GitHub - QI-Xiao/chinamovies2018

2018年国内上映电影票房评分分析

项目内容

统计2018年在国内上映的所有电影，分别获取上映电影的票房、评分（豆瓣、猫眼、时光、imdb）、类型、上映日期、演员、导演等数据。利用所获数据绘图，对2018年国内上映电影进行定量分析

项目思路

通过中国票房网获得2018年大陆上映电影和每部电影票房数据
根据已有的票房数据，通过豆瓣 api 和详细页面，获得每部电影的导演，演员和豆瓣评分等详细数据
分别通过猫眼、时光网和 imdb，获取这三个网站的电影评分数据
新建影人条目，利用豆瓣获得的影人数据，对2018年每个演员年参演电影进行统计
根据已有数据作图，分析2018年电影票房排名、不同网站评分差异、电影票房-评分关系等

运行环境

Python 3.6
linux/windows
jupyter notebook

运行依赖包

requests
bs4
pymongo
numpy
pyecharts

文件说明

movies_data 文件夹: 包括了所有获取数据所需的 .py 文件
- step0_chinamovies.py：获取中国票房网2018年所有国内上映电影及票房
- step1_doubanmovies.py：根据中国票房网得到的电影数据，从豆瓣 api 接口中获得更详细的数据并存入数据库
- step1_doubanmovies_supplement.py：用来寻找在 step1_doubanmovies.py 中由于名称原因没有找到的电影
- step2_moviedetail.py：获得每部电影在不同网站的评分、演职人员等详细信息
- step3_celebrity.py：计算每个影人（导演）2018年参（导）演电影的票房总和
movie_draws 文件夹
- movie_pyecharts.ipynb
  - 为了更加直观的进行展示，数据分析和绘图的代码写在了 jupyter notebook 里面
  - 采用 pyecharts 绘图，包括“电影评分-票房”等八张图
- 包括了HTML格式的所有 movie_pyecharts.ipynb 绘制图
output_data 文件夹
- data_output.py: 从数据库导出电影和影人数据的 .py 文件
- movie_data.csv: 抓取的2018年所有电影条目，共 522 部
- cast_data.csv: 每个影人2018年参演电影及电影票房总和排名，共 4723 影人

一些技术细节

由于要更改数据库，所有获取数据并保存数据库的操作都写成了函数形式，执行函数的代码加了注释，可根据自身需要去掉注释运行代码

数据保存：数据采用mongodb保存，使用时需要安装 pymongo 第三方库

连接到数据表

client = pymongo.MongoClient()
db = client.chinamovies # 连接到数据库
collections = db.movies # 数据表 movies
collections_detail = db.moviesdetail # 豆瓣数据都放入了数据表 moviesdetail 中

写入多条数据 collections.insert_many(data['pData'])
写入一条数据 collections_detail.insert_one(datadetail)

更新数据

# 更新数据到数据库中
collections_detail.update({'_id': i['_id']}, {'$set': {'猫眼':{
    'title': movie['nm'], 'rank': movie['sc'],
    'id': movie['id'], 'pubDesc': movie['pubDesc']
}}})

数据验证
- 本项目中，由于涉及多个网站的电影数据，因此会发生网站A 电影上映日期或名称与网站B 不同的情况。本项目中，电影上映日期和名称均以豆瓣网为准。利用网站A 的电影名在网站B 中进行搜索时，必须要保证电影名和上映年份完全一致，对于电影名不符合的电影，需要进行二次的人工判断
- 例：
```
# 必须要名称一致且2018年大陆上映才符合要求
if movie['nm'] == i['title'] and re.findall(r'2018.*大陆上映', movie['pubDesc']):
    ... # 符合要求
```
绘图：利用 pyecharts 绘图，pyecharts 使用可见官方文档：http://pyecharts.org/