豆瓣電影 數據分析

來自專欄大數據前沿139 人贊了文章

一. 前言

之前看知乎上有一個問題，豆瓣上一共收錄了多少部電影？

我也比較好奇豆瓣上到底有多少部電影，然後我就試著抓取了豆瓣上我能找到的全部的電影，數據量大概是5.6W+的樣子，和知乎上別人的答案也比較相似（別人的回答大概4W-5W，到2017年數據），我是獲取到目前2018年最新的全部數據，也做了數據去重，數據量大概就是這個樣子（當然也有些人得回答說有10W+的，我看下面的評論也說了，每個人對影視理解不同，那些10W+，甚至數據量更多的，是把電視劇，綜藝等等都算進去了的，我這個數據是電影的數據，不包括電視劇那些）

既然獲取了數據，那肯定要分析一下呀，豆瓣電影的各種詳細的數據，評分，影評等等在國內同類型網站中，算是高質量的，所以進行數據分析也是有價值的。

二. 數據分析及可視化

1. 評分分布情況

可以看出豆瓣電影的評分分布情況基本是符合正態分布的，我計算了一下豆瓣全部電影評分的均值，為6.8分，2000年以後的豆瓣電影評分均值為6.6分（0，10分）。

中國大陸電影評分分布情況

大陸電影全部電影評分的均值，為6.1分，2000年以後的大陸電影評分均值為5.6分（0，10分）。

2. 每年電影數量變化情況

2000年以後的電影數量變化情況

2010年以後，上半年，下半年為區分，電影數量變化情況

豆瓣上收錄的電影，最早的一部是1878年的，一部美國電影（準確說是一部短片）---飛馳中的薩利·加德納，一直到2017年（2018年的數據不全，就沒有將其可視化出來），可以看出來，每年電影的數量整體是很明顯的上升的趨勢，從2016年到2017年的數據來看，又有較明顯的下跌，到2016年，這年的電影數量是一個頂峰值，因為2018年的數據不全，所以不好（預測）判斷電影數量是否會一直下降下去。

3. 豆瓣的各項評分，評論等等參數之間的相關係數關係

這張圖顯示的是兩個變數間的皮爾遜相關係數（兩個變數間協方差和標準差的商），越接近1代表正相關，越靠近-1代表越負相關，0就是代表這兩個變數間增長沒有任何關係，「rates」表示評分（10分滿分），「star」表示豆瓣星級（5星為滿級），「一星,二星,三星,四星,五星」,分別代表其佔比情況，「想看」表示這部電影想看的人數，「看過」表示這部電影看過的人數，「短評數」，「評價數」分別代表這部電影的寫了短評的人數及評價了的人數（打了分就算評價，不用寫評論），「year」表示年份。再看一下每兩個變數之間的具體關係情況。

短評數量和看過人數之間的關係（正相關）；

二星佔比和四星佔比之間的關係（負相關）

4. 每年電影評分佔比情況

很多時候，不知道大家會不會有個感覺，現在的爛片是越來越多，好看的電影是一年比一年少，而多年前拍的電影比現在的電影質量好，這個感覺究竟是錯覺，還是真實情況呢，現在從數據的角度來看一下

2000年以後均值以上和均值以下電影佔比變化情況

2000年以後5分以下和5分到6.6分電影，以及6.6分以上的佔比變化情況（6.6分是2000年以後電影評分均值）

熱力圖顯示每年具體數量情況

每年評分分布直方圖

（1）原來爛片是真的在變多，2000年以後，低於均值6.6分的電影的佔比是逐年遞增；

（2）5分到6.6分的佔比幾乎沒有什麼變化，但是，隨著時間增加（年），5分以下的電影數量佔比卻是一直在增加，而且，其佔比的增長趨勢是越來越明顯；

（3）....（自己看數據分析）；

所以，感覺近幾年的電影，越來越難看，爛片越來越多，並不只是個人的主觀意識，而實際就是電影難看，爛片多

而且國產爛片居然承包了豆瓣爛片榜前五名：

女媧日記榮獲豆瓣爛片之王，評分倒數第一，前無古人，後.....

很多人都不知道豆瓣最低分是多少，沒錯，就是這部 女媧日記，2.0分

5.每年電影均值變化情況

中國大陸電影評分均值，及按照季度劃分變化情況

全部電影評分均值，及按照月份劃分變化情況

（1）中國大陸電影沒有和「國際接軌」呀，從評分均值上來看，中國大陸電影在用力拖拽國際平均分呀；

（2）7，8月份和第三季度（7，8，9月）的電影評分均值都相對比較低，不管是全部的數據，還是只看中國大陸的數據；

（3）不管是中國大陸電影評分的數據，還是全部電影的評分數據，感覺都是一路在走低的趨勢，不過到2017年，評分均值都有小幅度的上升，看來是在2016年觸底反彈了；

（4）因為2018年數據不全，只在圖三上放有2018年的均值記錄，僅做參考，不過從趨勢上來看，和2017年比較，電影均分是在增加的；

6. 豆瓣電影評分分布情況

（1）從均分的分布情況來看出來，評分分布最多的區間大概是6.5～7.5分之間，和我們計算的評分均值--6.8分也是不衝突的；

（2）整體來看，大部分電影都是超過5分的，所以說5分以下的電影是爛片一點也不過分。

7. 不同國家的電影總數量分布

米國的電影數量果然多，其次就是中國大陸，日本，不過比較驚訝的是，原來豆瓣上收錄的電影，法，英，德都是超過韓國的（我以為韓國會很多）

8. 不同國家的評分均值情況

這裡我只統計了，豆瓣收錄某個國家或地區的電影，且收錄數量超過500的國家或地區的數據（因為電影數量太少，比較均值意義不大，有些國家就一兩部電影，靠這個來評估數據不準確），比如；

這些是均值排名最前面的10個國家，但是這些國家都只有1-3部電影，數據量太少，不具備廣泛性，以此數據來代表一個國家或者地區的均值情況，統計出來的結果不是很科學。

收錄數量超過500的國家或地區

電影數量500+的國家或地區評分均值，及數量分布情況

電影數量500+的國家或地區評分均值，及數值分布情況

從上圖中可以看出

（1）美國的電影數量最多（之前已經得出過這個結論），中國大陸的電影均分最低；

（2）英國電影的評分均值最高，也就是說相對來講，英國的電影的質量最高，不過從離散值也可以看出來，英國有部分數據的離散值很低，比如：「圍攻唐寧街 」，豆瓣2.4分，但還是沒有國產神劇2.0分低；

（3）豆瓣收錄有500+電影的的國家或者地區，大部分是發達國家，或者是中國，印度這種人口大國，說明電影數量的多少，可能和一個國家或地區的發達程度有一定的關係；

（4）...

9. 豆瓣高分電影的分布情況

豆瓣評分超過9.0的國家或地區的電影

豆瓣評分超過9.5的國家或地區的電影

電影評分9.0及以上的國家或地區（45個）的電影數量

電影評分9.5及以上的國家或地區（18個）的電影數量

（1）圖中一個點代表一個國家，其中英國的9.5以上的電影的數量最多，其次是美國，日本，

說明英國的高分電影確實多，也和之前的結論想吻合--「英國的電影的質量最高」；

（2）9.0以上的電影，美國最多，但因為美國電影的數量基數最大，這個也屬於正常情況，第二名還是英國，說明英國電影果然值得推薦，而且英國的電影數量基數不算特別大，只有美國的1/3不到；

10. 一個國家電影數量與電影評分的關係

圖中一個點表示一個一個國家，比如最右邊偏上的那個點，表示的是美國，因為美國的電影數量最多，通過置信區間來判斷，隨著電影數量的增加，電影評分均值是下降的趨勢，看來拍的電影越多，爛片率也越高，當然爛片也就越多；

我覺得這也可以解釋為什麼2016年的電影數量最多（回過頭去看，上面有分析的圖），但是2016的電影評分均值卻最低（上面也有圖有分析），2017年電影數量有所下降，對應的電影的均分就有所提高；

所以，結論，拍電影越多，爛片率越高，爛片越多

三. 文末

放一點福利吧

統計了下看過人數最多的和評分高的，前20部電影

沒看過這些電影的抽空趕快去補補吧

推薦閱讀：