Python數(shù)據(jù)分析基礎(chǔ)教程（第2版）

第10章電影數(shù)據(jù)分析項(xiàng)目學(xué)習(xí)目標(biāo)

了解電影數(shù)據(jù)分析項(xiàng)目。

熟悉電影數(shù)據(jù)分析流程。

掌握數(shù)據(jù)預(yù)處理方法。

掌握數(shù)據(jù)分析方法。

掌握數(shù)據(jù)可視化方法123項(xiàng)目描述

數(shù)據(jù)準(zhǔn)備數(shù)據(jù)清洗數(shù)據(jù)分析與數(shù)據(jù)可視化4目錄CONTEN5本章小結(jié)

IMDB（InternetMovieDatabase）是目前全球互聯(lián)網(wǎng)中較大的一個(gè)電影資料庫(kù)，在該電影資料庫(kù)中有豐富的電影作品信息，包括影片演員、導(dǎo)演、電影題材、片長(zhǎng)、劇情關(guān)鍵字、分級(jí)、評(píng)分等關(guān)于影片的基本信息，其中使用最多的就是IMDB的評(píng)分。

IMDB創(chuàng)建于1990年10月17日，從1998年開(kāi)始成為亞馬遜公司旗下網(wǎng)站。IMDB正式啟動(dòng)于1993年，是互聯(lián)網(wǎng)上第一個(gè)完全以電影為內(nèi)容的網(wǎng)站。與之相似的國(guó)內(nèi)網(wǎng)站有豆瓣網(wǎng)站。

在電影數(shù)據(jù)分析項(xiàng)目中，選擇的數(shù)據(jù)集是從IMDB網(wǎng)站上抓取的從1916年至2016年這100年間出品的5043部電影數(shù)據(jù)，該數(shù)據(jù)集稱(chēng)為IMDB5000部電影數(shù)據(jù)集，文件名為movie_metadata.csv，它也是電影數(shù)據(jù)分析項(xiàng)目中常用的經(jīng)典數(shù)據(jù)集。在該數(shù)據(jù)集中包含28個(gè)屬性、4906張海報(bào)，電影時(shí)間跨度超過(guò)100年，共有65個(gè)國(guó)家及地區(qū)的影片，并包括2399位導(dǎo)演和數(shù)千位演員的信息。近些年中國(guó)國(guó)產(chǎn)電影取得了輝煌的成就，根據(jù)2025年3月19日，貓眼專(zhuān)業(yè)版數(shù)據(jù)顯示，《哪吒之魔童鬧?！罚ā赌倪?》）全球票房（含預(yù)售及海外）已突破150億元，躋身全球電影票房榜前5。MDB5000部電影數(shù)據(jù)集的屬性信息如表10-1所示。10.1項(xiàng)目描述

要求根據(jù)IMDB5000部電影數(shù)據(jù)集進(jìn)行下列數(shù)據(jù)分析。（1）電影出品國(guó)及地區(qū)的情況分析。（2）電影數(shù)量的分析。（3）電影類(lèi)型的分析。（4）電影票房統(tǒng)計(jì)及電影票房相關(guān)因素的分析。（5）電影評(píng)分統(tǒng)計(jì)及電影評(píng)分相關(guān)因素的分析。10.1項(xiàng)目描述

在數(shù)據(jù)準(zhǔn)備中，主要的任務(wù)是導(dǎo)入“movie_metadata.csv”文件，其程序代碼如下。In[1]:importpandasaspdimportmatplotlib.pyplotaspltIn[2]:#加載數(shù)據(jù)

movies_df=pd.read_csv('d:/data/movie_metadata.csv',encoding="GBK")In[3]:movies_df.head()#輸出默認(rèn)頭5行In[4]:movies_()#輸出movies_df的信息

movies_df.describe()#輸出movies_df的基本統(tǒng)計(jì)量和分位數(shù)等值10.2準(zhǔn)備數(shù)據(jù)

在電影數(shù)據(jù)分析項(xiàng)目中，數(shù)據(jù)清洗的主要任務(wù)是對(duì)原始數(shù)據(jù)集進(jìn)行缺失值和重復(fù)數(shù)據(jù)的處理。其步驟如下：

1.統(tǒng)計(jì)每列的缺失值個(gè)數(shù)

2.刪除任何含有缺失值的行

3.刪除重復(fù)數(shù)據(jù)

4.查看數(shù)據(jù)清洗后的信息

5.輸出movies_df_new的基本統(tǒng)計(jì)量和分位數(shù)等值10.3數(shù)據(jù)清洗

在電影數(shù)據(jù)分析項(xiàng)目中，數(shù)據(jù)分析與數(shù)據(jù)可視化的主要內(nèi)容如下：

1、電影出品國(guó)及地區(qū)的情況分析

（1）統(tǒng)計(jì)每個(gè)國(guó)家或地區(qū)出品的電影數(shù)量

（2）顯示電影出品數(shù)量排名前10的國(guó)家或地區(qū)

（3）繪制電影出品數(shù)量排名前10的柱形圖（見(jiàn)圖10-1）

2、電影數(shù)量的分析

（1）按年份統(tǒng)計(jì)每年的電影數(shù)量

（2）繪制每年的電影數(shù)量圖形（見(jiàn)圖10-2）

（3）按年份統(tǒng)計(jì)每年的電影總數(shù)量、彩色影片數(shù)量和黑白影片數(shù)量，并繪制每年電影總數(shù)量、彩色影片數(shù)量和黑白影片數(shù)量圖形（見(jiàn)圖10-3）10.4數(shù)據(jù)分析與數(shù)據(jù)可視化

在電影數(shù)據(jù)分析項(xiàng)目中，數(shù)據(jù)分析與數(shù)據(jù)可視化的主要內(nèi)容如下：

3、電影類(lèi)型的分析

（1）計(jì)算不同類(lèi)型的電影數(shù)量。

（2）繪制不同類(lèi)型的電影數(shù)量圖形（見(jiàn)圖10-4）

（3）繪制各個(gè)電影類(lèi)型的餅圖（見(jiàn)圖10-5）

4、電影票房統(tǒng)計(jì)及電影票房相關(guān)因素的分析

（1）每年票房統(tǒng)計(jì)

（2）繪制每年票房統(tǒng)計(jì)圖（見(jiàn)圖10-6）

（3）查看票房收入排名前20位的電影片名和類(lèi)型

（4）繪制電影評(píng)分與票房的關(guān)系的散點(diǎn)（見(jiàn)圖10-7）

（5）繪制電影時(shí)長(zhǎng)與票房的關(guān)系散點(diǎn)圖（見(jiàn)10-8)10.4數(shù)據(jù)分析與數(shù)據(jù)可視化

在電影數(shù)據(jù)分析項(xiàng)目中，數(shù)據(jù)分析與數(shù)據(jù)可視化的主要內(nèi)容如下：

5、電影評(píng)分統(tǒng)計(jì)及電影評(píng)分相關(guān)因素的分析

（1）顯示在IMDB網(wǎng)站上評(píng)分排名前20名電影的片名和評(píng)分

（2）繪制評(píng)分與受歡迎程度的關(guān)系散點(diǎn)圖（見(jiàn)10-9）

6、分析總結(jié)

（1）電影高產(chǎn)國(guó)家或地區(qū)

（2）電影產(chǎn)業(yè)的高速發(fā)展年代

（3）電影票房收入高速增長(zhǎng)時(shí)代

（4）票房收入排名

10.4數(shù)據(jù)分析與數(shù)據(jù)可視化

在電影數(shù)據(jù)分析項(xiàng)目中，數(shù)據(jù)分析與數(shù)據(jù)可視化的主要內(nèi)容如下：6、分析總結(jié)

（5）評(píng)分排名

（6）評(píng)分與受歡迎程度之間的相關(guān)性

（7）電影時(shí)長(zhǎng)與票房的關(guān)系