Jupyter Notebook《电影数据可视化及票房影响因素分析与预测》+源代码+文档说明

# douban-master ## 功能 数据获取: 使用爬虫工具, 在豆瓣TOP250榜单, 猫眼网票房排行榜上爬取电影相关数据, 如评分,票房等 数据持久化: 使用pandas中的DataFrame存储csv的方式和MySQL关系型数据库存储两种方式分别实现持久化 可视化分析: 从持久化的数据中选取相应数据的关系进行可视化分析 票房预测: 通过可视化分析得到的结论, 选取可能影响票房的因素, 建立预测模型和算法, 进行预测 --- ## 文件结构 | 文件 | 描述 | | -------------------------- | ------------------------------------ | | main.py | 数据爬虫及持久化的主函数 | | movie_basic.py | 豆瓣TOP250列表页爬取 | | movie_detail.py | 豆瓣电影详情内页爬取 | | database.py | 数据库连接操作及查询接口 | | attachfile.py | 静态内容，如请求头headers等 | | visualization_sql.ipynb | 数据可视化，数据使用SQL查询方式 | | visualization_pandas.ipynb | 数据可视化，数据使用pandas聚合等方式 | | predict.ipynb | 票房预测模型的建立和预测举例 | | /html | 存放爬取的html文件 | | /csv | 存放pandas处理的dataframe数据 | | /result | 存放可视化结果，及数据库内容截图等 | --- ## 技术栈 Python爬虫与数据处理: requests, lxml, re, pandas 数据持久化: pymysql, pandas, MySQL 数据清洗: pandas, MySQL (实际上没做) 可视化分析: pyecharts, matplotlib, SQL, pandas 模型预测: sklearn, numpy, matplotlib --- ## 可视化举例 .png) .png) .png) .png) .png) .png) .png) .png) .png) .png) .png) --- ## 票房预测举例 单位/万元