python电影评分影响因素分析（电影票房数据分析）

数据抽取：

采集到的票房数据是按天统计的，并且我们只看正常上映的和点映的，其他如重映等场次均不在本次统计内。

因此我们先对mysql中的数据releaseInfo字段进行筛选，然后根据上映年份和月份进行分组聚合，得到10年内每月的票房数据。

用sql取到数据后，再将不同年份的数据分别放入list中，原始数据是以"万"为单位的str，这里我们折算为以"亿"为单位的float。

构造图像：

x轴数据为年份，

再分别将不同年份的票房数据添加到y轴中，

最后配置下图像的属性即可。

config = {...} # db配置省略 conn = pymysql.connect(**config) cursor = conn.cursor() sql = ''' select substr(`date`,1,4) year, substr(`date`,5,2) month, round(sum(`boxInfo`),2) monthbox from movies_data where (substr(`releaseInfo`,1,2) = '上映' or `releaseInfo`='点映' ) group by year,month order by year,month ''' cursor.execute(sql) data = cursor.fetchall() x_data = list(set([int(i[1]) for i in data])) x_data.sort() x_data = list(map(str, x_data)) y_data1 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2011'] y_data2 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2012'] y_data3 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2013'] y_data4 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2014'] y_data5 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2015'] y_data6 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2016'] y_data7 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2017'] y_data8 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2018'] y_data9 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2019'] cursor.close() conn.close() ​ ​ def line_base() -> Line: c = ( Line(init_opts=opts.InitOpts(height="600px", width="1300px")) .add_xaxis(x_data) .add_yaxis("2011", y_data1) .add_yaxis("2012", y_data2) .add_yaxis("2013", y_data3) .add_yaxis("2014", y_data4) .add_yaxis("2015", y_data5) .add_yaxis("2016", y_data6) .add_yaxis("2017", y_data7) .add_yaxis("2018", y_data8) .add_yaxis("2019", y_data9) .set_global_opts(title_opts=opts.TitleOpts(title="月票房走势"), legend_opts=opts.LegendOpts( type_="scroll", pos_top="55%", pos_left="95%", orient="vertical"), xaxis_opts=opts.AxisOpts( axistick_opts=opts.AxisTickOpts(is_align_with_label=True), boundary_gap=False, ),) .set_series_opts(label_opts=opts.LabelOpts(is_show=False), # 不显示柱体上的标注(数值) markline_opts=opts.MarkLineOpts( data=[opts.MarkLineItem(type_="max", name="最大值"), ]), ) .extend_axis(yaxis=opts.AxisOpts(name="票房(亿元)", position='left'), # 设置y轴标签显示格式，数据 "人" xaxis=opts.AxisOpts(name="月份")) ) ​ return c ​ ​ line_base().render("v1.html")

有本图可以看出：

1、近10年票房总数逐渐增长(当然这是废话)

2、11-13年每月票房波动很小，几乎没有明显的高峰档期，最近两年高峰档期最为明显，集中在春节、暑期和十一。

年票房总值、上映影片总数及观影人次

第二张图，我们要看一下票房、上映影片数和观影人次 逐年的变化情况

数据抽取：

先筛选releaseInfo 为正常上映和首映的数据，

再按年份分组，也就是date字段的前4位，

对当日票房字段进行sum聚合得到年度总票房；

对movieId字段去重 并求得出现次数 即为上映的影片总数；

场均人数 * 排片场次 是当日观影人次，再用sum求得年观影人次。

构造图像：

因为三类数据的x轴都是年份，所以可放在一张图上展示，为了观察更直观，将其中一项数据作成柱状图，另外两项做成折线图。

1、先构造折线图图，将票房和影片数量添加为y轴数据，年份为x轴数据。

2、因为票房和上映影片数 在做完单位换算后，值域基本相同，所以可以共用一个y轴，而观影人次则需要使用单独的y轴，

所以要添加一个新的y轴，并分别指定这三项数据的y轴索引，即票房和上映影片数 使用默认的y轴索 引为0，而观影人次使用后添加的y轴，索引为1。

3、再构造柱状图，y轴数据为观影人次，x轴数据依然为年份，并指定y轴索引为1

4、最后，将柱状图和折线图重叠输出，再简单调整一下图像位置即可。

config = {...} # db配置省略 conn = pymysql.connect(**config) cursor = conn.cursor() sql2 = '''select substr(date,1,4), round(sum(boxInfo)/10000,2), count(DISTINCT movieId), round(sum(avgShowView*showInfo)/100000000,2) from movies_data where (substr(`releaseInfo`,1,2) = '上映' or `releaseInfo`='点映' ) GROUP by substr(date,1,4)''' cursor.execute(sql2) data2 = cursor.fetchall() x_data2 = [i[0] for i in data2] y_data2_1 = [i[1] for i in data2] y_data2_2 = [i[2] for i in data2] y_data2_3 = [i[3] for i in data2] cursor.close() conn.close() ​ ​ def bar_base() -> Line: c = ( Line() .add_xaxis(x_data2) .add_yaxis("总票房", y_data2_1, yaxis_index=0) .add_yaxis("上映电影总数", y_data2_2, color='LimeGreen', yaxis_index=0, ) .set_global_opts(title_opts=opts.TitleOpts(title="年票房总值、上映影片总数及观影总人次"), legend_opts=opts.LegendOpts(pos_left="40%"), ) .extend_axis( yaxis=opts.AxisOpts(name="票房/数量(亿元/部)", position='left')) .extend_axis( yaxis=opts.AxisOpts(name="人次(亿)", type_="value", position="right", # 设置y轴的名称，类型，位置 axisline_opts=opts.AxisLineOpts(linestyle_opts=optsneStyleOpts(color="#483D8B")), )) ) ​ bar = ( Bar() .add_xaxis(x_data2) .add_yaxis("观影人次", y_data2_3, yaxis_index=2, category_gap="1%", label_opts=opts.LabelOpts(position="inside")) ​ ) ​ c.overlap(bar) return Grid().add(c, opts.GridOpts(pos_left="10%",pos_top='20%'), is_control_axis_index=True) # 调整位置 ​ ​ bar_base().render("v2.html")

本图可以看出：

（2019年数据下滑是因为统计时 2019年刚到10月下旬，还没有得到一年完整的数据。）

1、上映影片数增长幅度不大，票房和观影人次涨幅相近，因此票房逐年增长的最主要原因是观影人次的增长，年平均票价应该变化不大。

图3 单片总票房及日均票房

影片的上映期长短不一，这也影响了影片的票房情况，所以这张图我们要看一下单片总票房和日均票房的情况。

config = {...} # db配置省略 conn = pymysql.connect(**config) ​ cursor = conn.cursor() sql2 = '''select a.*,b.releasemonth from (select movieid, moviename, round(sum(boxinfo)/10000,2) sumBox, count(movieid) releasedays, round(sum(boxinfo)/count(movieid)/10000,2) avgdaybox from movies_data where (substr(`releaseInfo`,1,2) = '上映' or `releaseInfo`='点映' ) group by movieid,moviename) a , (select substr(date,5,2) releasemonth,movieId,movieName,releaseInfo from movies_data where releaseInfo='上映首日') b where a.movieid = b.movieid order by sumBox desc''' cursor.execute(sql2) data3 = cursor.fetchall() x_data3 = [i[1] for i in data3[:30]] # 名称 y_data3_1 = [i[2] for i in data3[:30]] # 总票房 y_data3_2 = [i[4] for i in data3[:30]] # 日均票房 y_data3_3 = [int(i[5]) for i in data3[:30]] # 上映月份 cursor.close() conn.close() ​ ​ def bar_base() -> Line: c = ( Bar(init_opts=opts.InitOpts(height="600px", width="1500px")) .add_xaxis(x_data3) .add_yaxis("影片总票房", y_data3_1, yaxis_index=0) # .add_yaxis("影片日均票房", y_data3_2, yaxis_index=1, gap='-40%') .set_global_opts(title_opts=opts.TitleOpts(title="单片总票房及日均票房"), xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-45)), datazoom_opts=opts.DataZoomOpts(), ) .set_series_opts(label_opts=opts.LabelOpts(is_show=False), # 不显示柱体上的标注(数值) markpoint_opts=opts.MarkPointOpts( data=[opts.MarkPointItem(type_="max", name="最大值"), opts.MarkPointItem(type_="min", name="最小值"), ]),) .extend_axis( yaxis=opts.AxisOpts(name="亿元", position='left')) .extend_axis( yaxis=opts.AxisOpts(name="亿元", type_="value", position="right", # 设置y轴的名称，类型，位置 axisline_opts=opts.AxisLineOpts(linestyle_opts=optsneStyleOpts(color="#483D8B")), )) ) ​ bar = ( Bar(init_opts=opts.InitOpts(height="600px", width="1500px")) .add_xaxis(x_data3) # .add_yaxis("影片总票房", y_data3_1, yaxis_index=0) .add_yaxis("影片日均票房", y_data3_2, yaxis_index=2, gap='-40%') .set_global_opts(title_opts=opts.TitleOpts(title="单片总票房及日均票房"),) .set_series_opts(label_opts=opts.LabelOpts(is_show=False), # 不显示柱体上的标注(数值) markpoint_opts=opts.MarkPointOpts( data=[opts.MarkPointItem(type_="max", name="最大值"), opts.MarkPointItem(type_="min", name="最小值"), ]), markline_opts=opts.MarkLineOpts( data=[opts.MarkLineItem(type_="average", name="平均值"), ] ),) ​ ) ​ c.overlap(bar) return Grid().add(c, opts.GridOpts(pos_left="5%", pos_right="20%"), is_control_axis_index=True) # 调整位置 ​ ​ bar_base().render("v3.html")

可以看出有的电影虽然总票房一般，但是日均票房很高，说明上映时间不长但却很火爆。

而对于总票房很高，但日均票房一般的影片，可能是由于上映时间较长，后期较低的上座率拉低了日均票房。

所以看一个影片的火爆程度，总票房只是一方面，在相同上映时间内的上座率变化趋势也很重要。

图4 单片票房及上映月份关系图

本图相当于图一的补充，主要是看一下高票房的影片和上映时间的关系

def dayformat(i): mm = int(i[-2]) dd = int(i[-1]) mmdd = mm dd/100*3.3 return mmdd ​ config = {...} # db配置省略 conn = pymysql.connect(**config) ​ cursor = conn.cursor() sql2 = '''select a.*,b.releaseyear,b.releasemonth,b.releaseday from (select movieid, moviename, round(sum(boxinfo)/10000,2) sumBox, count(movieid) releasedays, round(sum(boxinfo)/count(movieid)/10000,2) avgdaybox from movies_data where (substr(`releaseInfo`,1,2) = '上映' or `releaseInfo`='点映' ) group by movieid,moviename) a , (select substr(date,1,4) releaseyear, substr(date,5,2) releasemonth, substr(date,7,2) releaseday, movieId, movieName, releaseInfo from movies_data where releaseInfo='上映首日') b where a.movieid = b.movieid order by sumBox desc''' ​ cursor.execute(sql2) data4 = cursor.fetchall() ​ x_data4 = [i for i in range(1, 13)] y_data4_1 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2011'] y_data4_2 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2012'] y_data4_3 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2013'] y_data4_4 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2014'] y_data4_5 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2015'] y_data4_6 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2016'] y_data4_7 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2017'] y_data4_8 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2018'] y_data4_9 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2019'] cursor.close() conn.close() ​ my_config = pygal.Config() # 创建Config实例 my_config.show_y_guides = False # 隐藏水平虚线 my_config.show_x_guides = True xy_chart = pygal.XY(stroke=False, config=my_config) xy_chart.title = '单片票房及上映月份关系图' ​ xy_chart.add('2011', y_data4_1) xy_chart.add('2012', y_data4_2) xy_chart.add('2013', y_data4_3) xy_chart.add('2014', y_data4_4) xy_chart.add('2015', y_data4_5) xy_chart.add('2016', y_data4_6) xy_chart.add('2017', y_data4_7) xy_chart.add('2018', y_data4_8) xy_chart.add('2019', y_data4_9) ​ ​ xy_chart.render_to_file("v4.svg")

。