20191126_1_电影票房分析
2024-06-07 18:56:00
这个单子没什么新的技术，还是和那四个化学一样，不知道他们最后的分数怎么样，希望高一点吧，不然我也不好意思，这里面附带一个爬虫，就直接拿来用了
#!/usr/bin/env python
# coding: utf-8
# In[1]:
#!/usr/bin/env python
# coding: utf-8
# In[ ]:
#!/usr/bin/python
# -*- coding: utf-8 -*-
import requests
import time
import re
import csv
from bs4 import BeautifulSoup#设置URL固定部分
url='http://www.cbooo.cn/year?year='
#设置请求头部信息
headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'
}
#循环抓取列表页信息
for year in range(2009,2019):if year == 2009:year=str(year)a=(url+year)r=requests.get(url=a,headers=headers)html=r.contentelse:year=str(year)a=(url+year)r=requests.get(url=a,headers=headers)html2=r.contenthtml = html + html2#每次间隔0.5秒time.sleep(0.5)
lj=BeautifulSoup(html,'html.parser')
#print(lj)
#提取名称、类型、总票房（万）、平均票价、场均人次及国家及地区
result=lj.find_all('td')
#print(result)
#print(len(result))
mname=[]
title=""
index=1
year=2009
for i in result:i=str(i)title=re.findall(r'</span>(.*?)</p>',i,re.I|re.M)if len(title)>0:mname.append(index)index=index+1mname.append(title[0])else:info=re.findall(r'<td>(.*?)</td>',i,re.I|re.M)mname.append(info[0])
#print(len(mname))
#print(mname)
k=0
data=[]
while k<2000:year=2009year=year+(k//200)data.append([mname[k],mname[k+1],mname[k+2],mname[k+3],mname[k+4],mname[k+5],mname[k+6],mname[k+7],year,1])k=k+8
#print(data)
print(len(data))#一共250条数据
#将结果存到CSV文件
with open('data.csv','w') as fout:cin= csv.writer(fout,lineterminator='\n')#写入row_1 cin.writerow(["index","name","type","zpf","mantimes","price","area","datatime","year","mark"])for item in data:cin.writerow(item)import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题test=pd.read_csv('data.csv',encoding='gbk')
test.head()| id | 影片名 | 类型 | 总票房 | 平均票价 | 场均人次 | 国家及地区 | 上映日期 | 年 | |
|---|---|---|---|---|---|---|---|---|---|
| 0 | 1 | 2012世界末日 | 灾难 | 44745 | 32 | 68 | 美国 | 2009/11/13 | 2009 |
| 1 | 2 | 变形金刚2 | 科幻/动作 | 40364 | 32 | 53 | 美国 | 2009/6/24 | 2009 |
| 2 | 3 | 建国大业 | 剧情 | 39288 | 32 | 54 | 中国/中国香港 | 2009/9/16 | 2009 |
| 3 | 4 | 赤壁(下) | 动作 | 24353 | 34 | 49 | 中国/中国香港 | 2009/1/7 | 2009 |
| 4 | 5 | 三枪拍案惊奇 | 喜剧 | 22011 | 33 | 49 | 中国 | 2009/12/10 | 2009 |
检查数据合理性，对数据进行清洗
缺省值查看
test.isnull().sum()id 0
影片名 0
类型 1
总票房 0
平均票价 0
场均人次 0
国家及地区 1
上映日期 2
年 0
dtype: int64
test.loc[test['类型'].isnull()]
test.drop([36],inplace=True)
test.loc[test['上映日期'].isnull()]
test.drop([65],inplace=True)test.isnull().sum()id 0
影片名 0
类型 0
总票房 0
平均票价 0
场均人次 0
国家及地区 0
上映日期 0
年 0
dtype: int64
test.isnull().sum()id 0
影片名 0
类型 0
总票房 0
平均票价 0
场均人次 0
国家及地区 0
上映日期 0
年 0
dtype: int64
test.info()<class 'pandas.core.frame.DataFrame'>
Int64Index: 248 entries, 0 to 249
Data columns (total 9 columns):
id 248 non-null int64
影片名 248 non-null object
类型 248 non-null object
总票房 248 non-null int64
平均票价 248 non-null int64
场均人次 248 non-null int64
国家及地区 248 non-null object
上映日期 248 non-null object
年 248 non-null int64
dtypes: int64(5), object(4)
memory usage: 19.4+ KB
test.hist(figsize=(20,10))array([[<matplotlib.axes._subplots.AxesSubplot object at 0x0000021685CAD710>,<matplotlib.axes._subplots.AxesSubplot object at 0x0000021685F6C898>],[<matplotlib.axes._subplots.AxesSubplot object at 0x0000021685F94F28>,<matplotlib.axes._subplots.AxesSubplot object at 0x0000021685FC75C0>],[<matplotlib.axes._subplots.AxesSubplot object at 0x0000021685FEDC50>,<matplotlib.axes._subplots.AxesSubplot object at 0x0000021685FEDC88>]],dtype=object)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CNQ89Apa-1575806387908)(output_10_1.png)]
对所得数据按日期排序
test=test.sort_values(by='上映日期')test_num=test.groupby(by=['年']).sum()
test_num| id | 总票房 | 平均票价 | 场均人次 | |
|---|---|---|---|---|
| 年 | ||||
| 2009 | 325 | 395890 | 797 | 1058 |
| 2010 | 913 | 648652 | 856 | 961 |
| 2011 | 1509 | 710355 | 856 | 824 |
| 2012 | 2200 | 1011515 | 931 | 803 |
| 2013 | 2825 | 1174380 | 939 | 727 |
| 2014 | 3450 | 1633415 | 913 | 749 |
| 2015 | 4075 | 2495002 | 900 | 799 |
| 2016 | 4700 | 2513007 | 861 | 655 |
| 2017 | 5325 | 3287129 | 882 | 558 |
| 2018 | 5950 | 3916309 | 894 | 544 |
test_num['总票房'].plot()<matplotlib.axes._subplots.AxesSubplot at 0x21685cad940>
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-WOAUBwR1-1575806387910)(output_14_1.png)]
test_num['平均票价'].plot()<matplotlib.axes._subplots.AxesSubplot at 0x21686107cc0>
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hMBEjtG2-1575806387911)(output_15_1.png)]
y = test_num['总票房']
X = test_num.drop(['总票房','id'],axis=1)
print('data shape: {0}; no. positive: {1}; no. negative: {2}'.format(X.shape, y[y==1].shape[0], y[y==0].shape[0]))
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)data shape: (10, 2); no. positive: 0; no. negative: 0
from sklearn import linear_model
model =linear_model.LinearRegression()
model.fit(X_train, y_train)
train_score = model.score(X_train, y_train)
test_score = model.score(X_test, y_test)
print('train score: {train_score:.6f}; test score: {test_score:.6f}'.format(train_score=train_score, test_score=test_score))train score: 0.785987; test score: 0.901816
20191126_1_电影票房分析相关推荐
- 基于机器学习的电影票房分析与预测系统
温馨提示:文末有 CSDN 平台官方提供的博主 Wechat / QQ 名片 :) 1. 项目简介 票房作为衡量电影能否盈利的重要指标受诸多因素共同作用影响且其影响机制较为复杂,电影票房的准确预测是比 ...
- 用Python分析了十年电影票房，原来我错过了这么多好电影！
"玩电影票房数据,我教你啊" 3月8日妇女节,我很期待的超级英雄电影<惊奇队长>上映了,票房表现很快过亿,但大众口碑却让人失望. 一个有趣且常见的现象是,隔壁获奖无数, ...
- 十年电影票房数据爬取与分析 | 免费数据教程
3月8日妇女节,我很期待的超级英雄电影<惊奇队长>上映了,票房表现很快过亿,但大众口碑却让人失望. 一个有趣且常见的现象是,隔壁获奖无数,口碑爆炸的<绿皮书>,票房却远远不如& ...
- 【大数据分析专业毕设之基于python爬虫的电影票房大数据预测分析+大屏可视化分析
[大数据分析专业毕设之基于python爬虫的电影票房大数据预测分析+大屏可视化分析-哔哩哔哩https://b23.tv/saIKtBH flask web框架,数据使用requests模块爬取数据, ...
- python爬虫实战三：近十年中国电影票房数据爬取与分析
近十年中国电影票房数据爬取与分析 前言 爬取 分析 十年top10 年度top5 每年电影数 每年总票房 二八原则 代码与数据 前言 这篇文章主要讲述的是近十年(2010-2019)中国电影票房数据的 ...
- 项目三：近10年来中国电影票房数据爬取分析
近10年来中国电影票房数据爬取分析 前言 数据采集与存储 数据清洗和简单分析 引入库,导入数据 近10年top 年度top5 每年电影数 每年总票房 结论 二八原则 end 点击跳转到总目录 前言 这 ...
- 未明学院学员报告:「看电影攻略」之豆瓣电影票房与口碑分析，这几类电影不易踩雷！
要说有什么经济实惠.老少咸宜的娱乐休闲方式,当然非看电影莫属啦~~ 心血来潮,说看就看的你,如何盲选电影避免踩雷?今天就奉上未明学院L同学的数据报告之看电影攻略,教你最小化踩雷风险. 前言 以下分析报 ...
- 2022-11-28-大数据可视化“可视化国产/进口电影票房榜单”分析，特征维度大于50
可视化国产/进口电影票房榜单 前言 数据分析 数据可视化过程 分析总结 前言 党的十八大以来,国产电影产业与事业快速发展,创作水平不断提高,题材类型丰富多元,受众口碑不断提升,在市场竞争中表现愈发突出 ...
- python电视剧口碑分析_用Python分析IMDB历届电影票房数据（上）
一.我们需要什么结论? 我们首先要做的就是定义我们想要的结论.那么根据这份IMDB网站上提取的100年间,65个国家,4937部电影数据,我们想要分析什么呢? 根据我的框架我想知道的结论有以下几点:电 ...
- L:python的Pandas模块:实例练习(泰坦尼克号数据集分析,电影票房统计,股票基本面统计)
实例练习 泰坦尼克号数据集分析 使用Seaborn库中包含的titanic数据集进行一些数据统计. Seaborn是一个图形库,Anaconda已包含此库.数据集参见: https://github. ...
最新文章
- R可视化包ggplot2修改可视化图像的字体大小
- 【面试题41】和为s的两个数字VS和为s的连续整数序列
- URAL 1014 Product of Digits
- 在“软件工程：研究与实践”研讨会上关于UML Use-Case的开放空间讨论
- PIC单片机入门_PICC的指向RAM的指针
- python echo(msg) 字符串_[宜配屋]听图阁
- SpringCloud 教程 | 第一篇： 服务的注册与发现（Eureka）
- Hibernate入门注解笔记
- AC-DC电源模块设计原理及10个常见疑问
- Kali Linux Web 渗透测试秘籍 第九章 客户端攻击和社会工程
- springmvc 异常001---在SpringMVC中使用@RequestBody注解处理json时，报出HTTP Status 415的解决方案
- Eclipse或MyEclipse—在Eclipse或MyEclipse中如何将jar包和相应的源代码关联起来
- aix 查看防火墙状态_AIX系统自带防火墙
- 苹果计算机关机时间不准,苹果电脑怎么设置定时自动关机
- 华为Mate40 Pro 66w充电器冒火花怎么回事？
- 制作移动硬盘或U盘的MAC安装盘
- 【路科验证008】DVT 软件使用指导
- javaMap集合 详解
- 【GamePlay】泡泡龙核心算法
- 2023最新SSM计算机毕业设计选题大全（附源码+LW）之java安徽省旅游信息网站ds6p5