電影最新數據

⑴ 數據顯示電影市場大盤只有1703萬，這大概是什麼水平呢

這意味著每個電影院的收入只不過是1000元左右，這遠遠不能達到很多電影院的基本運營成本。

這個問題其實反映出的是疫情之下的電影行業的生存問題，之所以會這樣說，主要是因為新冠疫情導致很多電影院沒有辦法正常開業。在此過程當中，電影院每天都需要支出一定的運營成本，這也直接導致很多電影院入不敷出，有些電影院甚至已經破產倒閉。

一、這個數據是怎麼回事？

這個數據是關於電影行業的票房數據的調查，在新冠疫情的影響之下，全國1萬多家電影院的當天收入只有1,703萬元。我們要知道全國上下的電影院已經達到了14,000多家，如果把這個收入均攤到每一家電影院身上的話，每家電影院的收入只不過是每天1000元錢左右，這可能連電影院的電費都不夠。

⑵ 電影隱入塵煙的票房

《隱入塵煙》是一部今年上映不久的電影，最終票房高達1.1億。

⑶ 數據顯示：國慶檔預售票房已破6000萬，你最看好哪部影片

國慶檔最看好預售遙遙領先的萬里歸途。

萬里歸途在內核上並不是牆上價值開掛的假大空個人英雄主義，它更強調了團隊的重要更。到了每個人物鮮活的真實感。在片中，無論個人還是整體，都不是完美主義的存在，沒有人生來就是英雄。這部劇投資力度大，劇情緊張刺激，且在國慶節期間有愛國情緒加成，大概率會領跑國慶檔，成為票房冠軍的可能性很大。

⑷ 愛奇藝網路電影票房在哪裡查詢

愛奇藝網路電影票房在貓眼專業版可以查詢的
貓眼專業版是由貓眼電影開發，為電影行業從業者提供及時、准確、專業的電影票房數據分析（秒級實時票房、排片和影院經營數據等），為影視從業者提供信息互通平台，提高影視作品製作效率（劇組成員招募，行業精英對接，找劇組、投資、導演、演員、攝影等）。

⑸ 五一檔票房2.97億，對電影市場來說，這一數據意味著什麼

這個數據因為做電影行業的恢復情況並不好，電影行業也受到了新冠肺炎的嚴重影響。

對於電影行業來說，電影行業的數據主要是以電影院的票房為准。當電影院的經營數據越來越慘淡的時候，即便五一假期來臨，五一假期也沒有辦法拯救電影院。因為很多城市本身有這一定的疫情防控要求，所以到電影院觀影的人數非常少，這也導致很多電影院始終處在虧損的境地之下。

五一檔的票房數據為2.97億元。

在整個五一假期期間，全國所有的電影院的票房數據為2.97億元。如果單看這個數據的話，很多人可能會認為我們的電影院數據在逐漸恢復。如果和往年做比較的話，我們就會發現這個數據只有往年的10%左右，電影院也沒有因為五一假期的問題而恢復正常。

⑹ 國產電影票房排行榜

目前電影《長津湖》的電影票房已經突破53億，來到國產電影票房排行榜的第三名。按照現在的趨勢很有可能取代排名第一的《戰狼2》（票房為568874億），成為國產電影票房第一。

《唐人街探案3》目前的票房是45.22億、《紅海行動》目前的票房是36.51億、《唐人街探案2》目前的票房是33.97億、《美人魚》目前的票房是33.97億、《我和我的祖國》目前的票房是31.76億。至於其它的細節編者就不一一再去介紹了。

一部好的電影總會給我們帶來美好視覺享受的同時帶來內心的感動，編者也希望接下來我們可以看到更多好的作品。

⑺ 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：

⑻ 2021中國電影總票房472.58億元，這一數據說明了什麼

在剛剛過去的2021年中，我國的電影總票房拿到了472.58億元人民幣，這個數據說明了電影行業的發展很不錯，哪怕是在疫情接二連三的打擊下，還能夠拿到這么高的票房，這也實在是很不容易的事情。

最後，盡管2021年的票房成績很客觀，但是這一年撲街的電影也不少，年初有陳建斌和周迅主演的《第十一回》票房撲街，後來又出現了《第一爐香》、《熱帶往事》等多部票房撲街的影片，2021年票房過十億元的電影也寥寥無幾，除去春節期間和國慶期間的電影，也就只有《中國醫生》票房超過十億元了。

⑼ 國慶檔新片預售票房破4千萬，如何看待這數據國慶檔影片你有哪些期待

對於2022年國慶節預售票房突破四千萬這個數據，我認為其實是很一般的，尤其是在《長空之王》退出國慶檔以後，預售票房更是不足一千五百萬，這個數據是非常非常慘淡的，要知道《獨行月球》一部作品的預售都超過了一億元，所以說今年的國慶檔註定是冷冷清清的，而對於今年國慶檔的幾部電影，我個人也是感到十分失望的，這些電影沒有一部是想看的。

最後，《長空之王》撤檔以後，現在獨挑大樑的就是《萬里歸途》了，目前《萬里歸途》的預售票房超過了2000萬，這個數據目前看起來還算不錯，但是這已經是大家國慶節最後的希望了，如果這部電影不好看的話，今年的國慶檔會更加糟糕。

⑽ 電影《峰爆》破3億，這票房還能再進一步嗎