前幾天接觸了一下pyspider，最近又在復習pandas，所以打算拿豆瓣的數(shù)據(jù)來練練手砂心。
這次我的目標是分析一下豆瓣2016年國產(chǎn)影視劇的情況，所以我以標簽的方式來抓取影視勆咭（2016+中國）辩诞，但是不得不讓我吐槽的是，豆瓣對標簽的使用還是有些不太嚴謹纺涤，有些老電影也會打上2016年的標簽译暂，有些明明是中國拍的卻沒有帶“中國”的標簽，比如“爵跡”洒琢。所以我不得的進行數(shù)據(jù)清洗秧秉，去掉了不是2016年的影視劇, 也人工篩選了一部分帶有中國標簽的，但主要由國外制作的影視勊ヒ帧（比如功夫熊貓）象迎。至于“爵跡”這類因為沒有中國標簽而無法抓取的影片這次就先暫不考慮。
更新：發(fā)現(xiàn)用制片地區(qū)信息來判斷是否國產(chǎn)比用標簽判斷更準確，所以重新抓取了2016的所有影視劇作品數(shù)據(jù)砾淌，保留了制片地區(qū)優(yōu)先為中國的電影（比如功夫熊貓這種是“美國/中國”啦撮，這種情況就排除，只有中國/美國的時候才認為是國產(chǎn)影視勍舫）赃春，這樣上述提到過一些遺漏的影視劇也被重新包括了。
整體評分分布
在有效的644部影視節(jié)目中劫乱，最低分2.2分织中，從直方圖來看，其實分布還算均勻衷戈，9-10分影視劇作品偏少狭吼。
前二十和后二十名
豆瓣電影中有兩個主要變量可以影視劇作品的表現(xiàn)——得分和評分人數(shù)。我決定按照這兩項表現(xiàn)取對數(shù)之和作為參考標注殖妇，做出一個2016年國產(chǎn)影視劇排行榜刁笙。最終，前二十的影視劇作品如下（“index”就是我新建的指數(shù)）：
4/10/2017修正：之前index取值方法是rate和audience取對數(shù)谦趣，但實際情況還是audience對排名比重影響最大疲吸，所以用極大極小值重新歸一化，將rate和audience的取值范圍限定于0到1之內(nèi)前鹅，所以前二十和后二十都有略微變化摘悴。
基本上2016年好的片子都排進前20了，整體評分也都較高嫡纠，不過前二十中也出現(xiàn)了擺渡人長城這種得分較低的片子（可憐的王導張導）烦租，但是由于觀眾數(shù)量很大延赌，所以也能擠入這個榜單除盏。再來看一下倒數(shù)前20的影視劇作品，反正我是一部都沒看過（不過有些名字看著挺刺激的）：
更新：因為發(fā)現(xiàn)后二十的影片實在是觀影人數(shù)太少了挫以，所以取了第一四分位數(shù) (Q1)——225人者蠕，225人以上的影片才考慮，所以最新的后二十如下：
更新后的后二十排行榜比之前更為靠譜掐松，均是些低分電影踱侣。
類型分析
豆瓣電影中對影視劇作的類型分析還是比較正規(guī)的，但是有一個問題大磺，一部作品可以有多個類型抡句。比如既是劇情片，又是科幻片杠愧，還可能是愛情片待榔。一開始我想取每部電影的第一個類型作為它的類型，但又考慮到大多數(shù)影視劇的第一個類型往往是劇情類，這么做可能會減少電影類型的多樣化锐锣，所以最后對于電影類型的分析我就直接按照類型名分類腌闯，不做額外處理。
從這張餅圖中我們可以看出雕憔，2016年影視劇作品中劇情片數(shù)量最多姿骏，愛情其次，喜劇第三斤彼，值得注意的是第四名的真人秀分瘦。
在觀影人數(shù)方面（評分人數(shù)），犯罪片琉苇，動作片擅腰，奇幻片獲得前三。
在的平均得分方面翁潘，紀錄片平均得分最高趁冈，傳記其次，脫口秀拜马，戲曲渗勘，短片也有比較多的好評，得分最差的是恐怖片俩莽，驚悚片和情色片旺坠。
導演
再來看看排名前二十的導演：
基本上這個排名和之前的影視劇排名類似，除了個別導演一年內(nèi)出了兩部作品扮超，導致了排名上下有波動取刃。周星馳憑借著美人魚成為成為了2016年指數(shù)最高的導演。按照慣例出刷，我們來認識下指數(shù)后二十導演璧疗。
更新：導演指數(shù)后二十也做了調(diào)整
演員
上圖是不同演員的整體情況圖，大部分的演員平均作品得分集中在6分左右馁龟。圓圈的大小表示2016年的作品數(shù)量崩侠，圓圈越大，說明2016的作品越多坷檩。嗯却音，最大的那個圓圈就是薛之謙。我們來看看哪個演藝圈明星在2016年最忙：
因為選取了單年的數(shù)據(jù)矢炼，所以演員的指數(shù)排名基本和影視指數(shù)排名相似系瓢，前幾名的都是出演指數(shù)最高影視劇的演員，比如美人魚句灌，驢得水滴铅，大魚海棠，七月與安生和火鍋英雄的演員违柏。不過候址，我統(tǒng)計了下出演作品大于2的演員情況：
后續(xù)研究
- 重新抓取后的數(shù)據(jù)包括了所有地區(qū)國家，下次有機會按照國別對數(shù)據(jù)再來進行研究。
- 這次只是研究了2016的整體情況，并沒有研究不同年份之間的數(shù)據(jù)，下次可以從時間維度方面對影視劇的數(shù)據(jù)進行研究枷邪。
