数据可视化：豆瓣电影 TOP250 排行榜

2024-02-26 00:01:26

豆瓣电影 TOP250 榜单的可视化分析：深入了解经典电影

在当今数据爆炸的时代，可视化已成为理解复杂信息不可或缺的手段。它将数据转化为图形表示，使我们能够直观地洞察数据中的模式和趋势。在本文中，我们将使用 Python 和 Matplotlib 库对豆瓣电影 TOP250 榜单进行可视化分析，探索其评分分布、年代分布、类型分布和导演分布等关键特征。

数据获取

我们的旅程始于获取豆瓣电影 TOP250 榜单数据。为此，我们将使用 BeautifulSoup 库从豆瓣电影网站爬取数据。代码示例如下：

import requests
from bs4 import BeautifulSoup

# 爬取豆瓣电影 TOP250 榜单页面
url = 'https://movie.douban.com/top250'
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')

# 提取电影信息
movies = []
for movie in soup.find_all('div', class_='item'):
    title = movie.find('span', class_='title').text.strip()
    score = movie.find('span', class_='rating_num').text.strip()
    year = movie.find('span', class_='year').text.strip()[1:-1]
    movies.append({
        'title': title,
        'score': score,
        'year': year
    })

数据清洗

获取数据后，我们需要对其进行清洗，去除不必要的信息。我们将使用 Pandas 库来完成此任务，将数据转换为 DataFrame 并删除空值。代码示例如下：

import pandas as pd

# 创建 DataFrame
df = pd.DataFrame(movies)

# 转换为数值类型
df['score'] = pd.to_numeric(df['score'])
df['year'] = pd.to_numeric(df['year'])

# 删除空值
df = df.dropna()

数据可视化

现在，我们已准备好使用 Matplotlib 库对数据进行可视化处理。

评分分布

豆瓣电影 TOP250 榜单中的电影评分分布如何？我们可以通过直方图来可视化这一信息。代码示例如下：

import matplotlib.pyplot as plt

# 绘制评分分布直方图
plt.hist(df['score'], bins=10)
plt.xlabel('评分')
plt.ylabel('电影数量')
plt.title('豆瓣电影 TOP250 榜单评分分布')
plt.show()

从直方图中，我们可以观察到评分分布呈现正态分布，大多数电影的评分集中在 7 分到 9 分之间。

年代分布

接下来，我们 untersuchen电影的年代分布。我们可以通过折线图来可视化这一信息。代码示例如下：

# 绘制年代分布折线图
plt.plot(df['year'], df['score'])
plt.xlabel('年份')
plt.ylabel('评分')
plt.title('豆瓣电影 TOP250 榜单评分与年份的关系')
plt.show()

折线图显示，豆瓣电影 TOP250 榜单中电影的评分并没有随着年代的推移而明显下降。这表明经典电影的价值经久不衰。

类型分布

豆瓣电影 TOP250 榜单中电影的类型分布如何？我们可以通过饼图来可视化这一信息。代码示例如下：

# 绘制类型分布饼图
plt.pie(df['type'].value_counts(), labels=df['type'].value_counts().index, autopct='%1.1f%%')
plt.title('豆瓣电影 TOP250 榜单类型分布')
plt.show()

饼图显示，类型分布较为均匀，各种类型的电影都占据了一定的比例。

导演分布

最后，我们 untersuchen电影的导演分布。我们可以通过条形图来可视化这一信息。代码示例如下：

# 绘制导演分布条形图
plt.barh(df['director'].value_counts().index, df['director'].value_counts())
plt.xlabel('电影数量')
plt.ylabel('导演')
plt.title('豆瓣电影 TOP250 榜单导演分布')
plt.show()

条形图显示，导演分布也较为均匀，没有哪一位导演的作品特别突出。