Python數(shù)據(jù)分析基礎(chǔ)教程（第2版）

第10章電影數(shù)據(jù)分析項目學習目標

了解電影數(shù)據(jù)分析項目。

熟悉電影數(shù)據(jù)分析流程。

掌握數(shù)據(jù)預處理方法。

掌握數(shù)據(jù)分析方法。

掌握數(shù)據(jù)可視化方法123項目描述

數(shù)據(jù)準備數(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)中較大的一個電影資料庫，在該電影資料庫中有豐富的電影作品信息，包括影片演員、導演、電影題材、片長、劇情關(guān)鍵字、分級、評分等關(guān)于影片的基本信息，其中使用最多的就是IMDB的評分。

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

在電影數(shù)據(jù)分析項目中，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個屬性、4906張海報，電影時間跨度超過100年，共有65個國家及地區(qū)的影片，并包括2399位導演和數(shù)千位演員的信息。近些年中國國產(chǎn)電影取得了輝煌的成就，根據(jù)2025年3月19日，貓眼專業(yè)版數(shù)據(jù)顯示，《哪吒之魔童鬧海》（《哪吒2》）全球票房（含預售及海外）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項目描述

要求根據(jù)IMDB5000部電影數(shù)據(jù)集進行下列數(shù)據(jù)分析。（1）電影出品國及地區(qū)的情況分析。（2）電影數(shù)量的分析。（3）電影類型的分析。（4）電影票房統(tǒng)計及電影票房相關(guān)因素的分析。（5）電影評分統(tǒng)計及電影評分相關(guān)因素的分析。10.1項目描述

在數(shù)據(jù)準備中，主要的任務(wù)是導入“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)計量和分位數(shù)等值10.2準備數(shù)據(jù)

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

1.統(tǒng)計每列的缺失值個數(shù)

2.刪除任何含有缺失值的行

3.刪除重復數(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、電影出品國及地區(qū)的情況分析

（1）統(tǒng)計每個國家或地區(qū)出品的電影數(shù)量

（2）顯示電影出品數(shù)量排名前10的國家或地區(qū)

（3）繪制電影出品數(shù)量排名前10的柱形圖（見圖10-1）

2、電影數(shù)量的分析

（1）按年份統(tǒng)計每年的電影數(shù)量

（2）繪制每年的電影數(shù)量圖形（見圖10-2）

（3）按年份統(tǒng)計每年的電影總數(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、電影類型的分析

（1）計算不同類型的電影數(shù)量。

（2）繪制不同類型的電影數(shù)量圖形（見圖10-4）

（3）繪制各個電影類型的餅圖（見圖10-5）

4、電影票房統(tǒng)計及電影票房相關(guān)因素的分析

（1）每年票房統(tǒng)計

（2）繪制每年票房統(tǒng)計圖（見圖10-6）

（3）查看票房收入排名前20位的電影片名和類型

（4）繪制電影評分與票房的關(guān)系的散點（見圖10-7）

（5）繪制電影時長與票房的關(guān)系散點圖（見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、電影評分統(tǒng)計及電影評分相關(guān)因素的分析

（1）顯示在IMDB網(wǎng)站上評分排名前20名電影的片名和評分

（2）繪制評分與受歡迎程度的關(guān)系散點圖（見10-9）

6、分析總結(jié)

（1）電影高產(chǎn)國家或地區(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時代

（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）評分排名

（6）評分與受歡迎程度之間的相關(guān)性

（7）電影時長與票房的關(guān)系