欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

【python数据分析实战】电影票房数据分析(二)数据可视化

程序员文章站 2022-11-07 11:39:25
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。 [toc] 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 ......

目录

在上一部分 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。
【python数据分析实战】电影票房数据分析(二)数据可视化

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。

【python数据分析实战】电影票房数据分析(二)数据可视化

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。
【python数据分析实战】电影票房数据分析(二)数据可视化

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")

【python数据分析实战】电影票房数据分析(二)数据可视化

上一部分