怎么用python分析電影票房

這篇文章主要介紹“怎么用python分析電影票房”的相關(guān)知識(shí)，小編通過實(shí)際案例向大家展示操作過程，操作方法簡(jiǎn)單快捷，實(shí)用性強(qiáng)，希望這篇“怎么用python分析電影票房”文章能幫助大家解決問題。

一、提出問題

本案例來源于kaggle上的TMDB 5000 Movie Dataset數(shù)據(jù)集，為了探討電影數(shù)據(jù)可視化，為電影的制作提供數(shù)據(jù)支持，主要研究以下幾個(gè)問題：

• 電影類型如何隨著時(shí)間的推移發(fā)生變化的？

• 電影類型與利潤(rùn)的關(guān)系？

• Universal和Paramount兩家影視公司的對(duì)比情況如何？

• 改編電影和原創(chuàng)電影的對(duì)比情況如何？

• 電影時(shí)長(zhǎng)與電影票房及評(píng)分的關(guān)系？

• 分析電影關(guān)鍵字

二、理解數(shù)據(jù)

1、采集數(shù)據(jù)

從kaggle上的TMDB 5000 Movie Dataset下載數(shù)據(jù)集：

https://www.kaggle.com/tmdb/tmdb-movie-metadata

2、導(dǎo)入數(shù)據(jù)

3、查看數(shù)據(jù)集信息

下面是moviedf數(shù)據(jù)集中部分字段的含義介紹：

• id： 標(biāo)識(shí)號(hào)

• imdb id:IMDB標(biāo)識(shí)號(hào)

• popularity： 在Movie Database上的相對(duì)頁(yè)面查看次數(shù)

• budget： 預(yù)算（美元）

• revenue： 收入（美元）

• original_title： 電影名稱

• cast： 演員列表，按|分隔，最多5名演員

• homepage： 電影首頁(yè)的URL

• director： 導(dǎo)演列表，按|分隔，最多5名導(dǎo)演

• tagline： 電影的標(biāo)語(yǔ)

• keywords： 與電影相關(guān)的關(guān)鍵字，按|分隔，最多5個(gè)關(guān)鍵字

• overview： 劇情摘要

• runtime： 電影時(shí)長(zhǎng)

• genres： 風(fēng)格列表，按|分隔，最多5種風(fēng)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： 評(píng)分次數(shù)

• vote_average： 平均評(píng)分·release year： 發(fā)行年份

三、數(shù)據(jù)清洗

1、先將credits數(shù)據(jù)集和moviedf數(shù)據(jù)集中的數(shù)據(jù)合并在一起，再查看合并后的數(shù)據(jù)集信息：

2、選取子集

由于數(shù)據(jù)集中包含的信息過多，其中部分?jǐn)?shù)據(jù)并不是我們研究的重點(diǎn)，所以從中選取我們需要的數(shù)據(jù)：

由于后面的數(shù)據(jù)分析涉及到電影類型的利潤(rùn)計(jì)算，先求出每部電影的利潤(rùn)，并在數(shù)據(jù)集moviesdf中增加profit數(shù)據(jù)列：

3、缺失值處理

通過上面的數(shù)據(jù)集信息可以知道：整個(gè)數(shù)據(jù)集缺失的數(shù)據(jù)比較少 其中release_date（首次上映日期）缺失1個(gè)數(shù)據(jù)，runtime（電影時(shí)長(zhǎng)）缺失2個(gè)數(shù)據(jù)，可以通過網(wǎng)上查詢補(bǔ)齊這個(gè)數(shù)據(jù)。

填補(bǔ)release_date（首次上映日期）數(shù)據(jù)：

找出runtime（電影時(shí)長(zhǎng)）缺失的數(shù)據(jù)：

填充runtime缺失值：

4、數(shù)據(jù)格式轉(zhuǎn)換

genres列數(shù)據(jù)處理:

release_date列數(shù)據(jù)處理：

四、數(shù)據(jù)分析及可視化

問題一：電影類型如何隨著時(shí)間的推移發(fā)生變化的？

1、建立包含年份與電影類型數(shù)量的關(guān)系數(shù)據(jù)框：

2、數(shù)據(jù)可視化

繪制各種電影類型的數(shù)量柱狀圖：

繪制各種電影類型占比的餅狀圖：

分析結(jié)論：

• 從上面的結(jié)果可以看出，在所有的電影類型中，Drama(戲劇)類型電影最多，占所有電影類型的18.9%，其次為Comedy(喜劇)，占所有電影類型的14.2%。

• 在所有電影類型中，電影數(shù)量排名前5的電影類型分別為： Drama(戲劇)、Comedy(喜劇)、Thriller(驚悚)、Action（動(dòng)作）、Romance（冒險(xiǎn)）。

3、電影類型隨時(shí)間變化的趨勢(shì)分析：

分析結(jié)論：

從圖中觀察到，隨著時(shí)間的推移，所有電影類型都呈現(xiàn)出增長(zhǎng)趨勢(shì)，尤其是1992年以后各個(gè)類型的電影均增長(zhǎng)迅速，其中Drama(戲劇)和Comedy(喜劇)增長(zhǎng)最快，目前仍是最熱門的電影類型。

問題二：電影類型與利潤(rùn)的關(guān)系？

先求出各種電影類型的平均利潤(rùn)：

電影類型平均利潤(rùn)數(shù)據(jù)可視化：

分析結(jié)論：

從圖中觀察到，拍攝Animation、Adventure、Fantasy這三類電影盈利最好，而拍攝Foreign、TV、Movie這三類電影會(huì)存在虧本的風(fēng)險(xiǎn)。

問題三：Universal Pictures和Paramount Pictures兩家影視公司發(fā)行電影的對(duì)比情況如何？

Universal Pictures(環(huán)球影業(yè))和Paramount Pictures(派拉蒙影業(yè))是美國(guó)兩家電影巨頭公司。

1、查看 Universal Pictures和Paramount Pictures兩家影視公司電影發(fā)行的數(shù)量

先對(duì)production_companies列數(shù)據(jù)進(jìn)行處理：

查詢production_companies數(shù)據(jù)列并統(tǒng)計(jì)Universal Pictures和Paramount Pictures的數(shù)據(jù)：

使用餅狀圖比較兩家公司發(fā)行的電影占比：

2、分析Universal Pictures和Paramount Pictures兩家影視公司電影發(fā)行的走勢(shì)

抽取相關(guān)數(shù)據(jù)列進(jìn)行處理：

兩家影視公司電影發(fā)行的折線圖：

分析結(jié)論：

從圖中觀察到，隨著時(shí)間的推移，Universal Pictures和Paramount Pictures公司的電影發(fā)行量呈現(xiàn)出增長(zhǎng)趨勢(shì)，尤其是在1995年后增長(zhǎng)迅速，其中Universal Pictures公司比Paramount Pictures公司發(fā)行的電影數(shù)量更多。

問題四：改編電影和原創(chuàng)電影的對(duì)比情況如何？

對(duì)keywords列數(shù)據(jù)處理：

描繪柱狀圖，對(duì)改編電影與原創(chuàng)電影在預(yù)算、收入及利潤(rùn)三方面進(jìn)行比較：

分析結(jié)論：

從圖上可以看出，改編電影的預(yù)算略高于原創(chuàng)電影，但改編電影的票房收入和利潤(rùn)遠(yuǎn)遠(yuǎn)高于原創(chuàng)電影， 這可能是改編電影擁有一定的影迷基礎(chǔ)。

問題五：電影時(shí)長(zhǎng)與電影票房及評(píng)分的關(guān)系

電影時(shí)長(zhǎng)與電影票房的關(guān)系：

電影時(shí)長(zhǎng)與電影平均評(píng)分的關(guān)系：

分析結(jié)論：

從圖上可以看出，電影要想獲得較高的票房及良好的口碑，電影的時(shí)長(zhǎng)應(yīng)保持在90~150分鐘內(nèi)。

問題六：分析電影關(guān)鍵字

先提取電影關(guān)鍵字：

通過詞云包WordCloud生成詞云圖：

關(guān)于“怎么用python分析電影票房”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)，可以關(guān)注億速云行業(yè)資訊頻道，小編每天都會(huì)為大家更新不同的知識(shí)點(diǎn)。