豆瓣看得到電影票房嗎

A. 豆瓣電影的「北美票房榜」去哪了

有的，就在豆瓣電影排行榜裡面，旁邊有個北美票房排行榜

B. 豆瓣評分到底會不會影響電影票房

1、很多人看電影的時候，如果對電影不了解，總是先關注一下豆瓣評分，如果豆瓣評分5分以下，肯定是垃圾片！
如果7分以上，肯定是好片！
2、這就是豆瓣評分影響票房的方法，除非影片本身是系列片。例如生化危機系列。速度與激情系列等。否則很多人都是先看評分再買票的！
3、當然，豆瓣也不是很准，例如前任3票房很高，但是評分卻不高，所以需要一個平衡軸，票房！
一般來說，周末票房一天好幾億的肯定是好電影！
票房和豆瓣都很高，那樣的電影就可以去看了！

C. 在哪裡查看春節檔電影預售排行榜

在豆瓣點評。在豆瓣點評榜上可以查看春節檔電影預售排行榜。據統計，截至2023年2月1日0時，春節檔電影實時總票房中國電影市場2023年度總票房(含預售)已突破100億元。

D. 豆瓣電影數據分析

這篇報告是我轉行數據分析後的第一篇報告，當時學完了Python，SQL，BI以為再做幾個項目就能找工作了，事實上……分析思維、業務，這兩者遠比工具重要的多。一個多月後回過頭來看，這篇報告雖然寫得有模有樣，但和數據分析報告還是有挺大差別的，主要原因在於：a.只是針對豆瓣電影數據分析太過寬泛了，具體關鍵指標到底是哪些呢？；b.沒有一個確切有效的分析模型/框架，會有種東一塊西一塊的拼接感。
即便有著這些缺點，我還是想把它掛上來，主要是因為：1.當做Pandas與爬蟲(Selenium+Request)練手，總得留下些證明；2.以豆瓣電影進行分析確實很難找到一條業務邏輯線支撐，總體上還是描述統計為主；3.比起網上能搜到的其他豆瓣電影數據分析，它更為詳細，可視化效果也不錯；

本篇報告旨在針對豆瓣電影1990-2020的電影數據進行分析，首先通過編寫Python網路爬蟲爬取了51375條電影數據，採集對象包括：電影名稱、年份、導演、演員、類型、出品國家、語言、時長、評分、評論數、不同評價佔比、網址。經過去重、清洗，最後得到29033條有效電影數據。根據電影評分、時長、地區、類型進行分析，描述了評分與時長、類型的關系，並統計了各個地區電影數量與評分。之後，針對演員、導演對數據進行聚合，給出產量與評分最高的名單。在分析過程中，還發現電影數量今年逐步增加，但評分下降，主要原因是中國地區今年低質量影視作品的增加。

另外，本篇報告還爬取了電影票房網（ http://58921.com/ ）1995-2020年度國內上映的影片票房，共採集4071條數據，其中3484條有效。進一步，本文分析了國內院線電影票房年度變化趨勢，票房與評分、評價人數、時長、地區的關系，票房與電影類型的關聯，並給出了票房最高的導演、演員與電影排名。

清洗、去重後，可以看到29033條數據長度、評分、評論數具有以下特點：

結合圖1(a)(b)看，可以看到電影數據時長主要集中在90-120分鍾之間，向兩極呈現階梯狀遞減，將數據按照短(60-90分鍾)，中(90-120分鍾)，長(120-150分鍾)，特長(>150分鍾)劃分，各部分佔比為21.06%, 64.15%, 11.95%, 2.85%。

結合圖2(a)看，可以看到我們採集到的電影數據評分主要集中在6.0-8.0之間，向兩極呈現階梯狀遞減，在此按照評分劃分區間：2.0-4.0為口碑極差，4.0-6.0為口碑較差，6.0-7.0為口碑尚可，7.0-8.0為口碑較好，8.0-10.0為口碑極佳。

這5種電影數據的佔比分別為：5.78%, 23.09%, 30.56%, 29.22%, 11.34%

再將評分數據細化到每年進行觀察，可以發現，30年內電影數量與年度電影均分呈反相關，年度均分整體呈現下降趨勢，2016年電影均分最低，電影數量最多。

進一步做出每個年份下不同評級等級的電影數據佔比，可以發現，近年來，評分在[2.0,6.0)的電影數據佔比有著明顯提升，評分在[6.0,7.0)的數據佔比不變，評分在[7.0,10.0)的數據佔比減少，可能原因有：

對照圖5，可以發現，評分與時長、評論人數的分布大致呈現漏斗狀，高分電影位於漏鬥上部，低分電影位於漏斗下部。這意味著，如果一部電影的評論人數很多（特別是超過30w人觀影），時長較長(大於120min)，那麼它大概率是一部好電影。

根據各個國家的電影數量作圖，可以得到圖6，列出電影數量前十的國家可得表格2，發現美國在電影數量上占第一，達到8490部，中國其次，達6222部。此外，法國，英國，日本的電影數量也超過1000，其餘各國電影數量相對較少。這可以說明美國電影有著較大的流量輸入，在中國產生了較大的影響。

進一步分析各國電影的質量，依據評分繪制評分箱線圖可得圖7，在電影數量排名前20的國家中：

接著我們可以探索，哪個國家的電影對豆瓣評分隨年份下降的貢獻最大，考慮到電影數量對應著評分的權重。根據上述各國的電影評分表現，我們可以猜測電影數量較多的國家可能對年度均分的下降有較大影響。於是，我們再計算出這些國家的年度電影均分，並與整體均分進行比較分析。

再作出中國大陸，中國台灣，中國香港的均分箱線圖圖9(a)，可以看到，大陸電影均分低於港台電影，且存在大量低分電影拉低了箱體的位置。

分析相關性可得，大陸、香港、台灣電影年度均分與全部評分關聯度分別為R=0.979,0.919,0.822，說明濾去台灣和香港電影，大陸電影年度均分的變化趨勢與全部評分變化更接近。圖9(b)可以進一步反映這一點。

可以看到，大部分類型集中在X×Y=[10000,30000]×[6.00,7.50]的區間范圍內，劇情、喜劇、愛情、犯罪、動作類電影數量上較多，說明這些題材的電影是近三十年比較熱門的題材，其中劇情類電影佔比最多，音樂、傳記類電影平均得分更高，但在數量上較少，動作、驚悚類電影評論人數雖多，但評價普遍偏低。

除此之外，還有兩塊區域值得關註：

根據類型對電影數據進行聚合，整理得到各類型電影評分的時間序列，計算它們與整體均分時間序列的相關性，可得表格4與圖11，可以看到劇情，喜劇，懸疑這三種類型片與總分趨勢變化相關性最強，同時劇情、喜劇類電影在電影數量上也最多，因此可以認為這兩類電影對於下跌趨勢影響最大，但其餘類別電影的相關性也達到了0.9以上，說明幾種熱門的電影得分的變化趨勢與總體均分趨勢一致。

前面已經得知，中美兩國電影佔比最高，且對於均分時間序列的影響最大。在此，進一步對兩國電影進行類型分析，選取幾種主要的類型（數量上較多，且相關性較高）進行分析，分別是劇情，喜劇，愛情，驚悚，動作，懸疑類電影，繪制近年來幾類電影的數量變化柱狀圖與評分箱線圖可得圖12,13,14,15。

對導演與演員進行聚合，得到數據中共有15011名導演，46223名演員。按照作品數量在(0,2], (2,5], (5,10], (10,20], (20,999]進行分組統計導演數量，可以發現，15009名導演中有79.08%只拍過1-2部作品，46220名演員中有75.93%只主演過1-2部作品。忽略那些客串、跑龍套的演員，數據總體符合二八定律，即20%的人占據了行業內的大量資源。

在此，可以通過電影得分、每部電影評論人數以及電影數目尋找優秀的電影導演與演員。這三項指標分別衡量了導演/演員的創作水平，人氣以及產能。考慮到電影數據集中可能有少量影視劇/劇場版動畫，且影視劇/劇場版動畫受眾少於電影，但得分普遍要高於電影，這里根據先根據每部電影評論數量、作品數量來篩選導演/演員，再根據電影得分進行排名，並取前30名進行作圖，可得圖17,18。

結合電影票房網（ http://58921.com/ ）採集到的3353條票房數據，與豆瓣數據按照電影名稱進行匹配，可以得到1995-2020年在中國大陸上映的電影信息，分別分析中國內地電影的數量、票房變化趨勢，票房與評分、評價人數、時長、地區以及類型的關系，此外還給出了不同導演與演員的票房表現以及影片票房排名。

如圖19所示，國內票房數據與上映的電影數量逐年遞增，2020年記錄的只是上半年的數據，且由於受疫情影響，票房與數量驟減。這說明在不發生重大事件的情況下，國內電影市場規模正在不斷擴大。

對電影數據根據類型進行聚合，繪制散點圖21，可以發現：

提取導演/演員姓名，對導演/演員欄位進行聚合，計算每個導演/演員的票房總和，上映電影均分、以及執導/參與電影數目進行計算，作出票房總和前30名的導演/演員，可得圖22,23，圖中導演/演員標號反映了票房排名，具體每位導演/演員的上映影片數量、均分、每部電影評價人數、平均時長與總票房在表5、表6中給出。

最後根據電影票房進行排名，得到票房排名前20的電影如表格7所示，可以看到絕大部分上榜電影都是中國電影，索引序號為3、10、12、14、18、19為美國電影，這也反映了除國產電影之外，好萊塢大片占據較大的市場。

本篇報告採集了1990-2020年間豆瓣電影29033組有效數據，從豆瓣電影的評分、時長、地區、類型、演員、導演以及票房等信息進行分析評價，主要有以下結論：

E. 票房和豆瓣的區別

票房是賣的錢，豆瓣是評分的。
票房和豆瓣的區別就在，票房可以看出這個電影火不火能掙多少錢，而豆瓣能看出這個電影內容怎麼樣，好不好。
對於電影的評價基本是由豆瓣評分和票房高低決定的。票房高了，看的人多，評價的人多，數據就更加真實，看的人少評價的人少，數據就不那麼權威了。
所以二者對電影評價來說是缺一不可的，也是有賺錢多少和評價高低的區別的。

F. 豆瓣電影票房排行榜實時

豆瓣電影票房排行榜

1.復仇者聯盟4：14.726億

2.星球大戰7：10.607億

3.復仇者聯盟3：10.383億

4.阿凡達：9.631億

5.侏羅紀世界：8.809億

6.戰狼2：8.569億

7.泰坦尼克號（含重映）：8.482億

8.黑豹：8.05億

9.速度與激情7：7.439億

10.哪吒之魔童降世：7.233億

11.復仇者聯盟：7.096億

12.復仇者聯盟2：6.991億

13.流浪地球：6.967億

14.侏羅紀世界2：6.789億

15.獅子王：6.64億

16.星球大戰8：6.626億

17.超人總動員2：6.599億

18.海王：6.268億

19.速度與激情8：6.188億

20.星球大戰俠盜一號：6.015億

G. 豆瓣評分高的電影，票房一定高嗎

我覺得這肯定不一定，因為有很多人對一部電影的看法不一樣，豆瓣只是官方的評價，而看電影的人都是觀眾，觀眾的評價是他喜不喜歡。如果他喜歡這部電影，那麼他就願意去看，仍然能夠得到很高的票房，如果她不喜歡這個類型的電影，就算評分再高，依然賣不出去。

H. 豆瓣評分到底對電影的票房影響大么

現在的商業電影時代，對於投資人來說最為看重的就是電影的票房。因為這關繫到他們的投資收益，而且演員也關心，因為他們的很多收益也是和票房掛鉤的。因此一個商業電影的成敗與否很大程度上是票房所決定的。（當然一些個人風格的電影除外）
而就國內來說，現在大家對於越來越多的電影不知如何選擇，因此除了電影本身的粉絲和電影主演的粉絲，大部分人都會根據現在電影的口碑選擇是否進電影院進行觀影。那麼現在的電影到底口碑佔多重，而且豆瓣評價佔有多重我們其實心裡也有著疑惑。因此我想就電影的票房和豆瓣的評價進行比較，看看豆瓣是否對電影票房有重要的影響。
選取的指標為：電影票房、豆瓣的評分、豆瓣的評論人數

下面來看一下電影票房和豆瓣評分人數的折線圖。

從電影票房和豆瓣評分人數的折線圖來看，兩者幾乎完全沒有任何的重合性。證明在這些電影中豆瓣影評人對其影響幾乎可以忽略不計。
那麼接下來就要看看豆瓣的評分是否會有影響。

從上圖來看似乎仍然沒有影響。
總結：豆瓣的評論其實沒有我們想像中的對很多電影有較大的影響。其實很多電影的票房最終最定性因素更多的還是看檔期、排片、營銷和宣傳。而我們所說的口碑影響看上面似乎也不能說是豆瓣的影響。畢竟豆瓣上的人群欣賞口味和大眾消費者還是有不小的差距的。

I. 是不是豆瓣評分兒在某種程度上影響著電影票房

會有一點影響，但是影響程度不是很大，因為電影的票房，主要是靠演員的號召力，這電影的宣傳。

J. 豆瓣怎麼看票房

購票app
想看電影的評分和票房的話,可以通過查詢各種購票app的方法來實現。在這些購票app當中,查詢者只需要輸入需要查詢的電影片名,就可以查詢到電影的評分和票房等