【Python数据可视化】2023中秋国庆电影票房数据-CFANZ编程社区

📣 前言

大家好，我是 👉【Python Data实验室】

👓 可视化主要使用 pyecharts、pygal
🔎 数据处理主要使用 pandas

✍️ 推荐项目

【爬虫】微博-任意博主发布内容数据爬取
【爬虫】B站每周必看数据爬取
【爬虫】链家网二手房数据爬取
【爬虫】定时获取微博热搜数据
【爬虫】贝壳数据爬取
【爬虫】58同城租房数据爬取
【天气】北上广深历史天气概览（2011~2023）
【爬虫】国外QS网站-学校排名
【爬虫】Python爬取当当网图书榜单
【蜜雪冰城】全国各地分布
【🚇🚇】全国地铁数据概览
【爬虫+Pyecharts】数据可视化3万+条上市公司百度指数
中国各省预期寿命数据揭示区域间差异
探索中国老龄化趋势：2002-2021年各省数据解读
【黑暗荣耀】豆瓣相关评论
【pandas+pygal+plotly】数据分析用户运动数据
【二手车价格】seaborn可视化数据集
【Pygal】Pygal数据可视化二手房数据
【B站】Pyecharts可视化哔哩哔哩每周必看数据
【快手】可视化3万+多分类-周月-短视频商业价值榜单
【三体】B站三体7万条评论数据

⏰ 温馨提示

由于部分可视化代码过长隐藏，可点击跳转查看
若有希望我出爬虫教程的，可以留言或者评论提供网站

Step 1. 导入模块

import numpy as np
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import *
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType
from pyecharts.components import Table
from pyecharts.globals import ChartType
from pyecharts.options import ComponentTitleOpts
from datetime import datetime
import pygal

#设置pygal与jupyter notebook交互
from IPython.display import display, HTML

base_html = """
<!DOCTYPE html>
<html>
  <head>
  <script type="text/javascript" src="http://kozea.github.com/pygal.js/javascripts/svg.jquery.js"></script>
  <script type="text/javascript" src="https://kozea.github.io/pygal.js/2.0.x/pygal-tooltips.min.js""></script>
  </head>
  <body>
    <figure>
      {rendered_chart}
    </figure>
  </body>
</html>
"""

Step 2. 数据分析可视化

2.1 影片40+指标票房数据

df1 =pd.read_excel("影片票房.xlsx")
df1.head()

Out[3]:

	日期	排名	电影名称	影片英文名称	当前票房	累计票房	累计场次	累计人次	票房占比	当前场次	...	加映场票房	加映场场次	加映场人次	上座率	黄金场票房占比	黄金场场次占比	黄金场人次占比	黄金场上座率	当前排座	排座占比
0	2023-10-24	1	河边的错误	Only the River Flows	13696897.33	1.206211e+08	395777	3056080	38.03	93128	...	2304044.77	15169	59215	2.75	27.09	26.88	27.66	2.80	12735066	30.74
1	2023-10-24	2	坚如磐石	Under The Light	5890077.69	1.278079e+09	2430347	29889094	16.35	60966	...	905905.21	8782	22356	1.75	26.66	26.50	27.57	1.80	8380686	20.23
2	2023-10-24	3	志愿军：雄兵出击	THE VOLUNTEERS：TO THE WAR	4480511.57	7.479550e+08	1819984	18076913	12.44	43412	...	537103.61	4929	13917	2.24	25.59	26.11	26.27	2.21	5119376	12.36
3	2023-10-24	4	莫斯科行动	Moscow Mission	3929129.84	6.192178e+08	1478583	14611087	10.91	39853	...	618513.37	5870	15540	2.14	27.14	25.59	27.92	2.32	4625141	11.16
4	2023-10-24	5	前任4：英年早婚	The Ex-file 4	3598436.51	9.520534e+08	2052368	22615857	9.99	43653	...	634577.53	6770	16113	1.86	26.33	25.24	26.79	1.97	4893574	11.81

df1.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 7618 entries, 0 to 7617
Data columns (total 41 columns):
日期         7618 non-null object
排名         7618 non-null int64
电影名称       7618 non-null object
影片英文名称     7436 non-null object
当前票房       7618 non-null float64
累计票房       7618 non-null float64
累计场次       7618 non-null int64
累计人次       7618 non-null int64
票房占比       7618 non-null float64
当前场次       7618 non-null int64
当前人次       7618 non-null int64
人次占比       7618 non-null float64
累计上映天数     7083 non-null float64
场均人次       7618 non-null int64
场均收入       7618 non-null int64
上映日期       7083 non-null object
黄金场票房      7618 non-null float64
黄金场场次      7618 non-null int64
黄金场人次      7618 non-null int64
黄金场排座      7618 non-null int64
黄金场场均人次    7618 non-null int64
票房环比       7618 non-null float64
场次环比       7618 non-null float64
人次环比       7618 non-null float64
场次占比       7618 non-null float64
上午场票房      7618 non-null float64
上午场场次      7618 non-null int64
上午场人次      7618 non-null int64
下午场票房      7618 non-null float64
下午场场次      7618 non-null int64
下午场人次      7618 non-null int64
加映场票房      7618 non-null float64
加映场场次      7618 non-null int64
加映场人次      7618 non-null int64
上座率        7618 non-null float64
黄金场票房占比    7618 non-null float64
黄金场场次占比    7618 non-null float64
黄金场人次占比    7618 non-null float64
黄金场上座率     7618 non-null float64
当前排座       7618 non-null int64
排座占比       7618 non-null float64
dtypes: float64(19), int64(18), object(4)
memory usage: 2.4+ MB

res1=df1.groupby('日期').agg({'当前票房':'sum',
                             '当前场次':'sum',
                             '当前人次':'sum',
                           }).reset_index() 
res1['当前票房(千万)'] = res1['当前票房'].apply(lambda x: round(x / 10000000, 2))
res1['当前场次(万)'] = res1['当前场次'].apply(lambda x: round(x / 10000, 2))
res1['当前人次(万)'] = res1['当前人次'].apply(lambda x: round(x / 10000, 2))
res1

Out[6]:

	日期	当前票房	当前场次	当前人次	当前票房(千万)	当前场次(万)	当前人次(万)
0	2023-09-01	9.831182e+07	354503	2410749	9.83	35.45	241.07
1	2023-09-02	1.909234e+08	369042	4589989	19.09	36.90	459.00
2	2023-09-03	1.483705e+08	367183	3557974	14.84	36.72	355.80
3	2023-09-04	5.146948e+07	327540	1248629	5.15	32.75	124.86
4	2023-09-05	4.646499e+07	323182	1126111	4.65	32.32	112.61
5	2023-09-06	4.258048e+07	320222	1037762	4.26	32.02	103.78
6	2023-09-07	3.996786e+07	318720	972154	4.00	31.87	97.22
7	2023-09-08	5.733259e+07	325243	1398915	5.73	32.52	139.89
8	2023-09-09	1.854306e+08	405126	4419770	18.54	40.51	441.98
9	2023-09-10	1.402997e+08	382874	3334713	14.03	38.29	333.47
10	2023-09-11	4.796891e+07	332812	1141249	4.80	33.28	114.12
11	2023-09-12	4.368471e+07	330534	1044087	4.37	33.05	104.41
12	2023-09-13	3.890474e+07	328409	938062	3.89	32.84	93.81
13	2023-09-14	3.502844e+07	326773	850800	3.50	32.68	85.08
14	2023-09-15	7.274523e+07	383735	1908925	7.27	38.37	190.89
15	2023-09-16	1.301222e+08	425181	3290103	13.01	42.52	329.01
16	2023-09-17	1.006143e+08	400045	2533489	10.06	40.00	253.35
17	2023-09-18	3.636687e+07	349591	935965	3.64	34.96	93.60
18	2023-09-19	3.351463e+07	346788	858975	3.35	34.68	85.90
19	2023-09-20	3.147091e+07	345617	806994	3.15	34.56	80.70
20	2023-09-21	2.986064e+07	343546	763044	2.99	34.35	76.30
21	2023-09-22	3.995531e+07	357013	1016794	4.00	35.70	101.68
22	2023-09-23	7.883014e+07	387300	1970394	7.88	38.73	197.04
23	2023-09-24	6.243496e+07	384436	1553128	6.24	38.44	155.31
24	2023-09-25	2.279053e+07	336709	573955	2.28	33.67	57.40
25	2023-09-26	2.374749e+07	330703	593296	2.37	33.07	59.33
26	2023-09-27	2.350196e+07	329653	589706	2.35	32.97	58.97
27	2023-09-28	1.894139e+08	366535	4438699	18.94	36.65	443.87
28	2023-09-29	3.682207e+08	464394	8630529	36.82	46.44	863.05
29	2023-09-30	4.172952e+08	459024	9899872	41.73	45.90	989.99
30	2023-10-01	4.309503e+08	450383	10259567	43.10	45.04	1025.96
31	2023-10-02	3.740509e+08	447205	8927713	37.41	44.72	892.77
32	2023-10-03	3.401124e+08	436466	8140492	34.01	43.65	814.05
33	2023-10-04	3.113069e+08	433267	7462485	31.13	43.33	746.25
34	2023-10-05	2.886897e+08	430123	6920985	28.87	43.01	692.10
35	2023-10-06	2.071355e+08	421763	4957409	20.71	42.18	495.74
36	2023-10-07	1.019040e+08	361417	2425685	10.19	36.14	242.57
37	2023-10-08	9.639824e+07	354858	2298941	9.64	35.49	229.89
38	2023-10-09	6.819691e+07	343042	1631229	6.82	34.30	163.12
39	2023-10-10	6.368944e+07	339461	1530010	6.37	33.95	153.00
40	2023-10-11	5.952698e+07	336945	1436085	5.95	33.69	143.61
41	2023-10-12	5.552059e+07	335426	1338406	5.55	33.54	133.84
42	2023-10-13	7.861350e+07	345028	1913501	7.86	34.50	191.35
43	2023-10-14	1.479410e+08	384657	3603505	14.79	38.47	360.35
44	2023-10-15	1.103493e+08	380870	2698286	11.03	38.09	269.83
45	2023-10-16	4.060534e+07	329031	984078	4.06	32.90	98.41
46	2023-10-17	3.885102e+07	327377	948951	3.89	32.74	94.90
47	2023-10-18	3.776338e+07	325498	933613	3.78	32.55	93.36
48	2023-10-19	3.631047e+07	324388	899836	3.63	32.44	89.98
49	2023-10-20	5.330986e+07	347664	1348252	5.33	34.77	134.83
50	2023-10-21	1.317091e+08	409139	3349401	13.17	40.91	334.94
51	2023-10-22	1.004721e+08	400286	2551978	10.05	40.03	255.20
52	2023-10-23	3.843155e+07	342333	972416	3.84	34.23	97.24
53	2023-10-24	3.601739e+07	337409	912063	3.60	33.74	91.21

全国电影每日票房概览(09-01~10-24)

【Python数据可视化】2023中秋国庆电影票房数据_数据分析

全国电影每日场次概览(09-01~10-24)

【Python数据可视化】2023中秋国庆电影票房数据_Pandas_02

全国电影每日人次概览(09-01~10-24)

【Python数据可视化】2023中秋国庆电影票房数据_Pandas_03

data = df1[(df1["日期"] >= "2023-09-28") & (df1["日期"] <= "2023-10-07")]
data

Out[10]:

	日期	排名	电影名称	影片英文名称	当前票房	累计票房	累计场次	累计人次	票房占比	当前场次	...	加映场票房	加映场场次	加映场人次	上座率	黄金场票房占比	黄金场场次占比	黄金场人次占比	黄金场上座率	当前排座	排座占比
2204	2023-10-07	1	坚如磐石	Under The Light	33371571.77	9.695148e+08	1007947	22505797	32.75	97150	...	5296220.91	14908	124892	5.48	25.54	25.46	25.55	5.45	14310424	31.99
2205	2023-10-07	2	前任4：英年早婚	The Ex-file 4	27205489.80	7.382305e+08	922142	17440230	26.70	76557	...	4855294.36	12928	117248	7.27	25.23	24.62	25.15	7.39	8977032	20.07
2206	2023-10-07	3	莫斯科行动	Moscow Mission	17754243.38	4.279593e+08	564992	9999561	17.42	60348	...	2969539.30	9839	70561	5.91	25.11	24.24	25.12	6.11	7113680	15.90
2207	2023-10-07	4	志愿军：雄兵出击	THE VOLUNTEERS：TO THE WAR	15993622.21	5.416451e+08	825526	12953175	15.69	68526	...	2319506.76	9315	56003	4.60	25.28	25.18	25.61	4.61	8414828	18.81
2208	2023-10-07	5	好像也没那么热血沸腾	Lose To Win	3808400.64	1.228728e+08	277496	2904999	3.74	24022	...	580461.64	3210	13748	3.77	24.40	20.63	24.47	4.50	2406371	5.38
2209	2023-10-07	6	潜艇总动员：环游地球80天	Around The World In 80 Days	955684.51	3.673079e+07	78225	756078	0.94	159	...	0.00	0	0	32.51	0.00	0.00	0.00	0.00	44504	0.10

box_office_sum = data['当前票房'].sum()  
current_session_sum = data['当前场次'].sum()  
current_per_sum = data['当前人次'].sum()

res2=data.groupby('电影名称').agg({'当前票房':'sum',
                             '当前场次':'sum',
                             '当前人次':'sum',
                           }).reset_index()

res2["票房占比"] = res2["当前票房"].apply(lambda x:round(x / box_office_sum, 6) * 100)
res2["场次占比"] = res2["当前场次"].apply(lambda x:round(x / current_session_sum, 6) * 100)
res2["人次占比"] = res2["当前人次"].apply(lambda x:round(x / current_per_sum, 6) * 100)

res2["当前票房"] = res2["当前票房"].apply(lambda x:round(x / 100000000, 4))

# 重命名列名  
res2 = res2.rename(columns={'当前票房': '累计票房(亿)'})

res2[res2["电影名称"] == "坚如磐石"]

	电影名称	累计票房(亿)	当前场次	当前人次	票房占比	场次占比	人次占比
45	坚如磐石	9.6928	1007924	22501911	31.9992	23.6016	31.2251

中秋国庆档多指标多组图

【Python数据可视化】2023中秋国庆电影票房数据_Pandas_04

2.2 影片地域分布

df2 =pd.read_excel(r"/home/mw/input/movie8361/影片地域分布.xlsx")
df2.head()

	CityLevel	日期	电影ID	电影名称	当前票房	当前场次	当前人次
0	一线城市	2023-10-24	39755	河边的错误	1517294	10148	39073
1	二线城市	2023-10-24	39755	河边的错误	5224273	35027	134618
2	三线城市	2023-10-24	39755	河边的错误	3094486	20698	80005
3	四线城市	2023-10-24	39755	河边的错误	2785776	18631	72490
4	其它	2023-10-24	39755	河边的错误	1297858	8684	33703

筛选中秋国庆档数据

data2 = df2[(df2["日期"] >= "2023-09-28") & (df2["日期"] <= "2023-10-07")]
data2

	CityLevel	日期	电影ID	电影名称	当前票房	当前场次	当前人次
820	一线城市	2023-10-07	39741	坚如磐石	5053317	9767	97292
821	二线城市	2023-10-07	39741	坚如磐石	13461252	33978	321223
822	三线城市	2023-10-07	39741	坚如磐石	6745403	22310	164545
823	四线城市	2023-10-07	39741	坚如磐石	5640306	20681	140043
824	其它	2023-10-07	39741	坚如磐石	2467928	10394	61282

筛选城市级别

one_city = res3[(res3['CityLevel'] == '一线城市')]
two_city = res3[(res3['CityLevel'] == '二线城市')]
three_city = res3[(res3['CityLevel'] == '三线城市')]
four_city = res3[(res3['CityLevel'] == '四线城市') ]
five_city = res3[(res3['CityLevel'] == '其它')]

one_city = one_city.drop(columns='CityLevel')  
two_city = two_city.drop(columns='CityLevel')  
three_city = three_city.drop(columns='CityLevel')  
four_city = four_city.drop(columns='CityLevel')  
five_city = five_city.drop(columns='CityLevel')  
one_city_movie = one_city.rename(columns = {'当前场次': '一线城市场次','当前票房': '一线城票房','当前人次': '一线城人次'})

重组连接数据

two_city_movie = two_city.rename(columns = {'当前场次': '二线城市场次','当前票房': '二线城票房','当前人次': '二线城人次'})
three_city_movie = three_city.rename(columns = {'当前场次': '三线城市场次','当前票房': '三线城票房','当前人次': '三线城人次'})
four_city_movie = four_city.rename(columns = {'当前场次': '四线城市场次','当前票房': '四线城票房','当前人次': '四线城人次'})
five_city_movie = five_city.rename(columns = {'当前场次': '其它城市场次','当前票房': '其它城票房','当前人次': '其它城人次'})


move_top_10 = one_city_movie.merge(two_city_movie, how='left', on='电影名称').fillna(0)
move_top_10 = move_top_10.merge(three_city_movie, how='left', on='电影名称').fillna(0)
move_top_10 = move_top_10.merge(four_city_movie, how='left', on='电影名称').fillna(0)
move_top_10 = move_top_10.merge(five_city_movie, how='left', on='电影名称').fillna(0)
move_top_10

	电影名称	一线城票房	一线城市场次	一线城人次	二线城票房	二线城市场次	二线城人次	三线城票房	三线城市场次	三线城人次	四线城票房	四线城市场次	四线城人次	其它城票房	其它城市场次	其它城人次
0	前任4：英年早婚	85710897	80669	1702770	258821403	300681	6144331	163199527	214992	3940494	151601179	210379	3724204	78604916	115225	1922894
1	贝肯熊：火星任务	6559418	13926	149456	19621045	52000	531675	14662251	41921	405661	13127544	40178	368745	6134718	21774	169786
2	莫斯科行动	73904241	67294	1456477	164599673	206753	3906202	89445992	127302	2173380	68865679	107336	1699111	30839750	56178	760663
3	第八个嫌疑人	634814	4122	12696	1549138	15982	37723	799209	10953	19640	744239	10351	18480	277411	5004	6934
4	潜艇总动员：环游地球80天	12121	14	288	2223612	477	36483	340849	85	5341	848294	133	13954	1260926	236	19326
5	敢死队4：最终章	426700	3970	9540	656513	13689	19503	333007	9365	10402	214316	8136	7000	107330	4258	3276
6	我是哪吒2之英雄归来	1737798	3818	39664	4909639	15824	135624	3292232	12213	93007	2992068	12255	85270	1739701	8044	48665
7	汪汪队立大功大电影2：超能大冒险	15670354	20818	372470	36154460	70504	1084488	20907691	50191	666658	16287324	43481	532779	7016665	22529	223486
8	小美人鱼之大海怪传说	106133	279	2519	265356	1085	7265	146760	724	4116	106269	714	3052	69519	436	1970
9	封神第一部：朝歌风云	199620	1290	3968	447914	4756	10867	231785	2926	5715	187007	2920	4636	86679	1449	2136
10	孤注一掷	810209	2649	17203	2024555	9921	51027	921134	6654	23175	800248	7144	20493	413908	4087	10595
11	好像也没那么热血沸腾	15783760	21176	314522	42556595	72935	1012807	25056788	51760	611539	20546928	46987	503513	8250337	23952	203646
12	奥本海默	8791416	7537	138814	6433940	11927	153784	1258281	3977	34054	399900	2262	11679	110681	927	3417
13	坚如磐石	135335252	99910	2580751	366075072	351578	8567727	208942742	234172	5021092	181596486	214608	4435968	77233670	107445	1893907
14	志愿军：雄兵出击	75917539	84163	1541968	202156911	287850	4875819	116506856	188329	2863782	99873442	173623	2496254	46916772	91390	1169706

2023年中秋国庆档电影票房地域分布（场次）-top10影片

【Python数据可视化】2023中秋国庆电影票房数据_数据分析_05

2023年中秋国庆档电影票房地域分布（人次）-top10影片

【Python数据可视化】2023中秋国庆电影票房数据_数据分析_06

2023年中秋国庆档电影票房地域分布（票房）-top10影片

【Python数据可视化】2023中秋国庆电影票房数据_Pandas_07

数据集链接👇

【电影票房】电影每日电影40+指标数据

可视化项目源码👇

【电影】Python数据可视化2023中秋国庆电影票房数据

🤓🥺😚感谢支持，以上就是本期为全部内容了，赶快一起学习起来吧，原创不易，喜欢的朋友可以点赞、收藏也可以分享（注明出处）让更多人知道。