大家好,我是欧K~
本期将利用Python分析「2024暑期档电影票房数据」,看看:电影整体票行排行分布情况、哪部电影人气最高观看人数最多以及平均票价,票房环比等,希望对大家有所帮助,如有疑问或者需要改进的地方可以联系小编。
涉及到的库:
Pandas — 数据处理
Pyecharts — 数据可视化
import pandas as pd
from pyecharts.charts import *
from pyecharts import options as opts
import warnings
warnings.filterwarnings('ignore')
2.1 读取数据
df1 = pd.read_excel('./data/各地域票房分布.xlsx')
df2 = pd.read_excel('./data/总票房详情.xlsx')
df3 = pd.read_excel('./data/每日票房详情.xlsx')
2.2 提取电影名称
df3['电影名称'] = df3['当日票房冠军'].apply(lambda x: x.split('¥')[0].strip() if '¥' in x else None)
def get_bar1():
chart = (
Bar(i)
.add_xaxis(x_data[::-1])
.add_yaxis('', y_data[::-1])
.reversal_axis()
.set_global_opts(
title_opts=opts.TitleOpts(
title='1-电影总票房排行',
subtitle=subtitle,
pos_top='2%',
pos_left='center',
),
visualmap_opts=opts.VisualMapOpts(
is_show=False,
max_=20,
),
)
)
《抓娃娃》以32.56亿票房高居暑期票房榜榜首
《默杀》以13.51亿位居第二,《末路狂花钱》、《异形:夺命舰》、《云边有个小卖部》分别以7.82亿、6.43亿、4.99亿紧随其后
def get_pie1():
pie1 = (
Pie()
.add('',
[list(z) for z in zip(x_data, y_data)],
)
.set_global_opts(
title_opts=opts.TitleOpts(
title='2-各电影票房占比',
subtitle=subtitle,
pos_top='4%',
pos_left='center',
),
visualmap_opts=opts.VisualMapOpts(
is_show=False,
max_=20,
),
)
)
《抓娃娃》占比37.96%
《默杀》占比15.75%
《末路狂花钱》占比9.12%
《异形:夺命舰》占比7.5%
《云边有个小卖部》占比5.82%
《抓娃娃》共7867.9万人次观看
《默杀》共3280.11万人次观看
《末路狂花钱》共1951.86万人次观看
《异形:夺命舰》共1586.25万人次观看
《云边有个小卖部》共1232.3万人次观看
《抓娃娃》在7月20日(上映后第一个周末)票房达到单日顶峰3.7亿,当日共901万人次观看,此后每周末都是一个小高峰 7月16日前为点映数据
3.5 当日票房冠军电影次数
《抓娃娃》占据单日票房榜32天 《异形:夺命舰》占据单日票房榜15天
《云边有个小卖部》占据单日票房榜11天
《默杀》占据单日票房榜10天
《我才不要和你做朋友呢》占据单日票房榜9天
def get_pie2():
pie1 = (
Pie()
.add('',
[list(z) for z in zip(x_data, y_data1)],
)
.add('',
[list(z) for z in zip(x_data, y_data2)],
)
.set_global_opts(
title_opts=opts.TitleOpts(
title='《抓娃娃》《云边有个小卖部》各城市等级电影票房',
subtitle=subtitle,
pos_top='4%',
pos_left='center',
),
)
)
《抓娃娃》、《云边有个小卖部》在二线城市票房最高,占比接近40%,一线城市票房占比12%左右,三线城市票房占比20%左右,四线城市票房占比20%左右,其他城市票房占比8%左右
👉 公众号后台回复【可视化项目源码】获取更多可视化代码+数据
以上就是本期为大家整理的全部内容了,喜欢的朋友可以点赞、点在看也可以分享让更多人知道。
往期推荐
可视化 | Flask+Mysql+Echarts 豆瓣电影Top250数据分析系统
Pandas+Pyecharts | 平均预期寿命数据可视化
Pandas+Pyecharts | 2024年巴黎奥运会奖牌数据分析可视化
Pandas+Pyecharts | 杭州二手房数据分析可视化
Pandas+Pyecharts | 当当网畅销图书榜单数据分析可视化
Pandas+Pyecharts | 海南旅游攻略数据分析可视化
Pandas+Pyecharts | 全国海底捞门店数据分析可视化
Pandas+Pyecharts | 京东某商品销量数据分析可视化
Pandas+Pyecharts | 全国星巴克门店数据分析可视化
Pandas+Pyecharts | 第七次人口普查数据分析可视化
Pandas+Pyecharts | 快手APP全国大学生用户数据分析可视化
Pandas+Pyecharts | 奥迪汽车销量数据分析可视化
Pandas+Pyecharts | 剧荒了?用Python找找最近的热播好剧!
Pandas+Pyecharts | 2023年胡润百富榜数据分析可视化
Pandas+Pyecharts | 2023软科中国大学排名分析可视化
Pandas+Pyecharts | 成都大运会奖牌数据分析可视化
Pandas+Pyecharts | 电子产品销售数据分析可视化+用户RFM画像
Pandas+Pyecharts | 北京近五年历史天气数据可视化
Pandas+Pyecharts | 中国高校及专业数据分析可视化
Pandas+Pyecharts | 新冠疫情数据动态时序可视化
Pandas+Pyecharts | 全国吃穿住行消费排行榜,最‘抠门’的地区居然是北京!!!
Pandas+Pyecharts | 2022世界500强数据分析可视化
Pandas+Pyecharts | 上海市餐饮数据分析可视化
Pandas+Pyecharts | 山东省高考考生数据分析可视化
Pandas+Pyecharts | 20000+天猫订单数据可视化
Pandas+Pyecharts | 40000+汽车之家数据分析可视化
Pandas+Pyecharts | 广州市已成交房源信息数据可视化
Pandas+Pyecharts | 某直聘平台招聘信息数据可视化
可视化 | 分享一套Flask+Pyecharts可视化模板
用Python分析了3W+《独行月球》影评数据,看看观众们怎么说~