python大作业数据

学妹期末大作业

基于Python的十年(2009年~2018年)电影票房前25位分析

根据URL“http://www.cbooo.cn” 通过代码爬取2009-2018每年票房排名前25的影片名称、类型、总票房(万)、平均票价、场均人次及国家及地区的信息，并按照以下要求完成分析。

1． 按年统计

1) 不同类型电影的平均票房

2) 不同国家及地区电影在前25排名中的占比

2． 分析十年间

1) 每年票房冠军的票房走势，并找出十年票房总冠军

2) 不同类型的票房分冠军

3) 同一类型电影平均票房走势，分别找出上升、下降最厉害的两种类型

4) 同一地区在前25排名中占比的变化趋势，分别找出占比上升、下降最厉害的两个地区

5) 探究是否有一种或多种类型的电影在十年间票房震荡非常厉害

3． 分析总票房和平均票价、场均人次、排片场数之间的关系。

4．撰写word文档完成本分析题，所有的结论和分析都需要配图或表加以支撑。并将十年间共250部电影名称作成词云烘托主题。

大作业分析

1.环境，建议使用anaconda3(环境集成，不用再去安装依赖包，之类的)

官网地址：https://www.anaconda.com/download/

2.分为爬取数据和分析两个部分

下面直接上代码

爬虫部分，爬取数据并存放到data.csv中

#!/usr/bin/python

# -*- coding: utf-8 -*-

import requests

import time

import re

import csv

from bs4 import BeautifulSoup

#设置URL固定部分

url='http://www.cbooo.cn/year?year='

#设置请求头部信息

headers = {

'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'

}

#循环抓取列表页信息

for year in range(2009,2019):

if year == 2009:

year=str(year)

a=(url+year)

r=requests.get(url=a,headers=headers)

html=r.content

else:

year=str(year)

a=(url+year)

r=requests.get(url=a,headers=headers)

html2=r.content

html = html + html2

#每次间隔0.5秒

time.sleep(0.5)

lj=BeautifulSoup(html,'html.parser')

#print(lj)

#提取名称、类型、总票房(万)、平均票价、场均人次及国家及地区

result=lj.find_all('td')

#print(result)

#print(len(result))

mname=[]

title=""

index=1

year=2009

for i in result:

i=str(i)

title=re.findall(r'(.*?)',i,re.I|re.M)

if len(title)>0:

mname.append(index)

index=index+1

mname.append(title[0])

else:

info=re.findall(r'(.*?)',i,re.I|re.M)

mname.append(info[0])

#print(len(mname))

#print(mname)

k=0

data=[]

while k