【python数据分析实战】电影票房数据分析(二)数据可视化

在上一部分《【python数据分析实战】电影票房数据分析(一)数据采集》已经获取到了2011年至今的票房数据，并保存在了mysql中。

本文将在实操中讲解如何将mysql中的数据抽取出来并做成动态可视化。

图1 每年的月票房走势图
图2 年票房总值、上映影片总数及观影人次
图3 单片总票房及日均票房
图4 单片票房及上映月份关系图

图1 每年的月票房走势图

第一张图，我们要看一下每月的票房走势，毫无疑问要做成折线图，将近10年的票房数据放在一张图上展示。

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。

图2 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=opts.LineStyleOpts(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=opts.LineStyleOpts(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")

上一部分《【python数据分析实战】电影票房数据分析(一)数据采集》