# python_final

**Repository Path**: NFUNM001/python_final

## Basic Information

- **Project Name**: python_final
- **Description**: No description available
- **Primary Language**: HTML/CSS
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-07-18
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

| 发布日期 | 2020-07-23 |
| --- | --- |
| 项目名称 | 豆瓣电影排行榜分析|
| 项目现状 | 完成 |
| 项目所有者 | 蔡晓晨 |
| 项目设计师 | 蔡晓晨 |
| 项目开发者 | 蔡晓晨 |
| 项目测试者 | 蔡晓晨 |

# 项目名称——豆瓣电影排行榜分析
# 项目介绍和MVP价值主张宣言
* 本项目根据挖掘到的豆瓣电影top250电影名称、电影描述、评论人数、电影基本信息、电影排名及电影评分的的数据进行分析，得出现如今观众喜欢什么类型的电影，优秀电影主要出自于哪些国家，进而可以帮助从事影视行业的人士更好地选择投资。

### 问题表述
1.数据分析项目为啥要做？

随着大量资本涌入电影市场，院线电影像雨后春笋般地生长，市场竞争激烈，根据豆瓣电影排行榜进行分析，可以帮助投资方选择更符合市场需求的电影进行投资。

2.是谁有需要解决的问题？

电影投资方想要在电影市场分一杯羹，投资一部电影数额不小，收益和风险相关，如果有对受观众欢迎的电影的分析，会对投资方的投资有所帮助。

* 用户画像:电影公司投资人，负责寻找有投资价值的项目

### 解决方案表述
1.数据分析项目如何做分析？

在挖掘到源数据后，通过数据整理、数据清洗、数据重塑完成对源数据的清洗，在清洗完数据后提取到自己所需的内容行，并对内容进行构图分析。

2.分析成果如何解决谁的问题？

解决电影投资方的问题，分析成果有助于电影投资方更合理地投资，降低风险。

### 数据分析思路及方法
* 具体用户需求
结合jupyter和pyecharts的特性，pyecharts在jupyter中可以快速的使用并展现图表内容并进行交互。

* 数据分析思路及方法
pyecharts是一款将python与echarts结合的强大的数据可视化工具，简单的几行代码就可以将数据进行非常好看的可视化，而且还是动态的。基本步骤为导入相关图表包、进行图表的基础设置，创建图表对象、利用add()方法进行数据输入与图表设置(可以使用print_echarts_options()来输出所有可配置项)、利用render()方法来进行图表保存。

### 数据分析流程及成果
* 具体用户需求
pyecharts的图表的图表简洁明了，使用简单，不需要操作经验即可使用，有助于用户理解内容。

* 数据分析流程及成果
数据分析的过程耗时久，在使用pyecharts的过程中会出现因为某个参数的缺失报错，而花费时间修改代码，解决问题，然后进行图表交互后了解到数据分析的结果内容，成果中可以看出排行榜前250部电影大部分都是美国的，美国电影业繁荣，美国电影全球化传播策略是美国电影发展中的一个重要组成部分。进入20世纪90年代，好莱坞全球化已经成为一种现象， 它强大的资本助推力，市场占有率和文化影响力覆盖了全世界。美国电影年产量约为世界电影产量的十分之一，但占据世界电影票房的70%。投资电影较好的选择依然是美国的专业公司团队。

# 数据分析描述
### 数据源

*   源数据：[豆瓣电影top250](https://gitee.com/NFUNM001/python_final/blob/master/douban.tsv)

*   内容包括对电影的简短描述/电影在豆瓣中的评论人数/电影上映年份/国家/电影类型/电影名称/电影在豆瓣的排名/电影的评分
![](https://images.gitee.com/uploads/images/2020/0718/220858_8c094e2f_1532315.png)


### 数据分析目标
主要分析的目标数据：豆瓣评分排行榜前250部电影所属的国家分布以及电影类型占比

数据整理、清洗、重塑的数据流介绍：

![流程图](https://images.gitee.com/uploads/images/2020/0718/220857_f217e4bb_1532315.png)

## 数据分析结果价值宣言
* 最终目标带来的分析价值：通过了解到豆瓣评分排行榜前250部电影类型占比可以得知现如今消费者喜欢什么类型的电影，进而可以帮助从事影视行业的人士更好地选择投资。

* 加值：电影公司拍摄出更符合市场的影视作品，提高市场竞争力，获得巨额票房。

### 数据分析结果可视化
* 使用到的可视化模块介绍
pyecharts柱状图/饼状图/世界地图

* 可视化模块的具体API介绍
pyecharts是一款将python与echarts结合的强大的数据可视化工具，简单的几行代码就可以将数据进行非常好看的可视化，而且还是动态的。基本步骤为导入相关图表包、进行图表的基础设置，创建图表对象、利用add()方法进行数据输入与图表设置(可以使用print_echarts_options()来输出所有可配置项)、利用render()方法来进行图表保存。

* 预计可视化展示的结果以及数据故事的阐述
柱状图会展示在豆瓣排行榜上各个类型的上榜电影数量；世界地图中，会展示各个国家上榜的电影。饼状图会展示在豆瓣排行榜前250部的电影类型的占比。主要使用数据进行分析大受欢迎的电影主要是哪些类型的，以及这些电影主要来自于哪些国家，可以给电影公司和其他影视行业从业人员一些发展的方向，有利于提高投资电影的票房收入。

# 数据分析电子档/ipynb文档
- [ipynb档](https://gitee.com/NFUNM001/python_final/blob/master/Untitled.ipynb)
- [豆瓣TOP250国家分布交互图](https://gitee.com/NFUNM001/python_final/blob/master/%E4%BA%A4%E4%BA%92.html)
- [电影类型分布图](https://gitee.com/NFUNM001/python_final/blob/master/%E4%BA%A4%E4%BA%92.html)
### 交互图需先下载再查看


# 主要项目作品方案
### 数据分析结果的基本的对比图
![独角兽国家地区交互图](https://images.gitee.com/uploads/images/2020/0718/220858_97565f22_1532315.png)
- [豆瓣TOP250国家分布交互图下载链接](https://gitee.com/NFUNM001/python_final/blob/master/%E4%BA%A4%E4%BA%92.html)
![电影类型分布图](https://images.gitee.com/uploads/images/2020/0718/220900_714ed393_1532315.png)
- [电影类型分布图下载链接](https://gitee.com/NFUNM001/python_final/blob/master/%E4%BA%A4%E4%BA%92.html)

 从电影类型分布图中可以发现，最受欢迎的电影类型是剧情片，然后是喜剧片和动作片，剧情片的节奏往往比较的慢，但是情节相对紧凑，往往是一种社会现象和一定人群的生活状态的写照，容易使观看者产生情感上的共鸣，客观反映出观众逐渐喜欢看一些贴近自己生活的电影。
## 数据分析结果的时空交互
![豆瓣TOP250国家分布交互图](https://images.gitee.com/uploads/images/2020/0718/220858_97565f22_1532315.png)
- [豆瓣TOP250国家分布交互图下载链接](https://gitee.com/NFUNM001/python_final/blob/master/%E4%BA%A4%E4%BA%92.html)
## 数据分析结果的地图
- 从静态图中可以看出，首先可以看出在豆瓣排行榜前250名的电影主要分布在北美、南美、亚洲以及大洋洲。
- 数量最多的国家为美国，美国电影全球化传播策略是美国电影发展中的一个重要组成部分。进入20世纪90年代，好莱坞全球化已经成为一种现象， 它强大的资本助推力，市场占有率和文化影响力覆盖了全世界。美国电影年产量约为世界电影产量的十分之一，但占据世界电影票房的70%。 
- 数据分析最后的结果证明，美国的好评电影数量遥遥领先其他国家，而且还在继续输出，中国电影的进步空间还很大。

![豆瓣TOP250国家分布交互图](https://images.gitee.com/uploads/images/2020/0718/220858_97565f22_1532315.png)
- [豆瓣TOP250国家分布交互图下载链接](https://gitee.com/NFUNM001/python_final/blob/master/%E4%BA%A4%E4%BA%92.html)

## 学习/实践心得总结及感谢
在学期pandas课程中，学习了如何清洗和整合数据，经过本次项目的实践过后，对pyecharts的图表的使用更加的得心应手，分析数据讲故事的能力也在提升。做项目，敲代码，找数据，讲故事都是工多手熟的过程，不断地碰壁，解决，进步。同时感谢许老师和廖老师的耐心指导以及给予的代码，还有一些不厌其烦帮助我的同学。

## 参考url
[豆瓣排行榜top250](https://movie.douban.com/top250)

[pyecharts绘制各种图表详细（代码）](https://blog.csdn.net/qq_31967985/article/details/79975663)