豆瓣电影的数据分析
即使有这些缺点，我还是想挂了，主要是因为:1。作为一个熊猫和爬虫(硒+请求)从业者，我总要留下一些证明；2.确实很难找到一条商业逻辑线来支撑豆瓣电影的分析，一般以描述性统计为主；3.与网上能找到的其他豆瓣电影数据分析相比，更加详细，可视化效果好；
本报告旨在分析豆瓣电影1990-2020的电影数据。首先，它通过编写Python网络爬虫来抓取51375条电影数据。收集的对象包括:片名、年份、导演、演员、流派、制作国家、语言、时长、评分、评论数、不同评价比例和网址。经过去重和清洗，最终获得29033个有效电影数据。根据电影评分、时长、地区、流派，描述评分与时长、流派的关系，统计各地区电影的数量和评分。之后针对演员和导演进行数据汇总，给出产量和评分最高的名单。在分析的过程中还发现，今年电影数量逐渐增多，但评分有所下降，主要是今年国内低质量的影视作品增多。
另外，这份报告还抓取了(/) 1995到2020年上映的国产电影票房，* * *收集了4071的数据，其中3484个有效。进而分析了国内院线票房的年度变化趋势，票房与评分、人数、时长、地域的关系，以及票房与影片类型的关系，给出了票房最高的导演、演员、影片的排名。
经过清洗和去重后，我们可以看到29033条数据的长度、得分和评论数具有以下特征:
结合图1(a)(b)可以看出，电影数据时长主要集中在90-120分钟之间，向两极阶梯式递减，数据分为短(60-90分钟)、中(90-120分钟)、长(65438+)。150分钟)，各部分占比分别为21.06%，64.15%，11.95%和2.85%。
结合图2(a)我们可以看到，我们收集的电影数据的评分主要在6.0到8.0之间，呈现出向两极逐级下降的趋势。这里我们根据分数划分区间:2.0-4.0为口碑差，4.0-6.0为口碑差，6.0-7.0为口碑尚可，7.0-8.0为口碑好，8.0-650为口碑好。
这五种电影数据占比分别为:5.78%，23.09%，30.56%，29.22%，11.34%。
然后每年细化评分数据进行观察，可以发现30年内电影数量与年平均分呈负相关，年平均分整体呈下降趋势，2016年平均分最低，电影数量最多。
进一步做各年不同评分的电影数据占比，可以发现，近几年评分为×、(2，5)、(5，10)、(10，20)、(20，999)的导演分组统计，可以发现，15009。忽略那些客串演员和跑龙套的演员，数据一般符合二八定律，也就是20%的人占用了行业大量资源。
在这里，我们可以通过电影评分、每部电影的影评人数量和影片数量来发现优秀的电影导演和演员。这三个指标分别衡量导演/演员的创作水平、人气和生产力。考虑到电影数据集中可能存在少量电视剧/剧场版动画，且电视剧/剧场版动画的受众少于电影，但评分普遍高于电影，这里根据每部电影的评论数和作品数，先选出导演/演员，再根据电影评分进行排名，得出前30名，可得数字17，18。
结合电影票屋(/)收集的3353票房数据，根据电影名称与豆瓣数据匹配，得到中国大陆1995-2020的电影信息，分析中国电影数量、票房变化趋势、票房与评分的关系、评价人数、时长、地域、类型，此外还给出不同导演、演员的票房表现以及电影的票房排名。
如图19，国内票房数据和上映电影数量都在逐年增长。2020年只记录了上半年的数据，受疫情影响票房和数量锐减。这说明国内电影市场在没有大事件的情况下是在扩张的。
将电影数据按类型汇总，绘制散点图21，我们可以发现:
提取导演/演员的名字，汇总导演/演员的领域，计算每个导演/演员的票房总和，计算上映影片的平均分和执导/参演影片的数量，做出票房总和前30名的导演/演员，可以得到如图22和23所示，其中导演/演员的标签反映了票房排名，具体是每个导演/演员上映的影片数量、平均分、给每部影片打分的人数、给每部影片打分的人数。
最后根据电影票房排名，票房前20的电影如表7所示。可以看到，榜单上的大部分电影都是中国电影，索引号为3、10、12、14、18、19的都是美国电影，这也反映出除了国产电影，好莱坞。
本报告从1990-2020收集了29033组豆瓣电影的有效数据，对豆瓣电影的评分、时长、地域、流派、演员、导演、票房等信息进行了分析评估。主要结论如下: