟之间。

问题六：分析电影关键字

keywords_list = []
for i in data5['关键字']:
    keywords_list.append(i)
keywords = ''.join(keywords_list)
生成电影关键字词云图
mv_wc = WordCloud(background_color='black',
              max_words=2000,
              max_font_size=100,
              random_state=12)

# 根据字符串生成词云
mv_wc.generate(keywords)

plt.figure(figsize=(16,8))
# 显示图片
plt.imshow(mv_wc)
plt.axis('off')  #关闭坐标轴
# plt.savefig('./img/词云图.png', dpi=600, format='png', bbox_inches='tight')
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，电影出现数量最多的词是based，其次是women、love、novel、murder。可以看出女性和爱这方面题材电影最受大众喜爱，小说类和犯罪类的电影同样也深受大家的欢迎。

日月光华…
关注
  • 7
    点赞
  • 踩
  • 58
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 6
    评论
数据分析项目实战：电影数据分析
markshui的博客
08-26 2万+
一、项目背景 电影公司制作一部新电影推向市场时，要想获得成功，通常要了解电影市场趋势，观众 喜好的电影类型，电影的发行情况，改编电影和原创电影的收益情况，以及观众喜欢什么样的内容 本案例来源于 kaggle 上的 TMDB 5000 Movie Dataset 数据集，为了探讨电影数据可视化， 为电影的制作提供数据支持，主要研究以下几个问题： （1）电影类型如何随着时间的推移发生变化的？ （2）电影类型与利润的关系？ （3）Universal 和 Paramount 两家影视公司的对比情况如何？ （4）改编
代码分享：电影数据分析与可视化系统
07-10
项目使用教程可以关注博主的主页，有对应博客：https://blog.csdn.net/weixin_43486940 本文主要介绍如何使用python搭建：一个基于Python的电影数据分析与可视化系统 项目功能和可视化展示界面涉及以下功能模块，包括： 1、用户登录界面。 2、爬虫电影数据收集。 3、电影简介界面。根据用户偏好展示TOP10的电影。 4、搜索功能界面。按照电影名、导演、演员，模糊匹配需要搜索的电影，并展示电影详情。 5、电影数据分析可视化界面。用户选择关键词来查看数据和该分类下的数据可视化。 6、数据分析可视化包括：①电影年代、产地、类型的饼状图或柱状体、②关于电影评价的词云图分析。
大数据最全大数据Spark电影评分数据分析_spark分析电影评分数据集(1)，那些年我们一起踩过算法与数据结构的坑
2401_84181368的博客
05-15 440
使用电影评分数据进行数据分析，分别使用DSL编程和SQL编程，熟悉数据处理函数及SQL使用，业务需求说明：对电影评分数据进行统分析，获取Top10电影（电影评分平均值最高，并且每个电影被评分的次数大于2000)。应用scala的stripMargin方法，在scala中stripMargin默认是“|”作为出来连接符，在多行换行的行头前面加一个“|”符号即可。其中使用SparkSQL中自带函数库functions，在org.apache.spark.sql.functions中，包含常用函。
TMDB电影数据分析（上）
ZShiJ的博客
01-18 1825
本文对源自Kaggle TMDB电影数据集进行分析影响电影票房的因素，数据分析流程包含数据集概分析、数据清洗、数据统计以及分析影响电影票房的因素。影响票房因素可能是电影预算、电影类型、电影时长、受欢迎程度、电影评分，发行时间等有关系，通过具体数据进行分析影响票房的因素。
数据分析案例-外国电影票房数据可视化分析
热门推荐
m0_64336780的博客
01-03 1万+
该数据集来源于kaggle，该数据集包含1995年至2018年上映的电影类型统计数据，原始数据集共有300条，9个变量，各变量含义解释如下：Genre：电影的类别或类型。（分类）Year：电影发行的年份。（数字）Movies Released ：特定类型和年份发行的电影数量。（数字）Gross：该类型和年份的电影产生的总收入。（数字）Tickets Sold：该类型和年份的电影售出门票总数。（数字）
毕设项目 大数据电影数据分析与可视化系统
PEEleeer的博客
11-15 75
今天学长向大家介绍一个机器视觉的毕设项目🚩基于大数据的电影数据分析与可视化系统毕业设计 大数据电影评论情感分析。
电影数据分析练习
12-20
电影数据分析是一种运用统计学和数据挖掘技术来理解电影行业的趋势、观众喜好以及成功因素的实践。在这个案例中，我们将分析2006年至2016年间1000部最受欢迎的电影数据，以获得深入的见解。以下是针对标题和描述中...
基于Hadoop豆瓣电影数据分析实验报告
06-16
【基于Hadoop豆瓣电影数据分析实验报告】 在大数据时代，对海量信息进行高效处理和分析是企业决策的关键。Hadoop作为一款强大的分布式计算框架，自2006年诞生以来，已经在多个领域展现了其卓越的数据处理能力。本...
IMDB电影数据分析
02-12
IMDB电影数据分析是一个广泛的研究领域，它涉及到统计学、数据挖掘和机器学习等多个IT子领域。在这个项目中，我们很可能会使用Jupyter Notebook，这是一个交互式计算环境，它允许我们结合代码、文本、数学公式和可视...
python 电影数据分析+云地图+词云全代码
07-20
在本项目中，我们将深入探讨如何使用Python进行电影数据分析，并结合云地图与词云图来可视化数据。Python作为一门强大的编程语言，尤其在数据分析领域，它有着丰富的库和工具，如Pandas、Matplotlib和Seaborn等，...
电影数据分析,spss电影数据分析,Python
09-10
电影数据分析是数据科学在娱乐产业中的一个重要应用领域，它涵盖了从收集、整理到解析大量电影相关的数据，以洞察观众喜好、预测票房趋势、优化市场策略等多个方面。SPSS（Statistical Product and Service ...
电影分类数据
01-06
康奈尔大学网站的2M影评数据集。 配合教程http://blog.csdn.net/lsldd/article/details/41542107
电影样题的数据清洗
浅汐
10-08 787
# -*- coding: utf-8 -*- #coding:utf-8 import numpy as np import pandas as pd import string df20105 = pd.read_csv('fbr_d_n_b.csv', delimiter = ',' , names = ['date','film','BoxOfficeReturn
电影数据处理及分析
cyj5201314的博客
03-17 751
数据读取 import pandas as pd import os import numpy as np import matplotlib.pyplot as plt os.chdir("E:\\code\\python_basic\\项目01_电影数据处理及分析实战\\") data = pd.read_csv('爱奇艺视频数据.csv', engine = 'python') print(data.head()) 数据清洗(去除空值) def data_cleaning(df):..
电影评分数据集的分析（案例二）
weixin_46005499的博客
08-21 2386
在评分值没有考虑到评分者的数量
[毕业设计]大数据电影数据分析可视化
Hai_Lang_IT的博客
11-25 4569
[毕业设计]大数据电影数据分析可视化:由于最近《哪吒之魔童降世》的火爆，最新票房已经超过49亿，使我对国内票房的整体走势有了很大兴趣，究竟49亿的票房数据，在国内是处于一个什么水平？除了票房数据，又有哪些特征因素可以用来形容一部优秀的影片呢？通过可视化分析的方式，直观地展示国内影片票房的概况。
豆瓣电影数据分析python
最新发布
05-30
豆瓣电影数据分析Python是一种使用Python语言对豆瓣电影网站上的电影数据进行分析的方法。通过使用Python编程语言及其相关的数据分析库，我们可以轻松地从豆瓣电影网站上获取电影数据，并对其进行处理和分析，以挖掘...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
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

日月光华…

你的鼓励将是我创作的最大动力

¥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