# Python_Data

**Repository Path**: jackonz2017/Python_Data

## Basic Information

- **Project Name**: Python_Data
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-07-17
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 电影受众群体分析
| 发布日期   | 2020-07-15     |
| ---------- | -------------- |
| 项目名称   | 中国电影受众群体分析       |
| 项目现状   | 进行中         |
| 项目所有者 | 王鹏杰         |
| 项目设计师 | 王鹏杰         |
| 项目开发者 | 王鹏杰         |
| 项目测试者 | 王鹏杰         |

### 数据源
- 源数据：[豆瓣TOP250排行榜](https://gitee.com/jackonz2017/Python_Data/blob/master/douban_250.csv)
- [PY文档](http://jackonz2017.gitee.io/python_data)
- 数据栏：link:豆瓣相关电影链接、title：电影名、year:上映时间、director：导演、director_country：导演国籍、type：电影分类、length：电影时长、country_region：发行国、language：语言、avg_rating：豆瓣评分、num_of_ratings：评分人数、people_watched：已观影人数、people_wants_to_watch：想观影人数、num_comment：短评、num_reviews：长评
![输入图片说明](https://images.gitee.com/uploads/images/2020/0718/195833_1769ac48_1648200.png "屏幕截图.png")

### 数据分析结果价值宣言
- 主要分析的目标数据：中国市场受众对于电影不同维度接受喜爱程度分析
- 加值：视频平台能够就此研究，购买相应受众较多的电影版权，节省版权开支。

### 数据分析结果可视化
#### 使用的可视化模块
- pyecharts玫瑰饼图/地图
#### 可视化模块具体介绍
- 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
- 玫瑰饼图展示豆瓣评分前43位导演电影作品的总评分，进入豆瓣前250名的优秀电影，有的导演可能不止一部，我们可以观察总评分，借此反应各国导演对于中国观影群体的影响程度，借此研究哪种题材的电影在中国最具有市场。

### 问题表述
![图片出自](https://images.gitee.com/uploads/images/2020/0718/210204_8cb6407b_1648200.png "屏幕截图.png")
- 随着新媒体行业的快速发展，类似于爱奇艺、哔哩哔哩、腾讯视频等视频平台已经发展及其成熟，影视作品的生产也不仅仅依托于传统的电视媒体。然而在这些平台上的影视作品虽多，但大多数都是年代较新的影片，对于比较久远的电影，或题材相对小众的影片版权的购买都比较小心谨慎，也使得诸多海外的优秀老片难见踪影。
- 其二就是中国引进国外电影受到广电总局的限制，每年都只有有限的配额，但是国内电影市场的增长却不断提高，如何在有限的条件下，引进优良的外国影片，吸引观众，增加平台用户粘性。

### 解决方案表述
- ![输入图片说明](https://images.gitee.com/uploads/images/2020/0718/223323_537d25ca_1648200.png "屏幕截图.png")
- 书影音一直都是豆瓣的核心竞争力，大家通过给书影音打分，写评论，做标记而聚集在一起。而在点评电影方面，豆瓣也一直是国内的权威媒体之一，通过研究豆瓣TOP250部电影，从其不同维度，来找到适合中国影迷的电影关键词，无论是视频平台引进电影，还是电影厂商寻找电影导演题材，都可参考此次研究报告结果。

#### 数据分析思路及方法
- 首先我要研究的内容是国内外导演对于中国市场观众的影响力，我通过计算豆瓣TOP250中所有电影导演的电影评分总分值，来产出玫瑰饼图。我运用pyecharts模块创建玫瑰饼图，就能够直观的看出国内外导演对于中国市场观众的影响力。
- 其次研究中国观众喜欢哪个国家的电影，我通过计算各个国家出产所有电影数量和地理信息，来产出交互地图。运用pyecharts模块创建MAP，就能够直观的看出中国观众喜欢哪个国家的电影。


#### 数据分析流程及成果
![输入图片说明](https://images.gitee.com/uploads/images/2020/0718/215934_1c26462e_1648200.png "屏幕截图.png")
- 国内外导演对于中国市场观众的影响力玫瑰饼图，需要用到的维度有：director：导演和avg_rating：豆瓣评分，通过分进合击，将这两个维度的数据从总表中拆分出来，并通过.agg()中"SUM"方法计算出该导演所有电影作品（豆瓣TOP250内）评分的总分值。从结果我们可以得知在豆瓣TOP250榜单中，在中国最具有影响力的导演为宫崎骏，总计七部作品上榜，总分62.7名列榜首，其次就是克里斯托佛·诺兰、史蒂文·斯皮尔伯格，以及中国导演王家卫、李安，还有大卫·芬奇六位导演属于第一阵列。

- ![输入图片说明](https://images.gitee.com/uploads/images/2020/0718/233242_a02120ee_1648200.png "屏幕截图.png")
- 影片产地数量地图，需要用到的维度有country_region：发行国、title：电影名发行，通过分进合击，将这两个维度的数据从总表中拆分出来，并通过.agg()中"count"方法计算出该国家所有电影数量。从结果我们可以看出，美国电影依然是中国观众最喜欢的电影，其次是日本。

### 学习/实践心得总结及感谢
- 多亏CSDN博客上的大佬分享自己的心得，以及容易出错的地方。在学习的过程中，首先意识到的问题就是python基础不是特别牢固，有很多操作，有想法，但是为了这个想法浪费了不少时间，其实操作很简单。在实际的操作中，很难脱离以前的练习文件来独立做出自己的东西。但是进步之处就是学会了如何设置pyecharts配置项
- 部分国内电影产业发展分析资料出自[2018年中国电影市场规模发展现状及2019年中国国产电影发展趋势分析](http://www.chyxx.com/industry/201910/799522.html)