豆瓣电影评分分析报告

Ⅰ 豆瓣电影数据分析报告

        近年来电影产业迅猛发展，其已成为重要的艺术和娱乐。同时，电影也是说明一个国家的经济水平。因此分析电影书有助于电影工业的发展趋势。

1、 每年的电影的数量，以及每年的电影平均评分

2、 电影那种类型最多，以及前三名的百分比

3、 各个国家的电影数量最多

4、 中国跟美国各个年代对比

1、 每年的电影的数量，以及每年的电影分均分

        由图可见，从 2000 年开始电影年产量的趋势不断上升，而近年些年的评分越来越

低，从评分均值上看一直属于下滑状态。可以推测出，电影的数量会有大幅的上升，

而电影的质量整体下滑。

2、 电影那种类型最多，以及前三名的百分比

        从词云图的电影类型可见，剧情、动作、喜剧的电影类型出现的频率很高。而从环形图

中可以看出动作、喜剧、剧情这三个电影类型对比，历年来剧情的电影类型是最多的，其

次是喜剧，由此可以了解观众的喜好。

3、电影数量在前五名国家的评分情况？

从树状图可以看出美国的电影数量最多，其次是中国、日本、英国、法国。

4、中国跟美国各个年代对比？

        从图中可以看出中国的电影发展趋势一直处以上升阶段，而美国的发展趋势不太乐

观。以目前中国的发展趋势很快就会追上美国，目前美国还是领先阶段。

Ⅱ 分享一下，如何看待豆瓣电影评分

感觉豆瓣评分不客观，偏向国外大片，即使很垃圾的美国片，也会有很高的评分。而国产片呢，基本评分都不高。与猫眼评分相比，豆瓣评分趋于专业，不接地气，而猫眼评分，则比较大众，接地气，因为基本是观众打分。另，豆瓣用其权威性，拿人钱财，替人消灾，滥发评论，或扁或损其他竞争对手。

Ⅲ 大家都是怎样看待豆瓣电影评分的

豆瓣作为国内影响力最大的影迷聚集地，可以说的确代表了大多数影迷的态度。评分这个也是根据影迷观影后的感受来合理打分的，虽然不排除少数观众的个人恶意作假评分外，还是非常说明问题的。就拿最近最火热的《爱情公墓》事件来举例，也许电影本身的口碑和质量并没有低到豆瓣所描述的2.8分，但是由于前期《爱情公寓》电视剧恶意抄袭美剧《老爸老妈烂漫史》《老友记》，并且剧组毫无道歉的心意，并同时利用影迷怀旧情怀消费观众，造成了影迷朋友们一致的恶评，凶猛如潮水，一度可能打破豆瓣有史以来的2.1分的最低分。

Ⅳ 如何评价豆瓣上的电影评分

1. 有些电影，因为褒贬一致，所以评分可信。

2. 有些电影，因为受众面和体裁，所以评分不可信。

3. 有些电影，因为带着你童年的回忆，所以评分五星。

4. 有些电影，因为重名或者被认错名，所以评分一星。

5. 有些电影，因为水军曾经卖力的刷分，所以评分恶心。

6. 有些电影，因为用户针对个人却不针对内容，所以评分违心。

7. 你可以通过豆瓣，找到一部电影，让你发现生命的意义。

8.你也可以通过豆瓣，找到一部电影，让你丧失生存的勇气。

9. 没事多看评论，或许你就发现了，分数背后的真谛。

10. 你对电影的评价，不仅在于分数，也在于，你的心。

Ⅳ 豆瓣评分到底准不准

每到电影季，一定会听见熟悉的抱怨：“豆瓣电影评分太不准了。” 

说真的，我对人们 为何要问出这样的问题 倒很感兴趣。

专门搜了一下，还真有很多「豆瓣评分到底准不准」之类的问题帖，有的下面还能吵个几十楼。

我无法判断大多数人在做此类争吵时，表达的意思到底是什么。但从字面上来说，它的前提是：一部电影的好坏应该有一个真实客观的分数。

这当然不存在。 世界上并不存在一部电影的真实分数 。

当我们说一个温度计不准，意思是它和实际的温度不相符，而温度的度量是被严格定义过的。

比如在标准大气压下，把水从冰点到沸点平均分成100份，每份规定为1摄氏度，这就是温度的一种度量方式。有了标准参照，我们就可以知道某个温度计准不准了。

但一部电影好坏程度的真实分数是什么呢？

票房可能是一个参照，但影响影片质量只是影响票房的诸多因素之一。题材、演员阵容、档期、票价、营销……甚至评分本身也能影响票房。

或者我们像大张伟用大数据写网络神曲的方法，把所有影响电影质量的因素拆解出来一一打分，每个镜头的构图、用光、声响、情绪……但同样又回到了谁来打分，以什么标准的问题。

既然不存在一个真实的分数作为参照，当然也不存在评分「准不准」的问题了。

正确的表述应该是：「大部分参与此片打分的豆瓣用户对于这部电影的看法与我不同。」

这样太拗口了，平时大家讲话不这么较真。所以当我们说一个电影评分不准，可能是说评分与自己的朋友圈对这部片子的整体评价不符。

「我和朋友们都觉得这部片超好看，豆瓣分数居然这么低？？」意思在说豆瓣上的文青太矫情，喜欢装逼，一定要贬低大家都爱看的片来抬高自己。

「我和我朋友都觉得这部电影很垃圾，豆瓣居然有这么高分，太不准了！」意思在说这届观众品味不行，这么明显的剧情硬伤/逻辑bug都看不出来，一定是流量明星脑残粉刷的。

我们可以把以上现象当作两种自我暗示： 心理上需要一个确定的分数，是人对确定性的依赖；而把自我感受当作大众标准，是人对存在感的需求。

这是一个更有意思的话题：人们对于「大众」这个概念的态度。

我这一代还是经常能听见父辈有「咱们老百姓」这样的论调，心态上在芸芸众生里安然处之，坚定地站在大多数的一方，经常用「你怎么不像别人那样」教育子女。

而我们这代人在社交平台上生活，是把自己逐步产品化的过程，自我和大众必须分别对待，人与人的关系是产品与用户的关系。「大众」不是我，而是我的潜在用户，所以它无法被当成和自己一样具体的个人，只能用简单标签去勾勒用户画像，把对方抽象为流量。

互联网数据思维开启的上帝视角，培养了我们的流量意识，见识过它如同真实洪水般凶猛可怕的威力，也慢慢熟悉了调教它的方法。

相对于灵活的个体来说，「大众」是个复杂系统，力量大但是惯性也大，反应慢。个体只要擅用这个惯性时差，就能够套利（所谓的下沉市场就是大众市场的惯性时差）。

所以大家普遍都觉得自己比「大众」聪明。

（有个常见误区：很多人觉得自己比大众聪明，由此觉得自己的智商在大众平均值之上。这是两个概念， 你可能确实比「大众」这个虚拟个体聪明，但是不代表你比多数人聪明。 ）

复杂系统也有它的智慧之处，它不像个体那么敏感和偏激。审美这东西不存在客观之说，每个人基于自己的阅历、知识结构、性格偏好的差别，对于一部片作出的都是主观判断。

但足够大的数量可以稀释掉个性、拉平差异。所有人互为客体， 涌现出一个超越个体之上的集体视角，大大接近于「客观」。这种钝感力也是我们对评分所希望的公平、客观。

人们对于「大众」概念的暧昧之处就在于：

当自己处于产品一方时，大众都是他人；而当自己处于用户一方时，就本能地觉得自己就是大众。

所以我们在使用豆瓣评分这个产品功能的时候，本能上觉得评分与我的直觉不符的原因是豆瓣这个产品「不准」。

说一说豆瓣评分的机制吧，引一段豆瓣创始人阿北的话：

豆瓣的注册用户看完一部电影，会来打个一到五星的分。比方说一部电影有42万用户打分。我们的程序把这42万个一到五星换算成零到十分，加起来除以42万，就得到了豆瓣评分。这个评分会自动出现在豆瓣各处，中间没有审核，平时也没有编辑盯着看。每过若干分钟，程序会自动重跑一遍，把最新打分的人的意见包括进来。

简单来说，没什么机制，只是平均了所有参与打分人的分数。

那么作为一个「普通观众」的角度，怎么样的电影评分才能最有可能符合你观影后的直觉，从而对你选片起到参考价值呢？

显然是评分人数最多的电影。 比如《肖申克的救赎》，在有134万人参与打分的前提下，得到了9.6的高分，基本保证了参考性。

而如果你选择了一部高分的小众艺术电影，比如低于1万人打分的8.3分电影《都灵之马》，那抱怨的可能性就比较大了。因为会看这种电影并且看完评分的人，本身就是喜欢这种类型的小众群体。它散发的严肃气质，是在用筛选观众的方式保障口碑：我可是很闷的，看不懂的不要来哟。

想到我曾在《时间简史》里看过的一个弱人择原理，放这里不知道合不合适。 大概意思是：生命存在的条件如此苛刻，为什么宇宙正好满足了这些条件让我们存在？

答案是：正因为我们存在，才能观察到宇宙，以至于问出了这个问题呀。

（真没想到，还能以这样的方式首尾呼应）

Ⅵ 说说豆瓣评分可以反映出电影的哪些问题

豆瓣平分电影相对来说可以看出一个电影的主要缺点在哪里，一般评分在9分以上的，都是剧情和人物都还不错的电影，在评分在5以下的，这个电影的反应的主题就很有吐槽的地方了。

Ⅶ 你觉得豆瓣电影的评分值得认可吗

下面着重说一下豆瓣电影的评分是否有公信力：

1，豆瓣评分在影视行业中的地位：

关于影视作品的评分平台在国内其实不多，豆瓣、猫眼、淘票票、时光网、微博，大概就这些平台，其中，评分有影响力和说服力的就只有豆瓣、猫眼和淘票票这三个平台。而这三个平台中最被经常提及的是用户量最少的豆瓣，豆瓣是个比较奇葩的存在，用户量特别少，像《战狼2》豆瓣标注总人数是50万，《我不是药神》八十万，而猫眼和淘票票这种大热的影片标注数都在三四百万级别，比如猫眼，在国庆、过年这种高峰期一天的出票量就可以达到3000万张票，所以豆瓣和猫眼淘票票从用户数量上来说根本没法比。

但是豆瓣评分在影迷群体当中（注意是影迷群体）的地位确实猫眼和淘票票比不了的，豆瓣建立比较早，积累了一大批影迷群体和文艺青年，他们对电影品质的要求比较高，所以豆瓣评分要比猫眼和淘票票严苛很多，也正是因为这种严苛，使得豆瓣的评分格外受到关注，因为随随便便一个国产电影很容易在猫眼和淘票票上拿到8分以上，而豆瓣的8分就显得格外珍贵了，基本上7分以上的片子就非常不错了，物以稀为贵，所以豆瓣评分在影视行业中的地位是不可撼动的，尤其对于好电影来说，猫眼和淘票票的评分拉不开差距，而豆瓣更能把好电影的“好”用具体数字标注出来，这也是为什么这么多推荐电影和剧集的自媒体文章经常用“豆瓣X分神片...”这样的句式来做文章标题。

2、豆瓣的反作弊机制是否完善：

其实从《豆瓣电影评分八问》一文中也能看出，豆瓣评分很难刷，从水军的市场报价来看，刷豆瓣想看和评分的价格，也都是各个平台当中价格最高的那个，所以也侧面证明了一点，豆瓣反作弊机制是相对可靠的。此处注意一点，对于评分的作弊和反作弊是一场攻坚战，反作弊并不能完全防止作弊，反作弊的作用是使作弊的成本很高，高到作弊者望而却步，就达到目的了。

3、豆瓣电影评分对于国产电影的价值：

上面说了，猫眼和淘票票的评分，绝大多数电影都能轻松过8分，而豆瓣对于国产电影说是过于严厉也不为过，基本上烂片都在2-4分，好片7.5-9分。没有差，就谈不上好，豆瓣这种能够拉开差距的评分，从一定程度上来说是对电影市场中影片的优胜劣汰有巨大帮助的；

同时又不能过分夸大豆瓣评分的价值，因为在国内电影市场中，豆瓣评分与票房不一定是正相关的，由于豆瓣用户群体的特殊性，文艺片、艺术片等影片在豆瓣上评分会偏高，而这类影片在猫眼和淘票票的用户群（普通观众）中得分是普遍偏低的，此时豆瓣的高评分或许对影片的市场帮助不大，而商业类型片在豆瓣评分当中得分是偏低的，但是这些商业类型片普通观众最爱看，所以在猫眼和淘票票上评分会高一些，票房也就高一些。从这一点可以看出，如果单纯从市场和票房角度来说，猫眼和淘票票的评分对于研究电影市场受众和扩大票房更有帮助。

豆瓣电影的戾气和宽容：

豆瓣电影已经不是我10年前玩豆瓣时候的样子了，网页版面倒没太大的变化，只是用户有进有出，用户结构有了比较大的变化。现在的豆瓣戾气比较重，没上映的影片，冲着导演或演员打一星的人太多太多了。而且豆瓣评分现在呈现出两极分化，简单来说就是对于好电影，豆瓣评分会让你显得更好，而烂电影，豆瓣评分会让你显得更烂，6分左右的电影越来越少，对于好电影的宽容和对于烂电影的不宽容，这种矛盾的状态或许就是豆瓣用户感性的一面。

其实，不论是豆瓣还是猫眼淘票票，他们的评分都只是个参考绝对值，所在平台的评分并不能代表一部影片的品质，看电影毕竟是个相对主观的事，有人觉得好有人觉得不好很正常。从目前的情况来看，猫眼和淘票票的评分更代表普通观众的感受，对于整体市场和票房来说更具有参考价值，而豆瓣电影的评分更能代表文艺青年和影迷群体的感受，对于电影评论和艺术水平的研究更有参考价值。

Ⅷ 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：