豆瓣看得到电影票房吗

A. 豆瓣电影的“北美票房榜”去哪了

有的，就在豆瓣电影排行榜里面，旁边有个北美票房排行榜

B. 豆瓣评分到底会不会影响电影票房

1、很多人看电影的时候，如果对电影不了解，总是先关注一下豆瓣评分，如果豆瓣评分5分以下，肯定是垃圾片！
如果7分以上，肯定是好片！
2、这就是豆瓣评分影响票房的方法，除非影片本身是系列片。例如生化危机系列。速度与激情系列等。否则很多人都是先看评分再买票的！
3、当然，豆瓣也不是很准，例如前任3票房很高，但是评分却不高，所以需要一个平衡轴，票房！
一般来说，周末票房一天好几亿的肯定是好电影！
票房和豆瓣都很高，那样的电影就可以去看了！

C. 在哪里查看春节档电影预售排行榜

在豆瓣点评。在豆瓣点评榜上可以查看春节档电影预售排行榜。据统计，截至2023年2月1日0时，春节档电影实时总票房中国电影市场2023年度总票房(含预售)已突破100亿元。

D. 豆瓣电影数据分析

这篇报告是我转行数据分析后的第一篇报告，当时学完了Python，SQL，BI以为再做几个项目就能找工作了，事实上……分析思维、业务，这两者远比工具重要的多。一个多月后回过头来看，这篇报告虽然写得有模有样，但和数据分析报告还是有挺大差别的，主要原因在于：a.只是针对豆瓣电影数据分析太过宽泛了，具体关键指标到底是哪些呢？；b.没有一个确切有效的分析模型/框架，会有种东一块西一块的拼接感。
即便有着这些缺点，我还是想把它挂上来，主要是因为：1.当做Pandas与爬虫(Selenium+Request)练手，总得留下些证明；2.以豆瓣电影进行分析确实很难找到一条业务逻辑线支撑，总体上还是描述统计为主；3.比起网上能搜到的其他豆瓣电影数据分析，它更为详细，可视化效果也不错；

本篇报告旨在针对豆瓣电影1990-2020的电影数据进行分析，首先通过编写Python网络爬虫爬取了51375条电影数据，采集对象包括：电影名称、年份、导演、演员、类型、出品国家、语言、时长、评分、评论数、不同评价占比、网址。经过去重、清洗，最后得到29033条有效电影数据。根据电影评分、时长、地区、类型进行分析，描述了评分与时长、类型的关系，并统计了各个地区电影数量与评分。之后，针对演员、导演对数据进行聚合，给出产量与评分最高的名单。在分析过程中，还发现电影数量今年逐步增加，但评分下降，主要原因是中国地区今年低质量影视作品的增加。

另外，本篇报告还爬取了电影票房网（ http://58921.com/ ）1995-2020年度国内上映的影片票房，共采集4071条数据，其中3484条有效。进一步，本文分析了国内院线电影票房年度变化趋势，票房与评分、评价人数、时长、地区的关系，票房与电影类型的关联，并给出了票房最高的导演、演员与电影排名。

清洗、去重后，可以看到29033条数据长度、评分、评论数具有以下特点：

结合图1(a)(b)看，可以看到电影数据时长主要集中在90-120分钟之间，向两极呈现阶梯状递减，将数据按照短(60-90分钟)，中(90-120分钟)，长(120-150分钟)，特长(>150分钟)划分，各部分占比为21.06%, 64.15%, 11.95%, 2.85%。

结合图2(a)看，可以看到我们采集到的电影数据评分主要集中在6.0-8.0之间，向两极呈现阶梯状递减，在此按照评分划分区间：2.0-4.0为口碑极差，4.0-6.0为口碑较差，6.0-7.0为口碑尚可，7.0-8.0为口碑较好，8.0-10.0为口碑极佳。

这5种电影数据的占比分别为：5.78%, 23.09%, 30.56%, 29.22%, 11.34%

再将评分数据细化到每年进行观察，可以发现，30年内电影数量与年度电影均分呈反相关，年度均分整体呈现下降趋势，2016年电影均分最低，电影数量最多。

进一步做出每个年份下不同评级等级的电影数据占比，可以发现，近年来，评分在[2.0,6.0)的电影数据占比有着明显提升，评分在[6.0,7.0)的数据占比不变，评分在[7.0,10.0)的数据占比减少，可能原因有：

对照图5，可以发现，评分与时长、评论人数的分布大致呈现漏斗状，高分电影位于漏斗上部，低分电影位于漏斗下部。这意味着，如果一部电影的评论人数很多（特别是超过30w人观影），时长较长(大于120min)，那么它大概率是一部好电影。

根据各个国家的电影数量作图，可以得到图6，列出电影数量前十的国家可得表格2，发现美国在电影数量上占第一，达到8490部，中国其次，达6222部。此外，法国，英国，日本的电影数量也超过1000，其余各国电影数量相对较少。这可以说明美国电影有着较大的流量输入，在中国产生了较大的影响。

进一步分析各国电影的质量，依据评分绘制评分箱线图可得图7，在电影数量排名前20的国家中：

接着我们可以探索，哪个国家的电影对豆瓣评分随年份下降的贡献最大，考虑到电影数量对应着评分的权重。根据上述各国的电影评分表现，我们可以猜测电影数量较多的国家可能对年度均分的下降有较大影响。于是，我们再计算出这些国家的年度电影均分，并与整体均分进行比较分析。

再作出中国大陆，中国台湾，中国香港的均分箱线图图9(a)，可以看到，大陆电影均分低于港台电影，且存在大量低分电影拉低了箱体的位置。

分析相关性可得，大陆、香港、台湾电影年度均分与全部评分关联度分别为R=0.979,0.919,0.822，说明滤去台湾和香港电影，大陆电影年度均分的变化趋势与全部评分变化更接近。图9(b)可以进一步反映这一点。

可以看到，大部分类型集中在X×Y=[10000,30000]×[6.00,7.50]的区间范围内，剧情、喜剧、爱情、犯罪、动作类电影数量上较多，说明这些题材的电影是近三十年比较热门的题材，其中剧情类电影占比最多，音乐、传记类电影平均得分更高，但在数量上较少，动作、惊悚类电影评论人数虽多，但评价普遍偏低。

除此之外，还有两块区域值得关注：

根据类型对电影数据进行聚合，整理得到各类型电影评分的时间序列，计算它们与整体均分时间序列的相关性，可得表格4与图11，可以看到剧情，喜剧，悬疑这三种类型片与总分趋势变化相关性最强，同时剧情、喜剧类电影在电影数量上也最多，因此可以认为这两类电影对于下跌趋势影响最大，但其余类别电影的相关性也达到了0.9以上，说明几种热门的电影得分的变化趋势与总体均分趋势一致。

前面已经得知，中美两国电影占比最高，且对于均分时间序列的影响最大。在此，进一步对两国电影进行类型分析，选取几种主要的类型（数量上较多，且相关性较高）进行分析，分别是剧情，喜剧，爱情，惊悚，动作，悬疑类电影，绘制近年来几类电影的数量变化柱状图与评分箱线图可得图12,13,14,15。

对导演与演员进行聚合，得到数据中共有15011名导演，46223名演员。按照作品数量在(0,2], (2,5], (5,10], (10,20], (20,999]进行分组统计导演数量，可以发现，15009名导演中有79.08%只拍过1-2部作品，46220名演员中有75.93%只主演过1-2部作品。忽略那些客串、跑龙套的演员，数据总体符合二八定律，即20%的人占据了行业内的大量资源。

在此，可以通过电影得分、每部电影评论人数以及电影数目寻找优秀的电影导演与演员。这三项指标分别衡量了导演/演员的创作水平，人气以及产能。考虑到电影数据集中可能有少量影视剧/剧场版动画，且影视剧/剧场版动画受众少于电影，但得分普遍要高于电影，这里根据先根据每部电影评论数量、作品数量来筛选导演/演员，再根据电影得分进行排名，并取前30名进行作图，可得图17,18。

结合电影票房网（ http://58921.com/ ）采集到的3353条票房数据，与豆瓣数据按照电影名称进行匹配，可以得到1995-2020年在中国大陆上映的电影信息，分别分析中国内地电影的数量、票房变化趋势，票房与评分、评价人数、时长、地区以及类型的关系，此外还给出了不同导演与演员的票房表现以及影片票房排名。

如图19所示，国内票房数据与上映的电影数量逐年递增，2020年记录的只是上半年的数据，且由于受疫情影响，票房与数量骤减。这说明在不发生重大事件的情况下，国内电影市场规模正在不断扩大。

对电影数据根据类型进行聚合，绘制散点图21，可以发现：

提取导演/演员姓名，对导演/演员字段进行聚合，计算每个导演/演员的票房总和，上映电影均分、以及执导/参与电影数目进行计算，作出票房总和前30名的导演/演员，可得图22,23，图中导演/演员标号反映了票房排名，具体每位导演/演员的上映影片数量、均分、每部电影评价人数、平均时长与总票房在表5、表6中给出。

最后根据电影票房进行排名，得到票房排名前20的电影如表格7所示，可以看到绝大部分上榜电影都是中国电影，索引序号为3、10、12、14、18、19为美国电影，这也反映了除国产电影之外，好莱坞大片占据较大的市场。

本篇报告采集了1990-2020年间豆瓣电影29033组有效数据，从豆瓣电影的评分、时长、地区、类型、演员、导演以及票房等信息进行分析评价，主要有以下结论：

E. 票房和豆瓣的区别

票房是卖的钱，豆瓣是评分的。
票房和豆瓣的区别就在，票房可以看出这个电影火不火能挣多少钱，而豆瓣能看出这个电影内容怎么样，好不好。
对于电影的评价基本是由豆瓣评分和票房高低决定的。票房高了，看的人多，评价的人多，数据就更加真实，看的人少评价的人少，数据就不那么权威了。
所以二者对电影评价来说是缺一不可的，也是有赚钱多少和评价高低的区别的。

F. 豆瓣电影票房排行榜实时

豆瓣电影票房排行榜

1.复仇者联盟4：14.726亿

2.星球大战7：10.607亿

3.复仇者联盟3：10.383亿

4.阿凡达：9.631亿

5.侏罗纪世界：8.809亿

6.战狼2：8.569亿

7.泰坦尼克号（含重映）：8.482亿

8.黑豹：8.05亿

9.速度与激情7：7.439亿

10.哪吒之魔童降世：7.233亿

11.复仇者联盟：7.096亿

12.复仇者联盟2：6.991亿

13.流浪地球：6.967亿

14.侏罗纪世界2：6.789亿

15.狮子王：6.64亿

16.星球大战8：6.626亿

17.超人总动员2：6.599亿

18.海王：6.268亿

19.速度与激情8：6.188亿

20.星球大战侠盗一号：6.015亿

G. 豆瓣评分高的电影，票房一定高吗

我觉得这肯定不一定，因为有很多人对一部电影的看法不一样，豆瓣只是官方的评价，而看电影的人都是观众，观众的评价是他喜不喜欢。如果他喜欢这部电影，那么他就愿意去看，仍然能够得到很高的票房，如果她不喜欢这个类型的电影，就算评分再高，依然卖不出去。

H. 豆瓣评分到底对电影的票房影响大么

现在的商业电影时代，对于投资人来说最为看重的就是电影的票房。因为这关系到他们的投资收益，而且演员也关心，因为他们的很多收益也是和票房挂钩的。因此一个商业电影的成败与否很大程度上是票房所决定的。（当然一些个人风格的电影除外）
而就国内来说，现在大家对于越来越多的电影不知如何选择，因此除了电影本身的粉丝和电影主演的粉丝，大部分人都会根据现在电影的口碑选择是否进电影院进行观影。那么现在的电影到底口碑占多重，而且豆瓣评价占有多重我们其实心里也有着疑惑。因此我想就电影的票房和豆瓣的评价进行比较，看看豆瓣是否对电影票房有重要的影响。
选取的指标为：电影票房、豆瓣的评分、豆瓣的评论人数

下面来看一下电影票房和豆瓣评分人数的折线图。

从电影票房和豆瓣评分人数的折线图来看，两者几乎完全没有任何的重合性。证明在这些电影中豆瓣影评人对其影响几乎可以忽略不计。
那么接下来就要看看豆瓣的评分是否会有影响。

从上图来看似乎仍然没有影响。
总结：豆瓣的评论其实没有我们想象中的对很多电影有较大的影响。其实很多电影的票房最终最定性因素更多的还是看档期、排片、营销和宣传。而我们所说的口碑影响看上面似乎也不能说是豆瓣的影响。毕竟豆瓣上的人群欣赏口味和大众消费者还是有不小的差距的。

I. 是不是豆瓣评分儿在某种程度上影响着电影票房

会有一点影响，但是影响程度不是很大，因为电影的票房，主要是靠演员的号召力，这电影的宣传。

J. 豆瓣怎么看票房

购票app
想看电影的评分和票房的话,可以通过查询各种购票app的方法来实现。在这些购票app当中,查询者只需要输入需要查询的电影片名,就可以查询到电影的评分和票房等