電影數據分析數據來源

① 世界電影界美國電影所佔比例是多少

有關數據表明，早在1994年，美國電影在故事片年產量、全國銀幕數量、年票房收入等電影產業的主要評估指標上都已遠遠超過了其他幾個電影生產大國。美國的故事片年產量是同項排行第二的日本電影產業的兩倍；全國銀幕數量是同項排行第二的法國電影產業的六倍；年票房收入是同項排行第二的日本電影產業的四倍。可以說，就客觀實力而言，其他國家根本無法與美國電影相提並論。一方面，美國電影牢牢控制著美國本土的市場主導權(其國產片票房佔全年票房總收入的百分比是96%)，另一方面它還跨界控制著其他國家半數以上的電影市場份額。

② 實時票房貓眼票房是什麼

貓眼票房是由貓眼電影出品的一款統計電影票房的網站。主要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。其中的實時票房是在2016年推出的，其功能可以將票房數據更新頻率從30分鍾提升至秒級更新。

貓眼票房的相關數據統計功能包含了電影營銷監控系統、影院顧客畫像、秒級實時票房、影院實時票房、排片、上座率以及貓眼指數等多個內容。

③ 豆瓣電影數據分析報告

        近年來電影產業迅猛發展，其已成為重要的藝術和娛樂。同時，電影也是說明一個國家的經濟水平。因此分析電影書有助於電影工業的發展趨勢。

1、 每年的電影的數量，以及每年的電影平均評分

2、 電影那種類型最多，以及前三名的百分比

3、 各個國家的電影數量最多

4、 中國跟美國各個年代對比

1、 每年的電影的數量，以及每年的電影分均分

        由圖可見，從 2000 年開始電影年產量的趨勢不斷上升，而近年些年的評分越來越

低，從評分均值上看一直屬於下滑狀態。可以推測出，電影的數量會有大幅的上升，

而電影的質量整體下滑。

2、 電影那種類型最多，以及前三名的百分比

        從詞雲圖的電影類型可見，劇情、動作、喜劇的電影類型出現的頻率很高。而從環形圖

中可以看出動作、喜劇、劇情這三個電影類型對比，歷年來劇情的電影類型是最多的，其

次是喜劇，由此可以了解觀眾的喜好。

3、電影數量在前五名國家的評分情況？

從樹狀圖可以看出美國的電影數量最多，其次是中國、日本、英國、法國。

4、中國跟美國各個年代對比？

        從圖中可以看出中國的電影發展趨勢一直處以上升階段，而美國的發展趨勢不太樂

觀。以目前中國的發展趨勢很快就會追上美國，目前美國還是領先階段。

④ 11月電影市場數據分析哪裡有

中商情報網訊：10月全國票房最終收官於36.44億，同比下降29.3%，創下2016年9月之後，整整兩年來的單月跌幅之最。在經過7月和8月暑期檔單月大盤連續兩個月逼近70億大關後，後期電影票房明顯下沉。目前已進入到2018年第四季度，但電影市場還是保持著一貫的冷漠。不過在國慶假期的加持下，10月票房相比9月30.99億元來說，環比增長17.6%；單月觀影人次為10531萬人，環比增長19.82%；10月電影上映場次983.15萬場，比9月上映場次增加了85.17萬場。2018年1-10月全國市場共產出綜合票房約525億元。
2018年1-10月票房收入突破525億
中國電影產業在國民經濟新的發展形勢下實現了穩健增長。以電影票房收入衡量，我國電影市場已經成為僅次於美國的全球第二大電影市場。統計數據顯示，我國電影票房市場近年來保持高速增長的態勢，觀影人次從2007年的0.71億，增長2016年的13.72億，年均復合增長率達到34.47%。國內電影票房從2012年的170.7億元增長到2017年559.1億元，年均復合增長率達到26.78%。2018年1-10月全國電影票房累計達525.3億元。按照今年電影票房趨勢來看，2018年全國電影票房超越2017年的559.1億元基本是毫無壓力。
數據來源：中商產業研究院整理
10月電影市場凄慘收官 同比大降29.3%
根據貓眼專業版數據，2018年10月電影票房共計36.44億元，較去年同期51.53億元票房，同比下降29.3%。10月上映影片中，國慶檔影片《無雙》《影》等影片票房居前。
除4月票房有所下滑外，2018年單月票房都取得較好的成績，其中2月101億票房位居榜首，這無疑給2018年電影市場帶來了一個良好的開端！2018年上半年電影市場大漲18%，進入到暑期檔7月-8月，票房再次實現大漲，其中7月同比增長37.9%至69.5億元，僅次於春節檔2月票房，到8月票房同比略有下滑。9月票房下沉明顯，環比大降54.6%。10月在國慶假期加持下票房環比增長17.6%。但卻是2016年9月之後，整整兩年來的單月同比跌幅之最。
數據來源：貓眼、藝恩、中商產業研究院整理
《無雙》單月票房第一《影》排名第二
在2018年10月電影票房排行榜上，榜單前十部影片中有7部電影票房都在1億元之上，3部影片超3億大關。其中庄文強執導的犯罪題材港片《無雙》以票房11.69億霸佔月度冠軍之位。該片9月底上映累計票房順利破10億，累計分賬票房成功超越《澳門風雲3》（11.16億），打破發哥演員生涯的內地票房紀錄。截至11月1日14:30，該片連續24日獲得單日票房冠軍，累計綜合票房達到12.26億元，分賬票房11.3億元，貓眼評分高達8.9分，口碑與票房雙豐收。
影片《影》單月票房第二，10月票房為5.59億元，貓眼評分8.2分。作為張藝謀申奧影片，《影》自籌拍時期就成為相關媒體的聚焦點。盡管《影》在視覺上追求的以水墨風格形成的形式化美感再次以極致表現給觀眾留下深刻印象，但這部作品並未給觀眾帶來更多的驚喜和震撼。月度排名第三的是開心麻花團隊的喜劇片《李茶的姑媽》，10月累計票房4.95億元，貓眼評分7.9分。《找到你》票房第四，10月累計票房2.67億元。《胖子行動隊》以2.28億元票房排名第五，《鐵血戰士》10月票房拿下1.72億元，排名第六。
數據來源：貓眼、中商產業研究院整理
前三電影票房佔比超六成
10月全國電影票房分布集中在國慶檔影片，排名前五部都是國慶檔電影。其中《無雙》單月占據總票房32.1%，《影》佔比15.3%，《李茶的姑媽》佔13.6%。排名前三位的電影票房佔比合計占當月總票房的61.3%。
數據來源：貓眼、中商產業研究院整理
11月上映電影前瞻
從陣容來看，11月進口片是迪士尼與華納兄弟在國內電影市場的一次交鋒。迪士尼在月初與月末先後上映真人童話電影《胡桃夾子與四個國王》與經典動畫續集電影《無敵破壞王2:大鬧互聯網》。華納兄弟則發力下半場，在月中與月末先後上映《神奇動物：格林德沃之罪》與亞裔陣容的喜劇愛情電影《摘金奇緣》。另外《毒液》作為「蜘蛛俠宇宙」中的非典型英雄，該片北美市場目前累計票房達到1.87億美元。值得一提的是，目前《毒液》聯合火箭少女101推出的推廣歌曲《毒液前來》成功引起公眾注意，貓眼想看人數超過30萬，11月進口片中人數最高。11月上映影片信息一起來看一下吧！
資料來源：貓眼、中商產業研究院整理
更多資料請參考中商產業研究院發布的《2018-2023年中國電影行業發展前景及投資機會分析報告》。

⑤ 豆瓣電影數據分析的背景與意義

豆瓣電影數據分析的背景與意義是電影發展的衡量標准。根據查詢相關資料信息顯示：豆瓣已經成為國內電影愛好者、影評人士的聚集地，豆瓣評分已經成為國內一個評價電影的重要指標，豆瓣上積攢了大量電影數據為電影行業分析提供了重要資源，通過豆瓣電影來衡量國內外的電影的發展情況。

⑥ 電影評分數據統計分析的作用和意義

通過觀眾對電影的評分的分析，可以在一定程度上給電影行業啟發。數據分析是指用適當的統計分析方法對收集來的大量數據進行分析，將它們加以匯總和理解並消化，以求最大化地開發數據的功能，發揮數據的作用。數據分析是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。

⑦ 電影指數是什麼意思

是根據推薦人數來算的！

推薦的人越多指數就越高！

比如10個人推薦那麼指數就漲0.1！

和淘寶上面的指數是一樣的！

⑧ 從電影網站爬取數據並進行可視化分析會用到哪些數據

從電影網站爬取數據並進行可視化分析會用到的數據如下。
1、beautifulsoup、re、urllib庫。
2、SQLite包，數據可視化方面主要用到flask框架、echarts和wordcloud等。
3、此類數據可以搭建簡單的數據可視化網站。

⑨ 電影院現狀與市場前景分析

—— 以下數據及分析均來自於前瞻產業研究院《中國電影產業市場前瞻與投資戰略規劃分析報告》。

小規模、非核心地區影院損失最大

根據中國電影家協會的數據顯示2020年第一季度全國電影票房為22.38億元，同比下降88%。其中，2000座以上規模影院票房同比下降87.7%;500-2000座規模影院票房同比下降88%;500座一下規模影院票房同比下降91.3%，受疫情影響程度最大。

⑩ 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：