代码分享：电影数据分析与可视化系统

# 数据集简介 本数据集采集于豆瓣电影，电影与演员数据收集，影评数据(用户、评分、评论)收集于2019年9月初，共945万数据，其中包含14万部电影，7万演员，63万用户，416万条电影评分，442万条影评，是当前国内互联网公开的电影数据集中最全的一份（据我所知）！ 数据集共有5个文件: movies.csv、person.csv、users.csv、comments.csv、ratings.csv，关于各个文件的具体内容将在下文介绍。 # 数据格式 ## Movie数据格式 电影数据共140502部，2019年之前的电影有139129，当前未上映的有1373部，包含21个字段，部分字段数据为空，字段说明如下: - MOVIE_ID: 电影ID，对应豆瓣的DOUBAN_ID - NAME: 电影名称 - ALIAS: 别名 - ACTORS: 主演 - COVER: 封面图片地址 - DIRECTORS: 导演 - GENRES: 类型 - OFFICIAL_SITE: 地址 - REGIONS: 制片国家/地区 - LANGUAGES: 语言 - RELEASE_DATE: 上映日期 - MINS: 片长 - IMDB_ID: IMDbID - DOUBAN_SCORE: 豆瓣评分 - DOUBAN_VOTES: 豆瓣投票数 - TAGS: 标签 - STORYLINE: 电影描述 - SLUG: 加密的url，可忽略 - YEAR: 年份 - ACTOR_IDS: 演员与PERSON_ID的对应关系,多个演员采用“\|”符号分割，格式“演员A:ID\|演员B:ID”； - DIRECTOR_IDS: 导演与PERSON_ID的对应关系,多个导演采用“\|”符号分割，格式“导演A:ID\|导演B:ID”； ## Person数据格式 Person文件只包括演员和导演，不包含豆瓣用户数据，共72959个名人数据，包含10个字段，每个PERSON_ID都会对应一个name，不存在PERSON_ID的数据已过滤，各个字段说明如下: - PERSON_ID: 名人ID - NAME: 演员名称 - SEX: 性别 - NAME_EN: 更多英文名 - NAME_ZH: 更多中文名 - BIRTH: 出生日期 - BIRTHPLACE: 出生地 - CONSTELLATORY: 星座 - PROFESSION: 职业 - BIOGRAPHY: 简介，存在简介数据的名人只有15135个。 ## User数据格式 users.csv数据为豆瓣用户的无脱敏信息，主要是与评论和评分绑定在一起，共获取了639125用户数据，包含4个字段，具体的字段如下： - USER_ID：豆瓣用户ID - USER_NICKNAME: 评论用户昵称 - USER_AVATAR: 评论用户头像 - USER_URL: 评论用户url ## Rating数据 评分数据从评论数据中获得，由于豆瓣限制了未登录用户查看的数据量，所以每部电影最多320个评分，最终得到600384个用户的4169420条评分数据，涉及电影68471部，评分值为1-5分（1-很差，2-较差，3-还行，4-推荐，5-力荐），共包含5个字段，数据格式如下： - RATING_ID: 评分ID - USER_ID：豆瓣用户ID - MOVIE_ID: 电影ID，对应豆瓣的DOUBAN_ID - RATING: 评分 - RATING_TIME: 评分时间 ## Comment数据格式 评论数据共4428475 条，包含6个字段，各个字段说明如下: - COMMENT_ID: 评论ID - USER_ID：用户ID - MOVIE_ID: 电影ID，对应豆瓣的DOUBAN_ID - CONTENT: 评论内容 - VOTES: 评论赞同数 - COMMENT_TIME: 评论时间