1. 前言

數(shù)據(jù)分析與可視化是當(dāng)今數(shù)據(jù)分析的發(fā)展方向，大數(shù)據(jù)時(shí)代，數(shù)據(jù)資源具有海量特征，數(shù)據(jù)分析和可視化主要通過(guò)Python數(shù)據(jù)分析來(lái)實(shí)現(xiàn)。

基于Python的數(shù)據(jù)分析可視化和技術(shù)實(shí)現(xiàn)是目前Python數(shù)據(jù)分析的主要目的，Python可以為數(shù)據(jù)分析可視化提供思路，在體現(xiàn)數(shù)據(jù)價(jià)值方面發(fā)揮著重要作用。因此，在研究數(shù)據(jù)分析、可視化的過(guò)程中，我們可以看到Python具有重要的應(yīng)用價(jià)值。

本文具有影視數(shù)據(jù)智能分析系統(tǒng)的簡(jiǎn)單雛形，以不同流媒體電影數(shù)據(jù)為背景，通過(guò)調(diào)研、分析數(shù)據(jù), 完成數(shù)據(jù)預(yù)處理、數(shù)據(jù)分析和數(shù)據(jù)可視化等操作，掌握相關(guān)的智能數(shù)據(jù)處理與智能系統(tǒng)開發(fā)的知識(shí)，培養(yǎng)智能信息系統(tǒng)項(xiàng)目開發(fā)過(guò)程中的分析、設(shè)計(jì)和工程文檔編寫能力，提高工程應(yīng)用能力和綜合分析、解決實(shí)際問題的能力。

2.設(shè)計(jì)目的及任務(wù)描述

影視數(shù)據(jù)分析應(yīng)用統(tǒng)計(jì)分析方法對(duì)收集來(lái)的大量數(shù)據(jù)進(jìn)行分析，提取有用信息和形成結(jié)論而對(duì)數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過(guò)程。這一過(guò)程也是質(zhì)量管理體系的支持過(guò)程。影視數(shù)據(jù)分析可幫助人們做出觀看影視的選擇及投入更合適的影視，尤其對(duì)視頻管理平臺(tái)有很好的幫助。影視數(shù)據(jù)分析是建立在數(shù)基礎(chǔ)，20世紀(jì)早期就已確立，但直到計(jì)算機(jī)的出現(xiàn)才使得實(shí)際操作成為可能，并使得數(shù)據(jù)分析得以推廣。同時(shí),在數(shù)據(jù)獲取、處理和分析過(guò)程中考慮數(shù)據(jù)安全、技術(shù)經(jīng)濟(jì)、工程倫理、行業(yè)規(guī)范等要素。

本設(shè)計(jì)內(nèi)容涉及的數(shù)據(jù)一部分來(lái)自Reelgood.com網(wǎng)站，其中包括四種流媒體平臺(tái)上可用電影的綜合列表；另一部分來(lái)自IMDB數(shù)據(jù)集。要求應(yīng)用pands對(duì)下列問題進(jìn)行數(shù)據(jù)分析：

• 你可以在哪個(gè)流媒體平臺(tái)上找到這部電影？
• 在某個(gè)國(guó)家/地區(qū)/IMDB制作的電影的平均IMDb收視率？
• 每個(gè)目標(biāo)年齡段所感興趣的電影，以及他們所感興趣的流媒體應(yīng)用程序。
• 電影的發(fā)行年份以及數(shù)量。
• 電影和導(dǎo)演的受歡迎程度分析。

通過(guò)該課程設(shè)計(jì)的實(shí)踐訓(xùn)練，使學(xué)生掌握相關(guān)的智能數(shù)據(jù)處理與智能系統(tǒng)開發(fā)的知識(shí)，培養(yǎng)智能信息系統(tǒng)項(xiàng)目開發(fā)過(guò)程中的分析、設(shè)計(jì)和工程文檔編寫能力，提高工程應(yīng)用能力和綜合分析、解決實(shí)際問題的能力。

3. 總體設(shè)計(jì)

本系統(tǒng)主要分為四個(gè)部分，分別為爬蟲抓取、數(shù)據(jù)處理分析可視化、GUI界面展示、啟動(dòng)運(yùn)行，分別對(duì)應(yīng)getData.py、pyec.py、GUI.py、main.py四個(gè)文件。并且包含data文件夾用于存儲(chǔ)系統(tǒng)所需或產(chǎn)生的數(shù)據(jù)文件。

系統(tǒng)結(jié)構(gòu)如圖所示：

4.系統(tǒng)實(shí)現(xiàn)

4.1 爬蟲抓取

getData.py該文件主要功能是抓取和讀取電影數(shù)據(jù)，共包含8個(gè)函數(shù)，代碼如下：

recently() 這一函數(shù)主要是抓取最近上映票房排名前十名的電影信息。

def recently():
    url = "https://ys.endata.cn/enlib-api/api/movie/getMovie_BoxOffice_Day_Chart.do"

    header = {
        "User-Agent": 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.82 Safari/537.36',
        "Cookie": 'JSESSIONID=b2685bfa-aa4f-4359-ae96-57befaf8d1ec; route=4e39643a15b7003e568cadd862137cf3; Hm_lvt_82932fc4fc199c08b9a83c4c9d02af11=1649834963,1649852471,1649859039,1649900037; Hm_lpvt_82932fc4fc199c08b9a83c4c9d02af11=1649917933'
    }

    post_BoxOffice_Day_data = {
        'r': 0.7572955414768414,
        'datetype': 'Day',
        'date': datetime.now().strftime('%Y-%m-%d'),
        'sdate': datetime.now().strftime('%Y-%m-%d'),
        'edate': datetime.now().strftime('%Y-%m-%d'),
        'bserviceprice': 1
    }

以上代碼塊是運(yùn)行爬蟲前的準(zhǔn)備工作，包含抓取的網(wǎng)址url、爬蟲所需的請(qǐng)求頭、請(qǐng)求時(shí)需要附帶的數(shù)據(jù)。

    res = requests.post(url, headers=header, data=post_BoxOffice_Day_data).text
    json_data = json.loads(res)
    data0 = json_data['data']['table0']
    data1 = json_data['data']['table1']

以上代碼塊是運(yùn)行爬蟲并將其解析為json形式，方便后面對(duì)數(shù)據(jù)進(jìn)行取出。

    movie_rank = []
    movie_details_MovieName = []
    movie_details_BoxOffice = []
    movie_details_ShowCount = []
    movie_details_AudienceCount = []
    movie_details_Attendance = []

    movie_percent_BoxOfficePercent = []
    movie_percent_ShowCountPercent = []
    movie_percent_AudienceCountPercent = []

以上代碼是部分定義的所需的數(shù)據(jù)字段。

    for i in range(10):
        movie_rank.append(data0[i]['Irank'])
        movie_details_MovieName.append(data0[i]['MovieName'])
        movie_details_BoxOffice.append(data0[i]['BoxOffice'])
        movie_details_ShowCount.append(data0[i]['ShowCount'])
        movie_details_AudienceCount.append(data0[i]['AudienceCount'])
        movie_details_Attendance.append(data0[i]['Attendance'])

以上是從json數(shù)據(jù)中取數(shù)據(jù)的過(guò)程。

showing() 這一函數(shù)主要抓取最近正在上映的所有電影的基本信息。
history() 這一函數(shù)主要是讀取歷史電影數(shù)據(jù)并返回列表格式

def history():
    data = pd.read_csv("data/moviesBoxOffice.csv", encoding='gbk')
    data = np.array(data[:100]).tolist()
    return data

利用pandas庫(kù)讀取csv文件，numpy對(duì)DataFrame形式數(shù)據(jù)轉(zhuǎn)換為list格式的過(guò)程。

predict_data() 這一函數(shù)主要是讀取歷史電影數(shù)據(jù)進(jìn)行建模，建模完成后，讀取需要預(yù)測(cè)的在映電影數(shù)據(jù)，對(duì)其進(jìn)行票房預(yù)測(cè)并返回。
hotMovies() 這一函數(shù)主要是抓取當(dāng)前在映票房前五的電影七天內(nèi)的票房數(shù)據(jù)。

special() 這一函數(shù)主要抓取的是當(dāng)前電影市場(chǎng)特效影廳種類及其票房占比的數(shù)據(jù)。
champion_year() 這一函數(shù)主要抓取的是近十年來(lái)中國(guó)電影市場(chǎng)每年票房冠軍影片的票房數(shù)據(jù)，還抓取了近十年國(guó)內(nèi)電影市場(chǎng)的票房和上映影片數(shù)量等相關(guān)數(shù)據(jù)。

Tablets() 這一函數(shù)主要是對(duì)近期在映電影的排片數(shù)據(jù)進(jìn)行抓取并返回。

4.2 GUI界面運(yùn)行

GUI.py該文件主要是為系統(tǒng)構(gòu)建GUI界面，共有15個(gè)函數(shù)，具體代碼如下：
create_tree_showing該函數(shù)主要是為正在上映的電影數(shù)據(jù)創(chuàng)建數(shù)據(jù)表格。代碼塊先是確定數(shù)據(jù)表頭，然后創(chuàng)建表格并設(shè)置其父窗體，表格一次性顯示數(shù)據(jù)行數(shù)，是否顯示表頭等參數(shù)，然后分別設(shè)置表格數(shù)據(jù)列及每列的寬度。代碼塊設(shè)置表頭文本信息，再設(shè)置該信息表的垂直滾動(dòng)條。

create_tree_tablets該函數(shù)主要是為在映電影的排片數(shù)據(jù)創(chuàng)建數(shù)據(jù)表格。
create_tree_history該函數(shù)主要是為歷史電影數(shù)據(jù)創(chuàng)建數(shù)據(jù)表格。

create_tree_predict該函數(shù)主要是為在映電影票房預(yù)測(cè)結(jié)果數(shù)據(jù)創(chuàng)建數(shù)據(jù)表格。
clear_tree該函數(shù)主要功能是在切換展示數(shù)據(jù)表格時(shí)，對(duì)已展示表格數(shù)據(jù)進(jìn)行清除。
該函數(shù)有一個(gè)tree參數(shù)，首先對(duì)tree進(jìn)行銷毀，再對(duì)該表格的垂直滾動(dòng)條進(jìn)行銷毀。

showing該函數(shù)對(duì)應(yīng)按鈕’在映電影’，用于實(shí)現(xiàn)獲取在映電影數(shù)據(jù)功能。
history該函數(shù)對(duì)應(yīng)按鈕’歷史電影’，用于實(shí)現(xiàn)獲取歷史電影數(shù)據(jù)功能。

predict該函數(shù)對(duì)應(yīng)按鈕’在映電影票房預(yù)測(cè)’，用于實(shí)現(xiàn)對(duì)在映電影票房預(yù)測(cè)并展示。
tablets該函數(shù)對(duì)應(yīng)按鈕’拍片分析’，用于實(shí)現(xiàn)獲取排片分析數(shù)據(jù)功能。

center_window該函數(shù)是創(chuàng)建整個(gè)GUI窗體的函數(shù)。
clicking該函數(shù)對(duì)應(yīng)’在映電影分析’按鈕，用于跳轉(zhuǎn)在映電影分析網(wǎng)頁(yè)。先調(diào)用getData.py下的recently函數(shù)獲取在映電影數(shù)據(jù)，再調(diào)用pyec.py文件下的Showing函數(shù)進(jìn)行統(tǒng)計(jì)圖表制作，最后跳轉(zhuǎn)到數(shù)據(jù)圖表網(wǎng)頁(yè)。

clicked該函數(shù)對(duì)應(yīng)’歷史數(shù)據(jù)分析’按鈕，用于跳轉(zhuǎn)電影票房分析網(wǎng)頁(yè)。
industry該函數(shù)對(duì)應(yīng)’數(shù)據(jù)大盤’按鈕，用于跳轉(zhuǎn)數(shù)據(jù)大盤網(wǎng)頁(yè)。

ui_process該函數(shù)主要是對(duì)GUI窗體控件等進(jìn)行布局。創(chuàng)建根窗體，設(shè)置GUI的名稱，大小，整體高亮顏色，對(duì)內(nèi)部子窗體進(jìn)行了初始化并且在子窗體的左上角添加了一張logo圖片。在子窗體設(shè)置了各個(gè)功能對(duì)應(yīng)的按鈕。設(shè)置了整體窗體的布局，以及各個(gè)子窗體控件的設(shè)置，設(shè)置了窗體列參數(shù)及運(yùn)行了整個(gè)窗體。

4.3 啟動(dòng)運(yùn)行

main.py該函數(shù)是整個(gè)系統(tǒng)的GUI入口，調(diào)用并運(yùn)行了GUI。

from GUI import uiob

if __name__ == '__main__':
    ui = uiob()
    ui.ui_process()

5.可視化設(shè)計(jì)

pyec.py該文件主要是對(duì)getData.py文件獲取到的數(shù)據(jù)進(jìn)行可視化操作，共有3個(gè)函數(shù)，代碼功能詳解如下：

History()該函數(shù)主要是對(duì)歷史電影數(shù)據(jù)進(jìn)行可視化，具體代碼如下：

csv_file = 'data/moviesBoxOffice.csv'  # 設(shè)置csv文件的路徑
    data = pd.read_csv(csv_file, encoding='gbk')  # 使用pandas讀取csv文件中的數(shù)據(jù)

    data_type = data['影片主分類'].value_counts()  # 統(tǒng)計(jì)影片主分類的各類別數(shù)量
    data_BoxOffice = data['總票房(萬(wàn))'][:10]  # 獲取前10部電影的總票房數(shù)據(jù)

該代碼塊主要是讀取歷史電影票房數(shù)據(jù)為畫圖做前期準(zhǔn)備工作。

  # 創(chuàng)建柱狀圖a，展示票房TOP1000類型統(tǒng)計(jì)
    a = (
        Bar(init_opts=opts.InitOpts(height="450px", width="900px", theme=ThemeType.MACARONS, bg_color='white'))  # 設(shè)置圖表的基本參數(shù)
            .add_xaxis(list(data_type.index))  # 設(shè)置x軸數(shù)據(jù)
            .add_yaxis("類型", list(data_type))  # 設(shè)置y軸數(shù)據(jù)
            .set_global_opts(
                title_opts=opts.TitleOpts(title="票房TOP1000類型統(tǒng)計(jì)"),  # 設(shè)置圖表標(biāo)題
                # datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")],  # 設(shè)置數(shù)據(jù)縮放選項(xiàng)
            )
    )

    # 創(chuàng)建柱狀圖b，展示票房TOP10總票房統(tǒng)計(jì)
    b = (
        Bar(init_opts=opts.InitOpts(height="450px", width="900px", theme=ThemeType.LIGHT))  # 設(shè)置圖表的基本參數(shù)
            .add_xaxis(list(data['影片名稱'][:10]))  # 設(shè)置x軸數(shù)據(jù)
            .add_yaxis("票房", list(data_BoxOffice))  # 設(shè)置y軸數(shù)據(jù)
            .set_global_opts(
                title_opts=opts.TitleOpts(title="票房TOP10總票房統(tǒng)計(jì)"),  # 設(shè)置圖表標(biāo)題
                # datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")],  # 設(shè)置數(shù)據(jù)縮放選項(xiàng)
                xaxis_opts=opts.AxisOpts(axislabel_opts={"rotate": 20})  # 設(shè)置x軸標(biāo)簽旋轉(zhuǎn)角度
            )
    )

    # 創(chuàng)建折線圖c，展示票房TOP10各類票房統(tǒng)計(jì)
    c = (
        Line(init_opts=opts.InitOpts(height="450px", width="900px", theme=ThemeType.LIGHT))  # 設(shè)置圖表的基本參數(shù)
            .add_xaxis(list(data['影片名稱'][:10]))  # 設(shè)置x軸數(shù)據(jù)
            .add_yaxis("總票房(萬(wàn))", list(data['總票房(萬(wàn))'][:10]), is_smooth=True)  # 設(shè)置y軸數(shù)據(jù)并進(jìn)行平滑處理
            .add_yaxis("首日票房(萬(wàn))", list(data['首日票房(萬(wàn))'][:10]), is_smooth=True)  # 設(shè)置y軸數(shù)據(jù)并進(jìn)行平滑處理
            .add_yaxis("首周票房(萬(wàn))", list(data['首周票房(萬(wàn))'][:10]), is_smooth=True)  # 設(shè)置y軸數(shù)據(jù)并進(jìn)行平滑處理
            .add_yaxis("首周末票房(萬(wàn))", list(data['首周末票房(萬(wàn))'][:10]), is_smooth=True)  # 設(shè)置y軸數(shù)據(jù)并進(jìn)行平滑處理
            .add_yaxis("點(diǎn)映票房(萬(wàn))", list(data['點(diǎn)映票房(萬(wàn))'][:10]), is_smooth=True)  # 設(shè)置y軸數(shù)據(jù)并進(jìn)行平滑處理
            .set_series_opts(label_opts=opts.LabelOpts(is_show=True),  # 設(shè)置數(shù)據(jù)標(biāo)簽顯示選項(xiàng)
                             linestyle_opts=opts.LineStyleOpts(width=3))  # 設(shè)置線條樣式
            .set_global_opts(
                title_opts=opts.TitleOpts(title="票房TOP10各類票房統(tǒng)計(jì)", pos_left='top'),  # 設(shè)置圖表標(biāo)題及位置
                # datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")],  # 設(shè)置數(shù)據(jù)縮放選項(xiàng)
                xaxis_opts=opts.AxisOpts(name="影片名稱", axislabel_opts={"rotate": 20}),  # 設(shè)置x軸標(biāo)簽及標(biāo)簽旋轉(zhuǎn)角度
                yaxis_opts=opts.AxisOpts(name="票房(萬(wàn))")  # 設(shè)置y軸標(biāo)簽
            )
    )
	# 由于文章篇幅的問題，部分代碼省略

以上代碼主要是針對(duì)各種數(shù)據(jù)指標(biāo)進(jìn)行數(shù)據(jù)可視化，最后將其顯示到網(wǎng)頁(yè)供程序調(diào)用。兩個(gè)柱形圖分別對(duì)票房Top1000的電影類型和票房Top10的總票房進(jìn)行統(tǒng)計(jì)。五個(gè)折線圖分別是對(duì)票房Top10電影的各類票房、場(chǎng)次人次、票價(jià)、輿情、口碑五個(gè)方面的統(tǒng)計(jì)。最后兩個(gè)圖為電影名稱詞云圖和電影分類餅圖。

Showing()該函數(shù)主要是對(duì)正在上映的電影進(jìn)行數(shù)據(jù)分析，包含在映電影的票房、場(chǎng)次、人次、上座率五個(gè)柱形統(tǒng)計(jì)圖，影片票房占比、場(chǎng)次占比、人次占比三個(gè)餅狀統(tǒng)計(jì)圖，影片地域分布票房、場(chǎng)次、人次三個(gè)層疊柱形圖。

Industry()該函數(shù)主要是對(duì)近期電影行業(yè)及電影行業(yè)歷史數(shù)據(jù)的可視化，主要包括熱門電影票房趨勢(shì)折線統(tǒng)計(jì)圖，特效廳票房占比分布餅狀圖。

6.總結(jié)

通過(guò)該課程設(shè)計(jì)的實(shí)踐訓(xùn)練，使學(xué)生掌握相關(guān)的智能數(shù)據(jù)處理與智能系統(tǒng)開發(fā)的知識(shí)，培養(yǎng)智能信息系統(tǒng)項(xiàng)目開發(fā)過(guò)程中的分析、設(shè)計(jì)和工程文檔編寫能力，提高工程應(yīng)用能力和綜合分析、解決實(shí)際問題的能力。

下面是該系統(tǒng)的主要功能及技術(shù)指標(biāo)：

數(shù)據(jù)獲取和預(yù)處理：

使用pandas讀取數(shù)據(jù)文件；拆分不同的屬性信息，形成列表、元組、字典或集合；刪除空列或行；觀察數(shù)據(jù)并清洗錯(cuò)誤數(shù)據(jù)；
-使用pandas對(duì)數(shù)據(jù)整理，方便之后的分析和可視化。

數(shù)據(jù)分析:

使用numpy和pandas對(duì)數(shù)據(jù)預(yù)處理后的數(shù)據(jù)進(jìn)行分析，設(shè)計(jì)七種以上的數(shù)據(jù)分析場(chǎng)景。

數(shù)據(jù)可視化:

利用Matplotlib和seaborn分別對(duì)每種分析場(chǎng)景可視化。

數(shù)據(jù)涉及的數(shù)據(jù)項(xiàng)：-ID -Title -Year -Age -IMDb -Rotten Tomatoes -Netflix -Hulu -Prime Video -Disney+ -Type -Directors -Genres -Country -Language -Runtime

使用到的庫(kù)包括：numpy、pandas、matplotlib、seaborn等。開發(fā)工具選用jupyter notebook或python IDE等Python開發(fā)工具。

以上就是基于Python實(shí)現(xiàn)的影視數(shù)據(jù)智能分析系統(tǒng)的詳細(xì)內(nèi)容，更多關(guān)于Python影視數(shù)據(jù)分析系統(tǒng)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！