Skip to content

QI-Xiao/chinamovies2018

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

7 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

2018年国内上映电影票房评分分析

项目内容

统计2018年在国内上映的所有电影,分别获取上映电影的票房、评分(豆瓣、猫眼、时光、imdb)、类型、上映日期、演员、导演等数据。利用所获数据绘图,对2018年国内上映电影进行定量分析

项目思路

  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

运行环境

  • Python 3.6
  • linux/windows
  • jupyter notebook

运行依赖包

  • requests
  • bs4
  • pymongo
  • numpy
  • pyecharts

文件说明

  • movies_data 文件夹: 包括了所有获取数据所需的 .py 文件

    • step0_chinamovies.py:获取中国票房网2018年所有国内上映电影及票房
    • step1_doubanmovies.py:根据中国票房网得到的电影数据,从豆瓣 api 接口中获得更详细的数据并存入数据库
    • step1_doubanmovies_supplement.py:用来寻找在 step1_doubanmovies.py 中由于名称原因没有找到的电影
    • step2_moviedetail.py:获得每部电影在不同网站的评分、演职人员等详细信息
    • step3_celebrity.py:计算每个影人(导演)2018年参(导)演电影的票房总和
  • movie_draws 文件夹

    • movie_pyecharts.ipynb
      • 为了更加直观的进行展示,数据分析和绘图的代码写在了 jupyter notebook 里面
      • 采用 pyecharts 绘图,包括“电影评分-票房”等八张图
    • 包括了HTML格式的所有 movie_pyecharts.ipynb 绘制图
  • output_data 文件夹

    • data_output.py: 从数据库导出电影和影人数据的 .py 文件
    • movie_data.csv: 抓取的2018年所有电影条目,共 522 部
    • cast_data.csv: 每个影人2018年参演电影及电影票房总和排名,共 4723 影人

一些技术细节

  • 由于要更改数据库,所有获取数据并保存数据库的操作都写成了函数形式,执行函数的代码加了注释,可根据自身需要去掉注释运行代码
  • 数据保存:数据采用mongodb保存,使用时需要安装 pymongo 第三方库
    • 连接到数据表
      client = pymongo.MongoClient()
      db = client.chinamovies # 连接到数据库
      collections = db.movies # 数据表 movies
      collections_detail = db.moviesdetail # 豆瓣数据都放入了数据表 moviesdetail 中
      
    • 写入多条数据 collections.insert_many(data['pData'])
    • 写入一条数据 collections_detail.insert_one(datadetail)
    • 更新数据
      # 更新数据到数据库中
      collections_detail.update({'_id': i['_id']}, {'$set': {'猫眼':{
          'title': movie['nm'], 'rank': movie['sc'],
          'id': movie['id'], 'pubDesc': movie['pubDesc']
      }}})
      
  • 数据验证
    • 本项目中,由于涉及多个网站的电影数据,因此会发生 网站A 电影上映日期或名称与 网站B 不同的情况。本项目中,电影上映日期和名称均以豆瓣网为准。利用 网站A 的电影名在 网站B 中进行搜索时,必须要保证电影名和上映年份完全一致,对于电影名不符合的电影,需要进行二次的人工判断
    • 例:
      # 必须要名称一致且2018年大陆上映才符合要求
      if movie['nm'] == i['title'] and re.findall(r'2018.*大陆上映', movie['pubDesc']):
          ... # 符合要求
      
  • 绘图:利用 pyecharts 绘图,pyecharts 使用可见官方文档:http://pyecharts.org/

所有图表

  1. 电影评分-票房
  2. 电影评分对比(豆瓣-imdb)
  3. 电影评分对比(豆瓣-猫眼)
  4. 电影评分对比(豆瓣-时光)
  5. 2018总票房排名
  6. 类型-票房
  7. 类型-评分
  8. 月份票房叠加
  9. 2018年演员参演电影总票房排名

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published