电影分析数据代码boxoffice.rar

rm(list=ls()) ##清除当前工作变量 setwd("K:\\") ##指定工作目录路径 a = read.csv("film.csv", header = T, stringsAsFactor = F) ##读入数据，不要将字符串视为factor summary(a) ##查看数据基本情况，检查缺失情况 a = na.omit(a) ##将数据集里全部NA所在行删除 film_high = a[which(a$boxoffice=max(a$boxoffice)),] ##查看票房最高纪录 film_low = a[which(a$boxoffice==min(a$boxoffice)),] ##查看票房最低纪录 hist(a$boxoffice,xlab="票房(万元)",ylab="频数", main="",col="dodgerblue") ##票房直方图 table(a$genre) ##电影类型统计 boxplot(log(boxoffice)~genre,xlab="电影类型", data=a,col="indianred1",ylab="对数票房") ##电影类型箱线图 table(a$month) ##上映月份统计 boxplot(log(boxoffice)~month,xlab="月份", data=a,col="dodgerblue",ylab="对数票房") ##上映月份箱线图 a$dangqi[a$month==12 | a$month==1 | a$month==2]="贺岁档" ##当期划分：贺岁档 a$dangqi[a$month==7 | a$month==8 | a$month==9]="暑期档" ##当期划分：暑期档 a$dangqi[a$month==3 | a$month==4]="普通档" ##当期划分：普通当 a$dangqi[a$month==5 | a$month==6]="黄金1档" ##当期划分：黄金1档 a$dangqi[a$month==10 | a$month==11]="黄金2档" ##当期划分：黄金2档 table(a$dangqi) ##上映档期统计 boxplot(log(boxoffice)~dangqi,xlab="档期", data=a,col="yellow",ylab="对数票房") ##上映档期箱线图 table(a$distribute) ##宣发公司统计 boxplot(log(boxoffice)~distribute,xlab="档期", data=a,col="dodgerblue",ylab="对数票房") ##宣发公司箱线图 par(mfrow=c(2,2)) ##输出2行2列图形 boxplot(log(boxoffice)~reality,data=a,col=c("dodgerblue"), names=c("否","是"), ylab="对数票房",xlab="是否改编") ##是否改编 boxplot(log(boxoffice)~story,data=a,col=c("indianred1"), names=c("原创","虚构"),ylab="",xlab="是否真人真事") ##是否原创 boxplot(log(boxoffice)~remake,data=a,col=c("lightgreen"), names=c("否","是"),ylab="",xlab="是否翻拍") ##是否翻拍 boxplot(log(boxoffice)~sequel,data=a,col=c("purple"), names=c("否","是"),ylab="",xlab="是否有续集") ##是否续集 par(mfrow=c(1,2)) ##输出1行2列图形 boxplot(log(boxoffice)~导演得奖情况,data=a, col=c("indianred1"),names=c("否","是"), ylab="对数票房",xlab="",main="导演获奖 vs 票房") ##导演是否获奖 boxplot(log(boxoffice)~导演是否转型,data=a, col=c("purple"),names=c("否","是"), ylab="",xlab="",main="导演转型 vs 票房") ##导演是否转型 ## 在比较导演年代时，我建议把30和40的统计归为50年代以下，这样不需要删样本 a$导演年代[a$导演年代<50]="50以下" ##将30和40年代合并为50以下 a$导演年代=factor(a$导演年代,c("50以下","50","60","70","80")) ##更改因子水平顺序 boxplot(log(boxoffice)~导演年代,data=a,col=c("orange"), ##不同年代导演的区别 ylab="对数票房",xlab="导 演 年 代") table(a$导演年代) lm=lm(log(boxoffice)~as.factor(genre)+as.factor(year)+ runtime+as.factor(dangqi)+as.factor(distribute) +as.factor(story)+sequel+reality +导演得奖情况+导演是否转型,data=a) ##拟合线性模型 summary(lm) ##给出估计结果 ##预测第一部电影的票房 test = a[1,] bb = exp(predict(lm,test))