对猫眼T100进行简单数据分析

前言

上一次，我们爬取了猫眼电影的Top100数据，并将它存放在了csv文件中。今天，我们就将数据取出，来进行个简单的分析吧！

可视化分析

TOP100最多的国家或地区

首先，我们看一下拥有Top100最多的国家或者地区：

代码如下：

import pandas as pd 
from matplotlib import pyplot as plt
from matplotlib import font_manager

my_font = font_manager.FontProperties(fname='C:/Windows/Fonts/msyh.ttc',size = 14)

#加载数据
index = ['index','name','actor','releasetime','country','score']
data = pd.read_csv('./MoviesTop100.csv',header=None,names=  index)  #从第0行开始读取，索引为 index

#print(data.shape)
#查看电影分布情况
country_count = data.groupby('country')['country'].count().sort_values(ascending = False) 
plt.figure(figsize=(10,8),dpi=80)
country_count.plot(kind='bar',color='blue',width = 0.8) 
plt.xticks(rotation=0)
plt.ylabel('数量(部)',fontproperties=my_font)
plt.xlabel('国家/地区',fontproperties=my_font) 
plt.title('国家/地区电影数量排名',fontproperties=my_font)
for x,y in enumerate(list(country_count.values)):   #将其组合成一个索引，例如[(0,44),(1,17)]
    plt.text(x,y+0.5,y,ha='center')
plt.show()

结果如下图：

可以看到除了网站中没有显示国家/地区的电影外，美国以17部占了绝大优势，其次是韩国，而中国内地一部电影也没有上榜。。。

TOP10电影

接下来，我们看一下评分最高的10部电影是哪几部

代码如下：

top10_movies = data.sort_values('score',ascending=False)
name = top10_movies['name'][:10]
score = top10_movies['score'][:10]
plt.figure(figsize=(10,8),dpi = 80) 
plt.bar(range(10),score,width=0.6,color='red')
plt.xticks(range(10),name,rotation=45)
plt.ylim((9,9.7))   #设置y轴坐标
plt.ylabel('评分')
plt.xlabel('电影名称') 
plt.title('TOP10电影名称')
for x,y in enumerate(list(score)):   
    plt.text(x,float(y)+0.01,y,ha='center')
#plt.show()
plt.savefig('./绘图/Top10电影名称.jpg')

结果如下：

让我有点意外的是，大话西游之月光宝盒竟然排到了第一名，高达9.6的评分，星爷的电影还是十分经典的。嗯，幸好其中大部分电影还是都看过的

影产量年份趋势

接下来，我们站在时间的维度上去看下，哪一年盛产了最多的Top100电影

代码如下：

year_data = pd.Series()  #创建一个Series对象，用于后面赋值
for i,item in data.iterrows():   #遍历每一行
    year = item['releasetime'].split('/')[0]
    dict_obj = {}   #创建一个空字典
    dict_obj['time'] = year
    year_df = pd.Series(dict_obj)  
    year_data = year_data.append(year_df) 
year_moviesnum = year_data.groupby('time').count()
plt.figure(figsize=(10,8),dpi = 80)
year_moviesnum.plot(kind = 'line',color='red',marker='o') 
plt.ylabel('数量(部)')
plt.xlabel('年份') 
plt.title('电影产量趋势')
#plt.show()
plt.savefig('./绘图/电影产量趋势.jpg')

结果如下：

可以看出，在11年的时候，产出了9部Top100。11年，貌似那时候还是使用的DVD吧，那时候的网络也没有现在这么发达，也想不起有哪些电影是那年上映的。

演员出演TOP100电影情况

最后，我们再来看一下，哪些演员出演的Top100电影最多

代码如下：

ctor_data = pd.Series()  #创建一个Series对象，用于后面赋值
actor_dict = {}
for i,item in data.iterrows():  
    actor = item['actor'].split(',')
    for name_item in actor:
        actor_dict['actor_name'] = name_item 
        actor_df= pd.Series(actor_dict)  #转换为Series类型
        actor_data = actor_data.append(actor_df)
actor_moviesnum = actor_data.groupby('actor_name').count().sort_values(ascending=False)[:12]

plt.figure(figsize=(10,8),dpi = 80)
actor_moviesnum.plot(kind = 'bar',color='brown',width= 0.6)
plt.ylabel('数量(部)')
plt.xlabel('姓名') 
plt.title('出演Top100电影演员情况')
plt.xticks(rotation=45)
for x,y in enumerate(list(actor_moviesnum)): 
    plt.text(x,float(y)+0.1,y,ha='center')
#plt.show()
plt.savefig('./绘图/演员情况.jpg')

从上图可以看出，张国荣拥有6部Top100电影，其次是星爷。最可惜的是感觉是张国荣，英年早逝。

结语

由于数据量太小，所以做的分析并不是很全面。