怎么用python分析電影票房

這篇文章主要介紹“怎么用python分析電影票房”的相關知識，小編通過實際案例向大家展示操作過程，操作方法簡單快捷，實用性強，希望這篇“怎么用python分析電影票房”文章能幫助大家解決問題。

一、提出問題

本案例來源于kaggle上的TMDB 5000 Movie Dataset數據集，為了探討電影數據可視化，為電影的制作提供數據支持，主要研究以下幾個問題：

• 電影類型如何隨著時間的推移發生變化的？

• 電影類型與利潤的關系？

• Universal和Paramount兩家影視公司的對比情況如何？

• 改編電影和原創電影的對比情況如何？

• 電影時長與電影票房及評分的關系？

• 分析電影關鍵字

二、理解數據

1、采集數據

從kaggle上的TMDB 5000 Movie Dataset下載數據集：

https://www.kaggle.com/tmdb/tmdb-movie-metadata

2、導入數據

3、查看數據集信息

下面是moviedf數據集中部分字段的含義介紹：

• id： 標識號

• imdb id:IMDB標識號

• popularity： 在Movie Database上的相對頁面查看次數

• budget： 預算（美元）

• revenue： 收入（美元）

• original_title： 電影名稱

• cast： 演員列表，按|分隔，最多5名演員

• homepage： 電影首頁的URL

• director： 導演列表，按|分隔，最多5名導演

• tagline： 電影的標語

• keywords： 與電影相關的關鍵字，按|分隔，最多5個關鍵字

• overview： 劇情摘要

• runtime： 電影時長

• genres： 風格列表，按|分隔，最多5種風格

• production_companies： 制作公司列表，按|分隔，最多5家公司

• release_date： 首次上映日期

• vote_count： 評分次數

• vote_average： 平均評分·release year： 發行年份

三、數據清洗

1、先將credits數據集和moviedf數據集中的數據合并在一起，再查看合并后的數據集信息：

2、選取子集

由于數據集中包含的信息過多，其中部分數據并不是我們研究的重點，所以從中選取我們需要的數據：

由于后面的數據分析涉及到電影類型的利潤計算，先求出每部電影的利潤，并在數據集moviesdf中增加profit數據列：

3、缺失值處理

通過上面的數據集信息可以知道：整個數據集缺失的數據比較少 其中release_date（首次上映日期）缺失1個數據，runtime（電影時長）缺失2個數據，可以通過網上查詢補齊這個數據。

填補release_date（首次上映日期）數據：

找出runtime（電影時長）缺失的數據：

填充runtime缺失值：

4、數據格式轉換

genres列數據處理:

release_date列數據處理：

四、數據分析及可視化

問題一：電影類型如何隨著時間的推移發生變化的？

1、建立包含年份與電影類型數量的關系數據框：

2、數據可視化

繪制各種電影類型的數量柱狀圖：

繪制各種電影類型占比的餅狀圖：

分析結論：

• 從上面的結果可以看出，在所有的電影類型中，Drama(戲劇)類型電影最多，占所有電影類型的18.9%，其次為Comedy(喜劇)，占所有電影類型的14.2%。

• 在所有電影類型中，電影數量排名前5的電影類型分別為： Drama(戲劇)、Comedy(喜劇)、Thriller(驚悚)、Action（動作）、Romance（冒險）。

3、電影類型隨時間變化的趨勢分析：

分析結論：

從圖中觀察到，隨著時間的推移，所有電影類型都呈現出增長趨勢，尤其是1992年以后各個類型的電影均增長迅速，其中Drama(戲劇)和Comedy(喜劇)增長最快，目前仍是最熱門的電影類型。

問題二：電影類型與利潤的關系？

先求出各種電影類型的平均利潤：

電影類型平均利潤數據可視化：

分析結論：

從圖中觀察到，拍攝Animation、Adventure、Fantasy這三類電影盈利最好，而拍攝Foreign、TV、Movie這三類電影會存在虧本的風險。

問題三：Universal Pictures和Paramount Pictures兩家影視公司發行電影的對比情況如何？

Universal Pictures(環球影業)和Paramount Pictures(派拉蒙影業)是美國兩家電影巨頭公司。

1、查看 Universal Pictures和Paramount Pictures兩家影視公司電影發行的數量

先對production_companies列數據進行處理：

查詢production_companies數據列并統計Universal Pictures和Paramount Pictures的數據：

使用餅狀圖比較兩家公司發行的電影占比：

2、分析Universal Pictures和Paramount Pictures兩家影視公司電影發行的走勢

抽取相關數據列進行處理：

兩家影視公司電影發行的折線圖：

分析結論：

從圖中觀察到，隨著時間的推移，Universal Pictures和Paramount Pictures公司的電影發行量呈現出增長趨勢，尤其是在1995年后增長迅速，其中Universal Pictures公司比Paramount Pictures公司發行的電影數量更多。

問題四：改編電影和原創電影的對比情況如何？

對keywords列數據處理：

描繪柱狀圖，對改編電影與原創電影在預算、收入及利潤三方面進行比較：

分析結論：

從圖上可以看出，改編電影的預算略高于原創電影，但改編電影的票房收入和利潤遠遠高于原創電影， 這可能是改編電影擁有一定的影迷基礎。

問題五：電影時長與電影票房及評分的關系

電影時長與電影票房的關系：

電影時長與電影平均評分的關系：

分析結論：

從圖上可以看出，電影要想獲得較高的票房及良好的口碑，電影的時長應保持在90~150分鐘內。

問題六：分析電影關鍵字

先提取電影關鍵字：

通過詞云包WordCloud生成詞云圖：

關于“怎么用python分析電影票房”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識，可以關注億速云行業資訊頻道，小編每天都會為大家更新不同的知識點。