一、数据分析项目介绍 1. 项目所需的模块库介绍 pandas用法： 需要导入以下模块 import numpy as np import pandas as pd from pandas import Series, Dataframe 2.项目背景介绍 互联网电影资料库（Internet Movie Database，简称IMDB）是一个关于电影演员、电影、电视节目、电视明星和电影制作的在线数据库。电影作为艺术和娱乐载体已成为我们生活中的一部分，作为电影爱好者之一，希望通过分析了解电影市场大体情况，以便于以后选择电影观看。 使用的数据是IMDB美国票房排名前1000的电影数据，数据包含了电影名称，票房金额，上映年份，演职人员，IMDB评分，电影类型等信息，数据中的很多电影大家也比较熟悉。相信不少人都有这样的经历，当想要看一部电影的时候，会去百度一下谁是导演，谁是主演。如果导演是克里斯托弗•诺兰，心里已经给电影打了个8分以上的评分了。而阿汤哥的动作片，预期也都能肾上腺素飙升。对于已上映的电影，不少人会去豆瓣搜索现时的评分，或是前作的评价，若是豆瓣高分、高评论数，也会按奈不住去蹭下热度。如果要去电影院观看的话，想必不少人会更倾向选择动作片或者科幻大片这类特效丰富，影音冲击强烈的电影。近几年特效技术和3D动画的日渐成熟，影院观影已经是越来越多人的第一选择。 IMDB的资料中包括了影片的众多信息、演员、片长、内容介绍、分级、评论等。对于电影的评分目前使用最多的就是IMDB评分。 截至2018年6月21日，IMDB共收录了4,734,693部作品资料以及8,702,001名人物资料。 3.项目所需数据介绍 数据的属性包括：电影名称、评论数、评分、导演、上映时间、上映国家、主要演员、语言、IMDB评分等。 理解数据： color 、director_name 、num_critic_for_reviews、duration、director_facebook_likes 、actor_3_facebook_likes、actor_2_name 、actor_1_facebook_likes 、gross 、genres 、actor_1_name 、movie_title 、num_voted_users、cast_total_facebook_likes 、actor_3_name 、facenumber_in_poster 、plot_keywords 、movie_imdb_link 、num_user_for_reviews、language 、country、content_rating、budget、title_year 、actor_2_facebook_likes 、imdb_score 、aspect_ratio 、movie_facebook_likes 4.项目功能详细介绍 显示电影评分分布的情况； 电影数量与平均分年度变化的情况； 评论家评论数与评分的关系； 评分与电影票房的关系； 电影数量大于5前提下平均分前十的导演推荐的数据； 不同电影类型的年份累计分析； 电影时长的分布及时长是否和评分有相关性； 电影时长的分布及时长是否和评分有相关性。 二、数据分析过程 1.主要功能实现的类和方法介绍 # 清洗runtime电影时长列数据，可使用str.split()方法 df['runtime'] = df['runtime'].str.split('').str.get(0).astype(int) df['runtime'].head() # 清洗year列，使用str[:]选取年份数字并转换成int类型，使用df.unique()方法检查数据 df['year'] = df['year'].str[-5:-1].astype(int) df['year'].unique() 2. 数据分析过程代码和解释说明 导入包： 导入、查看、清洗数据： 评分分布图： 电影数量与平均分布年度变化： 评论家评论数&评分、评分&票房： 电影数量大于5平均分前十的导演： 统计不同年份、不同类型电影的数量： cumsum = df.groupby(['main_genre', 'year']).title.count() # 使用累加功能统计1980年起不同年份不同电影类型的累计数量，对于中间出现的缺失值，使用前值填充 genre_cumsum = cumsum.unstack(level=0).cumsum().ffill() # 只选取总数量大于

豆瓣电影数据，包含电影名称、评分、评价人数、短评数量、影评、数量类型、导演、编剧、主演、上映日期等等....

豆瓣电影数据集（截至2019年3月），共91369条。 包含[电影名称，评分，评价人数，各星级占比，短评数量，影评数量，类型，导演，编剧，主演，制片国家/地区，语言，上映日期，片长，网址，剧情简介]

在python3环境下借助Kaggle资源练习熟悉数据挖掘技能，属于实战部分，适合新手练习。更多博客请访问：https://blog.csdn.net/xudailong_blog

Kaggle 5000部电影数据 数据挖掘 python 更多好文清访问：https://blog.csdn.net/xudailong_blog

豆瓣电影数据集12万+用户影评40万+爬虫程序(可做推荐系统) 。 豆瓣电影数据集12万+用户影评40万+爬虫程序(两个csv，一个db数据库) 最近在学习爬虫，辛辛苦苦爬了几天，分享给大家。。可以用来做推荐系统 觉得好的朋友帮忙评论下打个5星~ 数据集 豆瓣 爬虫。

TMDB电影数据分析，包括Kaggle上的原始数据集，以及代码，实现电影类型和票房，利润等的关系，对比两个公司的电影类型收入，拍摄集中年份，画出饼图，条形图，折线图，并进行关键词的提取，做出词云图。

TMDB电影数据分析，包括Kaggle上的原始数据集，以及代码，实现电影类型和票房，利润等的关系，对比两个公司的电影类型收入，拍摄集中年份，画出饼图，条形图，折线图，并进行关键词的提取，做出词云图。

用Python对TMDB电影数据进行分析，包括数据读取，数据清洗，数据分析

IMDB电影数据集含有50000个电影评论，分为正反两类。train包中包含25000个正反类评论用于训练，test中包含25000个评论用于测试。