2019年就這麼匆匆過去了，就在前幾天國家電影局發佈了2019年中國電影市場數據，數據顯示去年總票房爲642.66億元，同比增長5.4%；國產電影總票房411.75億元，同比增長8.65%，市場佔比 64.07%；城市院線觀影人次17.27億，同比增長0.64%。
看上去似乎是一片大好對不對？不過作爲一名嚴謹求實的數據分析師，我從官方數據中看出了一點端倪：國產票房增幅都已經高達8.65%了，爲什麼觀影人次增長不足1%？
到底爲什麼會出現這樣的現象，最好的辦法就是從數據中找答案。我們說幹就幹，按照老規矩，先用python爬取數據、再用BI進行數據分析，最終事情的真相就會顯現在我們面前。
一、分析目的和分析指標
首先明確我們數據分析的目的，根據2019年電影的數據分析國內電影市場，主要是爲了找到票房與觀影人次的關係。
怎麼去衡量一部電影的好壞呢？懂電影的人應該都知道這麼幾個指標：“電影票房”、“票房佔比”、“上座率”、“排片比”、“評分”等等，其中我們的數據源就用貓眼電影吧，但是因爲貓眼評分門檻很低，可能充斥着很多水軍，所以這次就不用“評分”這個指標了。
二、python爬取
下面就要開始爬取數據了，因爲貓眼電影的網頁結構比較簡單，爬取操作比較簡單，所以這裏我就不詳細展示了，只說幾步需要注意的地方就行。
注：源代碼可以在後臺私信回覆我 “電影” 獲得！
1、先看看結構
從貓眼電影上可以看到我們要爬取的網頁，首先要提取出這個網頁的信息，在瞭解了大體的情況之後，就右鍵選擇查看網頁的源代碼，看一下我們需要爬取的數據信息在源代碼中的什麼地方。
2、僞裝成瀏覽器進行數據請求
這個方法就是老生常談的事情了，這裏不細講了，在發送請求前加上headers參數即可。
3、提取數據
貓眼裏的電影票房等都是加密後的字體，因此我們需要解密字體。雖然字符的編碼是變化的，但是對象是不變的。那麼我們可以通過第一次下載一個字體文件origin.ttf，並把對應編碼的字體寫出來，當第二次從網上重新下載一個字體文件online_base64.ttf 的時候，可以對比對象信息，如果對象是一樣的，那麼就把第一次編碼對應的文字賦值給第二次的編碼，這樣即可。
4、主程序調用保存在excel中
首先需要建立一個空列表，將所有的數據添加到裏面去。在之前的提取數據那個函數的時候，將print（data），改寫成yield data，將所有的數據添加到一個列表之後就可以保存數據了。
5、需要注意的地方
- 下載一個基本字體路徑，找到它對應的數字及其編碼
- 每一次爬取網頁時，都要先下載該網頁的字體文件，然後與基本字體文件作對比，獲得爬取網頁的數字對應編碼。
三、BI分析
有了源文件，我們就可以進行BI分析了，至於爲什麼不用python是因爲比較麻煩，像我們如果要做二八分析模型，代碼寫起來還是比較麻煩的，日常共工作中不太能滿足需求。
所以一般來說我現在都是用專業的BI工具進行數據分析。目前市場上的BI工具十分繁多，但是性能也參差不齊，這裏我就以國產BI工具的優秀代表FineBI爲例。
注：想要獲取finebi下載地址，可以後臺私信回覆“電影”獲得！
1、數據連接
首先導入我們需要分析的數據，finebi可以連接Excel，CSV，XML，以及各類數據庫，這裏因爲有了python爬取到的excel表，所以直接選擇excel導入即可。
2、數據加工
我們爬取到的數據可能需要第二次加工，比如髒數據處理、數據合併、過濾等等，FineBI是通過自助數據集的方式，根據需求對原數據進行再加工處理，新建一個用於分析的數據集，再處理包括選擇字段、過濾、分組彙總、新增列、字段設置、排序、合併的操作。
3、數據可視化
因爲本次涉及到的指標比較簡單，所以基本通過FineBI拖拽數據字段即可呈現可視化。
四、結論分析
不說廢話，先放結論：
- 國內電影市場接近飽和，今年的成績是虛假繁榮；
- 頭部效應加劇，大多數電影票房慘淡，市場成績不佳；
- 票房的增長基本是靠電影價格拉動起來的，觀影人次基本沒有增長，電影寒冬到來；
1、票房排名前二十的電影
今年票房前二十名中一半以上都是國產電影，看似繁榮，但其實從上圖的區間柱狀圖中能夠看出，《哪吒》、《流浪地球》、《復聯4》三部電影屬於第一梯隊，票房在40億以上；《我和我的祖國》、《中國機長》、《瘋狂的外星人》、《海王》屬於第二梯隊，票房在20-30億左右；剩下的電影中基本在20億以下，排名20的《銀行補習班》只有8億。
整體來說，去年國內電影市場爆款較多，但是整體呈現階梯狀，斷崖較多，大部分集中於前五名之中，大體上符合二八法則。
2、票房的帕累託模型
爲了搞清是否真的符合帕累托法則，我特意用FineBI加入了一條票房累積百分比：
結果很明顯，排名前20%的電影占據了整個市場80%以上的票房總量，也就是說，去年國內市場的票房總量基本上靠着幾大爆款電影撐起來的，票房分佈越來越集中絕對不是一件好事，這意味大多數的電影成績慘淡，根本沒有生存空間。
3、票房佔比、排片率與票房的關係
- 票房佔比：電影票房收入佔總收入的比例，票房佔比越高，說明電影質量越好，人們越想看；
- 排片率：排片率高、票房低就是爛片，而排片率低、票房高的電影纔是黑馬；
這張圖我們可以跟排名前二十的柱狀圖對比一下，真正意義上高票房、高票房佔比、低排片率的黑馬電影有哪些呢？答案只有一部《流浪地球》。
《哪吒》的排片率高是因爲上映同期沒有什麼優質電影與之競爭，所以《哪吒》的成功一半要歸功於人和，一半要歸功於天時；《瘋狂外星人》的表現中規中矩，《海王》屬於典型的商業片，《我和我的祖國》屬於特殊情況，不能一概而論。
4、上座率與票房的關係
- 上座率：即一部影片獲得觀衆人次的多少，優秀的影片上座率就高，反之則低
爲了方便對比，我在圖中加入了一條平均上座率的警戒線，其中上座率最高的是《我和我的祖國》、《我爲你犧牲》，原因就不說了，大家應該都明白；其中比較奇怪的是《飛馳人生》、《新喜劇之王》、《攀登者》，上座率非常高，票房成績卻不如人意，應該是得益於其導演、主演的號召力。
《流浪地球》上座率在平均值以上，無論從哪個角度看都是一部好電影，無懈可擊。
值得欣慰的是，上座率排名靠前的基本都是國產電影，看的出來國外電影尚不能滿足大多數人的口味。
5、做點其他分析
電影類型與上座率的關係
喜劇電影一騎絕塵，動畫電影黑馬突起，科幻電影方興未艾，驚悚、懸疑、歷史等小衆題材的電影仍然慘淡無比。
顏色越深代表上座率越高，字體越大代表票房越高
陳凱歌現在雖然經常被爛片之王所詬病，但是不得不說他的成績還是很不錯的，另外像甯浩、韓寒、郭帆、陳國輝等人都是國產電影的希望。
最後別忘了，python源代碼和BI下載地址，都可以私信我“電影”獲得！
