Python進行電影數據分析及可視化

2）導入數據

3）理解數據

moviedf數據集中，有20個欄位，以下是每個欄位的含義介紹：

● 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：製作公司列表，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

● budget_adj：根據通貨膨脹調整的預算（2010 年，美元）

● revenue_adj：根據通貨膨脹調整的收入（2010 年，美元）

3)數據清洗

3.1選擇子集

3.2缺失數據處理

3.3數據類型轉換

3.4數據格式轉換

4）數據分析及可視化

問題 一：電影類型是如何隨著時間的推移發生變化的？

解決思路：

1、取出所有的電影類型

2、對電影涉及到的電影類型進行ONE-HOT編碼，並生成按年份匯總的電影類型數據，同時匯總歷年來各電影類型的總量並作圖

3、對前5的電影類型數量進行時間走勢分析

問題 二： Universal Pictures 和 Paramount Pictures 之間的對比情況如何？

解決思路

1、查看兩家公司電影發行總數並做圖分析

2、查看兩家公司歷年的電影發行數量，並比較分析

問題 三： 改編電影和原創電影的對比情況如何？

解決思路

1、查看改編和原創的電影數量

5）總結

5.1從歷史數據來看，拍攝的電影風格類型最多的五種為：Drama、Comedy、Thriller、Action、Romance

5.2 Action、Comedy、Drama、Horror 和 Thriller 等五種類型的電影由少變多，1990年以後電影發行數量增長迅速。

5.3Universal Pictures 和 Paramount Pictures 兩家公司在電影的發行數量分別為314，285，超出10%。

5.4從公司電影發行量時間走勢上看，2005年以後Universal Pictures公司 一直比 Paramount Pictures公司發行的數量多，處於競爭優勢。

5.5原創電影很少，僅占整個電影市場4%的份額。

6）不足之處

時間有限，分析的欄位比較少，後續會把更多的欄位加入，進行更全面的分析。

推薦閱讀：