【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
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》
【python数据分析实战】电影票房数据分析(二)数据可视化的更多相关文章
- Python数据分析实战：使用pyecharts进行数据可视化
前言 本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. 作者:刘早起 开始使用 基本套路就是先创建一个你需要的空图层,然后使用.s ...
- 【python数据分析实战】电影票房数据分析(一)数据采集
目录 1.获取url 2.开始采集 3.存入mysql 本文是爬虫及可视化的练习项目,目标是爬取猫眼票房的全部数据并做可视化分析. 1.获取url 我们先打开猫眼票房http://piaofang.m ...
- python实现的电影票房数据可视化
代码地址如下:http://www.demodashi.com/demo/14275.html 详细说明: Tushare是一个免费.开源的python财经数据接口包.主要实现对股票等金融数据从数据采 ...
- python pandas 豆瓣电影 top250 数据分析
豆瓣电影top250数据分析 数据来源(豆瓣电影top250) 爬虫代码比较简单 数据较为真实,可以进行初步的数据分析 可以将前面的几篇文章中的介绍的数据预处理的方法进行实践 最后用matplotli ...
- Spark实战电影点评系统(二)
二.通过DataFrame实战电影点评系统 DataFrameAPI是从Spark 1.3开始就有的,它是一种以RDD为基础的分布式无类型数据集,它的出现大幅度降低了普通Spark用户的学习门槛. D ...
- 详解Python Streamlit框架，用于构建精美数据可视化web app，练习做个垃圾分类app
今天详解一个 Python 库 Streamlit,它可以为机器学习和数据分析构建 web app.它的优势是入门容易.纯 Python 编码.开发效率高.UI精美. 上图是用 Streamlit 构 ...
- python爬虫: 豆瓣电影top250数据分析
转载博客 https://segmentfault.com/a/1190000005920679 根据自己的环境修改并配置mysql数据库 系统:Mac OS X 10.11 python 2.7 m ...
- [读书笔记] Python 数据分析 （八）画图和数据可视化
ipython3 --pyplot pyplot: matplotlib 画图的交互使用环境
- SPSSAU数据分析思维培养系列4：数据可视化篇
本文章为SPSSAU数据分析思维培养的第4期文章. 前3期内容分别讲述数据思维,分析方法和分析思路.本文讲述如何快速使用SPSSAU进行高质量作图,以及如何选择使用正确的图形. 本文分别从五个角度进行 ...
随机推荐
- JS实现数组去重的方法
1.使用ES6的Set进行去重 <!DOCTYPE html> <html> <head> <meta charset="UTF-8"&g ...
- 基于RMAN搭建DataGuard，使用Broker管理DataGuard
一.环境准备 1.数据库软件准备 (1).在主节点,安装单机数据库软件并创建数据库. (2).在备库, 安装单机数据库软件, 但是不创建数据库. 2.操作系统配置 在/etc/hosts下面配置主机名 ...
- Spark学习之RDDs介绍
什么是RDDS? RDDS即Resilient distributed datasets(弹性分布式数据集). Spark中,所有计算都是通过RDDs的创建,转换,操作完成的. 一个RDD是一个不可改 ...
- 指针生产网络(Pointer-Generator-Network)原理与实战
0 前言 本文内容主要:介绍Pointer-Generator-Network在文本摘要任务中的背景,模型架构与原理.在中英文数据集上实战效果与评估,最后得出结论.参考的<Get To The ...
- 字符串转数字（with Java)
1. 字符串中提取数字 两个函数可以帮助我们从字符串中提取数字(整型.浮点型.字符型...). parseInt().parseFloat() valueOf() String str = " ...
- 删除pdf中的链接
在Acrobat中打开pdf文件,然后:编辑→首选项→一般→自动从文本检测URL,把此处的对勾去掉,以后就不会变为食指按的形状了! 还有以下的方法 方法1:“高级(A)”→“链接(L)”→“删除文档中 ...
- 性能测试的基础知识--QPS和TPS
基本概念: QPS:Queries Per Second意思是“每秒查询率” ,是一台服务器每秒能够相应的查询次数,是对一个特定的查询服务器在规定时间内所处理流量多少的衡量标准. TPS:Transa ...
- python 列表，集合，字典，字符串的使用
PY PY基础 append 在末尾添加元素 pop 删除末尾元素 insert(i,item)在i位插入元素 pop(i)删除i位元素 只有1个元素的tuple定义时必须加一个逗号,,来消除歧义 i ...
- Python基础（十八）
今日主要内容 包 一.包 (一)什么是包 只要是含有__init__.py文件的文件夹就是一个包 包的本质其实就是一个文件夹,利用包将不同功能的模块组织起来,以此来提高程序的结构性和可维护性 包是用来 ...
- git 工作流中的 Sourcetree 和命令行操作对比
git 工作流操作 1.初始化本地仓库文件夹 终端进入项目文件夹 git init 隐藏文件夹中有 .git 文件夹则初始化成功 2.git 查看仓库状态 这里以新建一个 demo.txt 为例 ① ...