摘要：另外由于豆瓣上一些電影評(píng)分?jǐn)?shù)量太少而不顯示，所以這里的電影數(shù)量會(huì)和票房數(shù)量有所差異。月度票房將類型片的票房按月劃分，得到了這張圖。

去年末的時(shí)候，我招收了新的“ 實(shí)訓(xùn)生 ”。本文是其中一位 @齊大圣 同學(xué)在實(shí)訓(xùn)兩個(gè)月時(shí)完成的項(xiàng)目案例。（碼上行動(dòng)群里同學(xué)應(yīng)該都看過(guò)這個(gè)名字，現(xiàn)在也是助教之一。）項(xiàng)目最初的想法是， 從互聯(lián)網(wǎng)上的公開(kāi)信息中采集2018年在國(guó)內(nèi)上映電影的票房、評(píng)分、類型、演員等信息，然后做一些數(shù)據(jù)分析和可視化展示 。這樣一個(gè)項(xiàng)目， 除了需要對(duì) python 基本語(yǔ)法和數(shù)據(jù)結(jié)構(gòu)的掌握之外，還涉及到網(wǎng)頁(yè)分析、爬蟲、文本解析、數(shù)據(jù)庫(kù)存儲(chǔ)、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)可視化，并且需要對(duì)一個(gè)完整項(xiàng)目有整體的模塊設(shè)計(jì) ，對(duì)于編程學(xué)習(xí)者來(lái)說(shuō)是從入門到進(jìn)階的一個(gè)很好案例。經(jīng)常跟我說(shuō)學(xué)了基礎(chǔ)不知道做什么項(xiàng)目的同學(xué)們，別光顧著看熱鬧，回頭自己也動(dòng)手做一做。 代碼已上傳，獲取見(jiàn)文末。

項(xiàng)目之初，我們的想法主要是 對(duì)去年國(guó)內(nèi)上映電影的票房、評(píng)分進(jìn)行一下排行 ，然后按不同類型對(duì)比下， 什么片更受歡迎，什么片更賺錢 。后來(lái)開(kāi)發(fā)過(guò)程中，正值《流浪地球》大賣，吳京成為首位國(guó)內(nèi)票房破百億的演員。于是我們突發(fā)奇想，來(lái)看一看誰(shuí)是去年單年累積票房最高的演員。是《我不是藥神》的徐崢，還是《唐人街探案2》的王寶強(qiáng)（他倆還合演了《一出好戲》），又或者是《紅海行動(dòng)》中的某位？

在往下看之前，你也可以大膽猜一下。但我打賭你是猜不到的。如果沒(méi)猜對(duì)，記得幫忙轉(zhuǎn)發(fā)點(diǎn)贊。

票房數(shù)據(jù)來(lái)自 中國(guó)票房網(wǎng) （http://cbooo.cn）

評(píng)分?jǐn)?shù)據(jù)來(lái)自 豆瓣電影 （http://movie.douban.com）、 貓眼 （http://maoyan.com）、 時(shí)光網(wǎng) （http://mtime.com）、 IMDB （http://imdb.com）

導(dǎo)演、演員信息來(lái)自 豆瓣電影

共 522 部電影， 4723 位影人

由于從幾個(gè)不同網(wǎng)站抓取數(shù)據(jù)，有些名稱會(huì)不一致，或者出現(xiàn)部分?jǐn)?shù)據(jù)缺失的情況。因此這個(gè)數(shù)據(jù)并不是絕對(duì)完整的，但不影響整體結(jié)論

影片所屬類型沒(méi)有嚴(yán)格定義，且會(huì)有多個(gè)類型。實(shí)際選取方式我們?cè)谙旅鏁?huì)有具體說(shuō)明。

這個(gè)排名大家都不陌生，沒(méi)啥好多說(shuō)的，好玩的在后面。

我們將所有電影按評(píng)分和票房做成散點(diǎn)分布圖，得到上述圖片。此圖是動(dòng)態(tài)可交互的，這里我截幾張有代表性的（點(diǎn)擊圖片后可放大）：

依次是 動(dòng)作、喜劇、劇情、動(dòng)畫 四類電影分布。粗略一看， 動(dòng)作片是比較受市場(chǎng)歡迎的 ，畢竟選擇去觀看大屏幕，很大程度也是為了享受特效和視聽(tīng)感受。喜劇和劇情也還不錯(cuò)，但高票房的動(dòng)畫片就很少了。

這張圖是不同影片類型的數(shù)量和評(píng)分情況。 劇情、喜劇、動(dòng)作是三大主流類型 。

從評(píng)分上看，動(dòng)畫片最高 ，我很早就發(fā)現(xiàn)了這個(gè)現(xiàn)象，我覺(jué)得可能是因?yàn)閯?dòng)畫片類型明確，會(huì)觀看并評(píng)價(jià)的人本身對(duì)其接受度高，而不喜歡的人壓根兒就不會(huì)去看。劇情片整體評(píng)分也不錯(cuò)，可見(jiàn)能把一個(gè)故事說(shuō)好，觀眾就挺滿意了。 愛(ài)情片、驚悚片則是一向是爛片的高發(fā)地帶 。

說(shuō)明下：這里的類型是重復(fù)計(jì)算的，一部片會(huì)既是動(dòng)作片，又是喜劇片。另外由于豆瓣上一些電影評(píng)分?jǐn)?shù)量太少而不顯示，所以這里的電影數(shù)量會(huì)和票房數(shù)量有所差異。

從票房上看， 動(dòng)作片不管是總量還是平均，都很強(qiáng)勢(shì) 。值得注意的是科幻片，雖然一般認(rèn)為這是個(gè)小眾類型，但與廣義科幻沾邊的影片平均票房卻不低（這里面Marvel貢獻(xiàn)了不少），今年的小破球更是創(chuàng)造了新的紀(jì)錄。戰(zhàn)爭(zhēng)片則是被《紅海行動(dòng)》一片之力拉高了平均值。

將類型片的票房按月劃分，得到了這張圖。 春節(jié)檔無(wú)疑是一年最搶錢的檔期，而喜劇片又是此檔期的絕對(duì)主力。暑期檔則是另一個(gè)票房小高峰。動(dòng)作片一年四季都不錯(cuò) 。

這里的月度劃分是按首映日期，所以會(huì)有一些提前，比如國(guó)慶檔的票房都記在了九月份。

以上面幾組數(shù)據(jù)來(lái)看，如果哪位土豪讀者想投資拍電影， 選擇動(dòng)作片是比較保險(xiǎn)的，記得要把故事說(shuō)好，最好再加點(diǎn)科幻元素，在春節(jié)前上映 。

這里做了 IMDB、時(shí)光網(wǎng)、貓眼 分別和 豆瓣 評(píng)分的關(guān)系對(duì)比。

按理說(shuō)，如果兩個(gè)網(wǎng)站的評(píng)分基本一致的話，這些點(diǎn)應(yīng)當(dāng)分布在對(duì)角線上。 IMDB、時(shí)光網(wǎng)和豆瓣還是差不多的 （豆瓣其實(shí)是5星制，最低2分）。再細(xì)分一下， 時(shí)光網(wǎng)和豆瓣的相關(guān)性要比 IMDB 更大 （文化差異）， 好片比爛片的相關(guān)性更大 （好片都說(shuō)好，爛片則口味不同）。

有意思的是 貓眼 （最右側(cè)圖），它的評(píng)分普遍要比豆瓣高，相信很多人都有直觀感受。當(dāng)然這也有它的原因： 貓眼買了票的人才會(huì)評(píng)分，那一般總歸會(huì)選個(gè)自己愛(ài)看的吧 。

【彩蛋】圖上右下角有個(gè)令人矚目的孤點(diǎn)，這部電影是個(gè)例外，它貓眼評(píng)分2.9，豆瓣卻有6.9，你知道是哪部嗎？（可以留言猜一下，我待會(huì)兒在留言中公布答案）如果你了解此片背后的故事，定會(huì)一拍大腿恍然大悟。

好了，到了公布最終結(jié)果的時(shí)候。

第一名： 王成思

參演電影： 《西紅柿首富》25億；《唐人街探案2》34億；《李茶的姑媽》6億

這……是誰(shuí)啊，演的誰(shuí)……

斯坦·李憑借各種客串，位列第3。而另一位能在Marvel、DC兩道均能跑龍?zhí)椎募s翰·蓋蒂爾，也躋身前十，同樣也不知道他演的角色……

怎么樣，有沒(méi)有出乎你的意料？現(xiàn)在你可以拿這個(gè)去問(wèn)別人了

所有圖表在網(wǎng)頁(yè)上都是動(dòng)態(tài)可交互的，訪問(wèn)地址請(qǐng)?jiān)谖覀児娞?hào)（ Crossin的編程教室 ）里回復(fù)關(guān)鍵字 票房

代碼也已上傳，并附帶有說(shuō)明文檔，大致說(shuō)明了實(shí)現(xiàn)思路、文件說(shuō)明、技術(shù)細(xì)節(jié)。同樣回復(fù)關(guān)鍵字 票房

如果你想要跟著實(shí)現(xiàn)或運(yùn)行相關(guān)代碼，我這里再簡(jiǎn)單說(shuō)幾點(diǎn)。

項(xiàng)目整體思路：

通過(guò) 中國(guó)票房網(wǎng) 獲得2018年大陸上映電影和每部電影票房數(shù)據(jù)

根據(jù)已有的票房數(shù)據(jù)，通過(guò)豆瓣 api 和詳細(xì)頁(yè)面，獲得每部電影的導(dǎo)演，演員和豆瓣評(píng)分等詳細(xì)數(shù)據(jù)

分別通過(guò) 貓眼、時(shí)光網(wǎng) 和 imdb，獲取這三個(gè)網(wǎng)站的電影評(píng)分?jǐn)?shù)據(jù)

新建影人條目，利用豆瓣獲得的影人數(shù)據(jù)，對(duì)2018年每個(gè)演員年參演電影進(jìn)行統(tǒng)計(jì)

根據(jù)已有數(shù)據(jù)作圖，分析2018年電影票房排名、不同網(wǎng)站評(píng)分差異、電影票房-評(píng)分關(guān)系等

開(kāi)發(fā)環(huán)境及所需庫(kù)：

python 3.6（3.5以上版本應(yīng)該都沒(méi)啥問(wèn)題）

jupyter notebook - 這個(gè)之前介紹過(guò)多次，數(shù)據(jù)分析好幫手

requests - 網(wǎng)頁(yè)抓取

bs4 - 網(wǎng)頁(yè)文本分析

pymongo - 本項(xiàng)目用了 mongodb 數(shù)據(jù)庫(kù)

numpy - 數(shù)據(jù)計(jì)算必備

pyecharts - 繪圖工具包 ECharts 的封裝

有幾點(diǎn)值得注意的是：

因?yàn)槎拱甑乃阉鹘Y(jié)果是模糊匹配，根據(jù)電影名會(huì)搜出多部電影，因此匹配豆瓣信息時(shí)增加了人工干預(yù)的步驟。這部分代碼可以再優(yōu)化。

項(xiàng)目使用 MongoDB 作為數(shù)據(jù)存儲(chǔ)，這不是必須的，你可以把這部分代碼改成文件保存。另外 如果你只是想做數(shù)據(jù)分析，也可以拿我們抓取好導(dǎo)出的數(shù)據(jù) ，免除抓取之苦。（附帶在項(xiàng)目中，僅供學(xué)習(xí)，請(qǐng)勿商用，否則后果自負(fù)）

部分代碼（僅演示，完整代碼見(jiàn)項(xiàng)目倉(cāng)庫(kù)）：

抓取并保存

client = pymongo.MongoClient()
db = client.chinamovies # 獲取或新建名為 chinamovies 的 database
collections = db.movies # 獲取或者新建了一個(gè)表
url_origin = "http://www.cbooo.cn/Mdata/getMdata_movie?area={area}&type=0&year=2018&initial=%E5%85%A8%E9%83%A8&pIndex={page}"
url = url_origin.format(area=area, page=page)
req = requests.get(url, headers=headers)
data = req.json()
collections.insert_many(data["pData"])

獲取豆瓣信息

url_api = "https://api.douban.com/v2/movie/search?q={}".format(moviename)
req = requests.get(url_api, headers=headers)
data_total = req.json()["subjects"]
if not data_total:
    print("你搜索的不存在：", moviename)
else:
    print(data_total[0])

計(jì)算影人參演票房總和

for i in col_casts.find():
    total_box = 0
    for j in i["movie_id"]:
        movie = collections_detail.find_one({"id": j})
        if movie["boxoffice"]:
            total_box += int(movie["boxoffice"])
    col_casts.update_one({"_id": i["_id"]}, {"$set": {"total_box": total_box}}, upsert=True)

輸出票房/評(píng)分分布散點(diǎn)圖

scatter = Scatter("電影評(píng)分-票房")
total_num = 0
for i in genre:
    total_num += len(genre[i]["rate"])
    scatter.add(i, genre[i]["boxoffice"], genre[i]["rate"], **other_setting, extra_name=genre[i]["title"],
                xaxis_name="票房（億）", yaxis_name="評(píng)分", yaxis_name_gap=20,yaxis_min=2, symbol_size=5,
                label_formatter="{c}", is_label_emphasis=True, is_toolbox_show=False)
scatter.render("電影評(píng)分-票房.html")

查看交互圖表和代碼地址，請(qǐng)?jiān)诠娞?hào)（ Crossin的編程教室 ）回復(fù)關(guān)鍵字 票房

════

其他文章及回答：

學(xué)編程：如何自學(xué)Python | 新手引導(dǎo) | 一圖學(xué)Python

開(kāi)發(fā)案例：智能防擋彈幕 | 紅包提醒 | 流浪地球

歡迎搜索及關(guān)注： Crossin的編程教室