像製作人一樣思考——電影數據分析

電影數據來源於kaggle上的TMDB 5000 Movie Dataset數據集，當製作一部電影時，應考慮哪些因素才能使電影獲得成功？本次數據分析報告主要探討電影數據的可視化，圍繞以下幾點：

• 電影類型隨時間的變化
• 哪些類型的電影出現最多
• 利潤最高的電影類型
• 評分和受歡迎程度與電影類型的關係
• 哪些導演的平均票房較高
• 哪些導演的平均預算比較高
• 哪些導演的電影平均票房和評分都很高
• 預算和票房之間的關係
• 關鍵字詞雲

1、電影類型隨時間的變化

可以發現從1995-2015年電影數量總體在波動中增加，戲劇（Drama）增長最快，其次是喜劇（Comedy）和驚悚電影（Thriller）；恐怖片（Horror）、犯罪片（Crime）、家庭影片（Family）和科幻電影（Science Fiction）則增長較平緩。

2、哪些類型的電影出現最多

3、利潤最高的電影類型

從上圖可以看出動漫（Animation）利潤最高，而數量最多的戲劇（Drama）和喜劇（Comedy）的利潤相對較少。

4、評分和受歡迎程度與電影類型的關係

從上圖發現外國電影（Foreign）的評分和受歡迎程度程度都比較低，音樂電影（Music）平均評分最高但受歡迎程度程度較低，最受歡迎的電影類型為動漫（Animation），科幻電影（Science Fiction）、動作片（Action）、魔幻電影（Fantasy）、冒險電影（Adventure）的評分和受歡迎程度程度都較高，電影評分和受歡迎程度程度是否存在某種關係：

上圖顯示有很多離群值，評分和受歡迎程度程度之間的線性關係並不是很顯著，通過計算兩者之間的相關係數也可以看出。

5、哪些導演的平均票房較高

6、哪些導演的平均預算比較高

7、哪些導演的電影平均票房和評分都很高

8、預算和票房之間的關係

可以看出預算和票房之間基本上成線性關係

各變數間的相關關係：

發現預算和票房、受歡迎程度和票房收入、評分次數和受歡迎程度、評分次數和票房收入之間有比較強的線性關係。

9、關鍵字詞雲

從詞雲中發現出現次數較多的詞是女性導演，獨立電影、音樂、謀殺等。

數據處理和可視化是用Python和excel交替進行，主要代碼鏈接：https://pan.baidu.com/s/1ggKFJvP 密碼：qbl0

wordcloud模塊沒安裝成功，詞雲是用WordArt製作的

參考文章：

TMDB Means per genre

TMDB_Movie dataset

Whats my Score??