一、確定分析場景，明確分析目的

首先提出問題後，明確我們想得到什麼結論和資訊。然後可以從什麼渠道獲取資料，運用什麼分析方法進行資料分析，最後得出結論輸出報告。

比如我想做一個優秀電影的資料分析，看看這些電影主要來自哪些國家、哪些演員主演、人們對電影的評價情況等等，豆瓣有電影的排行榜，以豆瓣電影Top250為例，先看看榜單上有哪些資料資訊：

來自豆瓣電影

可以看到，榜單上有電影名、導演、主演、上映年份、製片國家、電影型別、評分、評價人數等資訊，這些可以透過描述性統計、視覺化圖表來展開分析：哪些電影評分靠前、最受熱評？哪些型別、國家、導演、演員高產優質電影？上榜電影數量逐年變化趨勢怎樣？最後得出結論。理完整個資料分析的思路，我們就可以進行下一步。

二、獲取資料

利用python爬取資料，程式碼如下：

import requests， random， bs4， csv

#引用csv模組。

csv_file=open（‘movieTop250。csv’， ‘w’， newline=‘’，encoding=‘utf-8’）

writer = csv。writer（csv_file）

# 用csv。writer（）函式建立一個writer物件。

writer。writerow（［‘序號’， ‘電影名’， ‘評分’， ‘推薦語’， ‘連結’，‘a’，‘b’］）

#呼叫writer物件的writerow（）方法，可以在csv檔案裡寫入title：‘序號’， ‘電影名’， ‘評分’， ‘推薦語’， ‘連結’

for x in range（10）：

url = ‘

豆瓣電影 Top 250

’ + str（x*25） + ‘&filter=’

res = requests。get（url）

bs = bs4。BeautifulSoup（res。text， ‘html。parser’）

bs = bs。find（‘ol’， class_=“grid_view”）

for titles in bs。find_all（‘li’）：

num = titles。find（‘em’，class_=“”）。text

title = titles。find（‘span’， class_=“title”）。text

comment = titles。find（‘span’，class_=“rating_num”）。text

url_movie = titles。find（‘a’）［‘href’］

a=titles。find（‘p’，class_=“”）。text

b=titles。find（‘div’，class_=“star”）。text

if titles。find（‘span’，class_=“inq”） ！= None：

tes = titles。find（‘span’，class_=“inq”）。text

# 把num， title， comment， tes和url_movie寫成列表，用append函式多行寫入Excel

writer。writerow（［num ， title ， comment ， tes ， url_movie，a，b［5：］］）

else：

writer。writerow（［num ， title ， comment ， ‘’， url_movie，a，b［5：］］）

print（num，b［5：］，title，comment，url_movie，tes，a）

csv_file。close（）

執行程式碼後，生成movieTop250。csv表。（推薦語和連結也一起爬下來了，請忽略。。）

三、資料預處理

獲取資料後，我們還需要對資料進行清洗才能使用。直接使用Excel的查詢—替換功能和資料—分列功能，缺失值異常值處理後，形成可使用資料。

四、資料分析

1、描述性統計

豆瓣電影Top250評分平均值為8。868（十分制），最高評分9。7（肖申克的救贖），最低評分8。3（驢得水）。最多電影評分8。8，有47部。評分主要集中在［8。7，8。8］。

2、哪些電影評分靠前、最受熱評？

將豆瓣電影Top250的評分和評論人數分別降序排序，得出評分前十和熱評前十的電影如下：

評分前十的電影

評論人數前十的電影

可以看出，這些作品基本都是廣大群眾心中的經典之作，其中美國有不少電影作品獲得人們的高度評價和關注度。

3、哪些型別、國家、導演、演員高產優質電影？

動畫、犯罪、劇情、喜劇、愛情題材型別的電影數量最多，佔比57。2%。其中，動畫類有33部，佔13。2%。紀錄片、音樂、兒童、歌舞這些較為小眾的題材則佔比較低，佔4。8%。

型別—數量分佈圖

美國、日本、中國產出高質電影數量靠前。其中，美國上榜的電影數量高達120部，佔48%。

國家/地區—數量分佈圖

高產優質電影的導演主要有宮崎駿（7部）、克里斯托弗·諾蘭（7部）、史蒂文·斯皮爾伯格（7部）、李安（5部）、王家衛（5部）。

高產優質電影的主演主要有湯姆·漢克斯（5部）、萊昂納多·迪卡普里奧（4部）、伊桑·霍克（4部），三位均是美國演員。

4、上榜電影數量逐年變化趨勢怎樣？

總的來看，1931-1983年都有穩步產出1-2部優質電影，1983年以後呈增長趨勢，其中1994-2015年是高產出期，直到2015年開始有下滑跡象。中國在1961年開始出現第一部上榜優質電影（大鬧天宮），1979年開始有優質電影陸續產出。

五、總結

豆瓣電影Top250是豆瓣根據每部影片看過的人數以及該影片所得的評價等綜合資料，透過演算法分析產生的排行榜。能在一定程度度上反映各部電影的影響力、關注度和觀眾喜愛程度。

以下將從個方面進行總結：

1、總體：

豆瓣電影Top250評分平均值為8。868（十分制），最高評分9。7（肖申克的救贖），最低評分8。3（驢得水）。最多電影評分8。8，有47部。評分主要集中在［8。7，8。8］。

2、Top10：

從豆瓣電影Top250的評分與熱評人數前十來看，不少都是廣大群眾心中的經典之作，其中美國有不少電影作品獲得人們的高度評價和關注度。

3、型別：

動畫、犯罪、劇情、喜劇、愛情題材型別的電影數量最多，合佔57。2%，型別均較為大眾。其中，動畫類在所有題材中數量最多，達33部，佔13。2%，在唯美可愛的風格下，卻蘊含著令人深思的道理。紀錄片、音樂、兒童、歌舞這些較為小眾的題材則佔比較低，合佔4。8%，只要用心，即使小眾，也能拍出優秀電影。

4、製片國家：

美國、日本、中國產出高質電影數量靠前。其中，美國上榜的電影數量高達120部，佔48%。美國電影既保證了場面的視覺效果，又融合了人性的感悟和現實的道理，加上眾多演員的精湛演技，容易使人們產生共鳴，不愧是優作產出大國。

5、導演、主演：

高產優質電影的導演主要有宮崎駿（7部）、克里斯托弗·諾蘭（7部）、史蒂文·斯皮爾伯格（7部）、李安（5部）、王家衛（5部）。高產優質電影的主演主要有湯姆·漢克斯（5部）、萊昂納多·迪卡普里奧（4部）、伊桑·霍克（4部），三位均是美國演員。

6、逐年變化趨勢：

總的來看，1931-1983年都有穩步產出1-2部優質電影，1983年以後呈增長趨勢，其中1994-2015年是高產出期，直到2015年開始有下滑跡象。中國在1961年開始出現第一部上榜優質電影（大鬧天宮），1979年開始有優質電影陸續產出，但數量不多。美國電影製作較為成熟，希望中國能穩住電影質量，繼續加油產出更多優質電影。