數據可視化-電影分析

一：提出問題

假設你是一名業務分析師顧問，你的客戶是一個電影製作新公司，他們將製作一部新電影。客戶想確保電影能成功，從而使新公司立足市場。他們希望你能幫助他們了解電影市場趨勢，使他們能做出正確的決策。他們提供了指導，希望你能研究以下三大領域：

● 問題 1：電影類型是如何隨著時間的推移發生變化的？

● 問題 2： Universal Pictures 和 Paramount Pictures 之間的對比情況如何？

● 問題 3： 改編電影和原創電影的對比情況如何？

二：理解數據

採集數據——導入讀取數據——查看數據集信息，從整體上了解數據信息

獲取數據：https://www.kaggle.com/tmdb/tmdb-movie-metadata

欄位解釋：

● 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）

#導入模塊import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as sns import json#導入文件moviesdf=pd.read_csv(C:\Users\WangKai\Desktop\tmdb_5000_movies.csv)movdf=pd.read_csv(C:\Users\WangKai\Desktop\tmdb_5000_credits.csv)#查看數據moviesdf.head(2)moviesdf.info()

三：數據清洗

1.缺失數值處理——release_date列

#查找缺失項null=moviesdf["release_date"].isnull()moviesdf.loc[null,:]#填充缺失值moviesdf[release_date] = moviesdf[release_date].fillna( 2017-11-01 )#驗證moviesdf.info()

2.類型轉換（1）

#字元串轉化成日期數據類型moviesdf.loc[:,release_date]=pd.to_datetime(moviesdf.loc[:,release_date], format=%Y-%m-%d, errors=coerce)

類型轉換（2）

#將json轉換成字元串#genresmoviesdf[genres] = moviesdf[genres].apply(json.loads)for index, i in zip(moviesdf.index, moviesdf[genres]): l = [] for j in range(len(i)): l.append((i[j][name])) moviesdf.loc[index, genres] = str(l)#keywordsmoviesdf[keywords] = moviesdf[keywords].apply(json.loads)for index, i in zip(moviesdf.index, moviesdf[keywords]): l = [] for j in range(len(i)): l.append((i[j][name])) moviesdf.loc[index, keywords] = str(l)#production_companiesmoviesdf[production_companies] = moviesdf[production_companies].apply(json.loads)for index, i in zip(moviesdf.index, moviesdf[production_companies]): l = [] for j in range(len(i)): l.append((i[j][name])) moviesdf.loc[index, production_companies] = str(l)#production_countriesmoviesdf[production_countries] = moviesdf[production_countries].apply(json.loads)for index, i in zip(moviesdf.index, moviesdf[production_countries]): l = [] for j in range(len(i)): l.append((i[j][name])) moviesdf.loc[index, production_countries] = str(l)

四：數據處理

#各風格統計moviesdf[genres]=moviesdf[genres].str.strip([]).str.replace( ,).str.replace("",)moviesdf[genres]=moviesdf[genres].str.split(,)list1=[]for i in moviesdf[genres]: list1.extend(i)genres=pd.Series(list1).value_counts().sort_values(ascending=False)genres[:10]genres=pd.DataFrame(genres[:10])genres.rename(columns={0:"total"},inplace=True)f,ax=plt.subplots(figsize=(12,10))g=sns.barplot(y=genres.index,x="total",data=genres,palette="Blues_d",ax=ax)

#電影類型隨著時間的推移#提取年份years=[]for x in moviesdf["release_date"]: year=x.year years.append(year)Years=pd.Series(years)moviesdf[year]=Yearsmoviesdf[year].head()min_year = moviesdf[year].min()max_year = moviesdf[year].max()liste_genres = set()for s in moviesdf[genres]: liste_genres = set().union(s, liste_genres)liste_genres = list(liste_genres)liste_genresgenre_df = pd.DataFrame( index = liste_genres,columns= range(min_year, max_year + 1))genre_df = genre_df.fillna(value = 0)year = np.array(moviesdf[year])z = 0for i in moviesdf[genres]: split_genre = list(i) for j in split_genre: genre_df.loc[j, year[z]] = genre_df.loc[j, year[z]] + 1 z+=1genre_df#製圖plt.figure(figsize=(15,8))plt.plot(genre_df.T)plt.title(rrr)plt.xticks(range(1910,2020,5))plt.legend(genre_df.index)plt.show()

電影類型隨著時間的推移越來越豐富，從1975年1995年電影類型明顯增多；從1995年之後

戲劇、喜劇片、驚悚片數量增加極快。

#改編電影和原創電影的對比情況keylist = [based on novel,original]nums = [197,4606]plt.figure(figsize=(7, 4))plt.bar(np.arange(len(keylist)), nums, color = c , width = 0.1, align = center)plt.ylabel(數量,fontsize = 12)plt.xticks(np.arange(len(keylist)), keylist,fontsize = 12)plt.title(改編電影 VS 原創電影 數量對比,fontsize = 14)plt.grid(True)plt.show()

絕大部分是原創電影。

# Universal Pictures 和 Paramount Pictures 之間的對比情況plt.figure(figsize = (7,4))two = [Universal Pictures, Paramount Pictures]num = [77015832,70100000]plt.bar(np.arange(len(two)), num, color = c, width = 0.1, align = center)plt.ylabel(revenue)plt.xticks(np.arange(len(two)), two)plt.title(Universal Pictures VS Paramount Pictures 票房對比)plt.grid(True)plt.show()

截止2017年，Universal Pictures環球影業比Paramount Pictures即派拉蒙影業的票房總收入略高。