Kaggle5000部电影数据分析
1. 项目介绍
来自Kaggle社区上的数据集，TMDB 5000 Movie Dataset。
2. 提出问题
a. 电影的类型会随着时间变化吗？若变化，是如何变化的？
b. 对于不同的电影类型，支出与利润的关系是如何的？
c. 原创电影与改编电影的对比情况是如何的？
3. 数据分析
3.1 获取数据
从Kaggle社区，下载数据集。
3.2 导入数据
3.3 查看数据
3.4 数据清洗
3.4.1 合并数据
3.4.2 留下需要的数据
根据前面所提出的问题，只留下自己所关心的数据，并添加一列 “利润” 数据，由收入减去支出获得。
3.4.3 处理缺失值
整个数据较为完整，只有release_date列中缺失了一个数据，所以，打算通过original_title搜索出其对应的release_date。
3.4.3.1 定位缺失值
3.4.3.2 填补缺失值
3.4.4 转换数据类型
此数据集中包含json类型，是我之前没有接触过的，便在网上借鉴了一些处理的方法。
将genres列中所包括的类型存入genres_list中。
3.5 数据可视化
3.5.1 电影的类型会随着时间变化吗？若变化，是如何变化的？
把release_date列中的时间（年-月-日）转换为 年 。
向数据集中的列属性中添加所有的电影类别，1为此电影属于此类型，0则反之。
以年份为索引，电影类型为列属性，创建一个名为genre_year的dataframe。并以年为单位计算出各类别之和。
降序排列各类别之和。
电影类型随时间的变化趋势。
从图中可看出，1915-1990内各电影数量没有多大的起伏，但从1990年之后有很多数量的电影开始迅速增长。但还是有少数类型增长的速度并不迅速。整体来看，不管什么类型的电影，数量都呈上升趋势。
电影类型随时间的变化趋势(前5名)
由于第一张图中电影类型繁多，不容易区分是哪种电影的上升趋势最迅猛，故特地选取了在2005年中增长速度最快的5种电影类型。选取2005年的原因是，大多数电影在这一年度都达到了顶峰，所以是最能代表变化趋势的一年。如图，变化趋势的前5名由快到慢的结果依次为Drama、Comedy、Thriller、Romance和Action。
现在，我们对各个电影类型的数量随年份的变化情况有了了解，那么，从整体来看，到底哪个电影的类型数量是最多的？
从图中可看出，排名前5的类型为Drama、Comedy、Thriller、Action和Romance。其中即使是排名前5的类型中，每一类型之间的差距也不算小。Drama类稳稳的在榜首。
有意思的现象是，电影总数量中的前5名与2005年度的前5名中的类型是一模一样的，说明2005年度的快速发展几乎奠定了之后的结果，可见2005年度的前后几年对于电影业是个极其重要的一段时间。
3.5.2 对于不同的电影类型，支出与利润的关系是如何的？
整理出各个电影类型的平均支出、平均利润。
电影类型与支出、利润的关系。
图中的信息完美地印证了一句话，要想得到高利润就要有高支出。除了Family类的电影用了中上游的支出得到了高额的利润之外，其他的类型电影几乎都是高付出和高利润一一对应的。
但请记住，图中的信息是通过5000部的数据平均得出来的结果，你永远不知道如果你投资了一部电影，你是拉低平均数还是达到平均数水平亦或是超出平均数。平均得出来的结果，只是决策中的参考，提供给我们的仅是一个较可靠的思路与方案。
3.5.3 原创电影与改编电影的对比情况是如何的？
keywords中的 ‘based on novel’ 可以帮助我们提取到需要的信息。同样也涉及到了json。
原创电影与改编电影所占比例。
由图可看出，原创电影占据了几乎所有的市场，只有少部分为改编电影。或许是因为改编电影会承担过多的压力，因为原作已经有了一定的粉丝基础，在改编过程中稍加不慎就会不受粉丝待见，众口难调，且改编难度较大。
整理原创与改编电影的支出、收入和利润。
下图由Excel画出。
由图可以看出，改编电影的支出要高于原创电影，且对应的收入和利润也要高于原创电影。这也印证了之前得出的“高投资高利润”。
但是，由于改编电影在这5000部电影的数据集中占得份额太少，鉴于以少量的数据得到的平均数没有大量数据可靠，这个分析的准确性还有待商榷。不过，丝毫不妨碍其参考价值。
4. 总结
1. 深刻的理解了 “所有的数据分析是建立在业务的理解上” 这句话。对电影行业的深刻理解会有助于此次数据分 析的深入探索。
2. 此次数据分析的目的实则是为了熟悉Python的用法，但在分析过程中，也有了其他的感悟。比如最后一个旋风图，我还没有掌握如何用Python画出此图，便使用了Excel。
Python也好，Excel也罢，都是帮助我们实现分析想法的工具，在不同的情境下要使用合适的工具去落实数据 分析师的想法。之前或多或少会有Python相比Excel很高大上的想法，但最近我越来越能感觉到Excel的强之处。
