豆瓣電影年份分析

❶ 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。

❷ 豆瓣電影的大事記

2005.3.6 豆瓣誕生，當時被稱為「豆瓣評論」，有讀書和小組
2005.5.2 豆瓣有電影了
2010.3 豆瓣拆分為社區、讀書、電影、音樂
2011.7 豆瓣電影移動端應用上線
2012.5.17 豆瓣電影可以在線選座購票了
2012.10.29 豆瓣電影App新增購票功能
2013.2.5 2012豆瓣電影信息圖譜Infograph發布

❸ 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。

❹ 如何評價豆瓣電影 2015 年度榜單

基於豆瓣電影參與評分的用戶大數據很有參考價值的一份榜單。

當然有一點需要明確。評分只是一個參考。更多時候我們會有自己的個人偏好。這個是不用爭議的。

第一名《心迷宮》我很喜歡裡面的一句台詞。大概是每個人的心裡有一塊石頭。你不讓他說出來就壓著自己。說出來石頭就壓在你身上了。其實想想每個人的心裡都壓著一塊石頭吧。本片作為導演的處女作。略為可惜的投資太小製作略粗糙。但在劇本和劇情設置上真的非常出色。環環相扣的黑色故事在最後展現了出來。最後父子在棺材前對視的場景寓意深遠。我喜歡《殯棺》這個片名。更黑色更陰森。

第二名《老炮兒》昨晚在電影院把我看得熱淚涌動。這個世界總有一些人固守自己的規矩，不妥協。這樣的人特別值得尊敬。最後六爺拿著大刀在湖面上奔跑的場景真的熱血到炸！

第三名《師父》其實《一代宗師》里的各種武林習俗已經可以一窺徐浩峰對民國武林的了解之深。這次他親自執導的《師父》更是風格盡顯。片子的氣質真的很特別。看的時候總是忍不住和《一代宗師》比。一個勝在意境超群。一個勝在質朴寫實。《師父》里每一個人都在算計。廖凡算計開門立派、宋洋算計揚名立萬、金士傑算計留個名聲、蔣雯麗算計除掉軍方找回武館的控制權。最後的巷戰各種兵器大戰很有意思。作為一個金庸迷。好像看慣了刀劍掌法的對決。這次看到各種奇形怪狀的兵器。感覺很好玩。

❺ 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：