一般電影公司製作一部新電影推向市場時，要想獲得成功，通常要了解電影市場趨勢，觀衆喜好的電影類型，電影的發行情況，改編電影和原創電影的收益情況，以及觀衆喜歡什麼樣的內容。
所以本文就依樣畫葫蘆來做一個有關電影行業的數據分析。（電影行業我不是專業，重在讓大家學習一個過程）
源碼下載地址見文末。
一、提出問題
本案例來源於kaggle上的TMDB 5000 Movie Dataset數據集，爲了探討電影數據可視化，爲電影的製作提供數據支持，主要研究以下幾個問題：
電影類型如何隨着時間的推移發生變化的？
電影類型與利潤的關係？
Universal和Paramount兩家影視公司的對比情況如何？
改編電影和原創電影的對比情況如何？
電影時長與電影票房及評分的關係？
分析電影關鍵字
二、理解數據
1、採集數據
從kaggle上的TMDB 5000 Movie Dataset下載數據集：
https://www.kaggle.com/tmdb/tmdb-movie-metadata
2、導入數據
3、查看數據集信息
下面是moviedf數據集中部分字段的含義介紹：
id：
標識號
imdb id:IMDB標識號
popularity：
在Movie Database上的相對頁面查看次數
budget：
預算（美元）
revenue：
收入（美元）
original_title：
電影名稱
cast：
演員列表，按|分隔，最多5名演員
homepage：
電影首頁的URL
director：
導演列表，按|分隔，最多5名導演
tagline：
電影的標語
keywords：
與電影相關的關鍵字，按|分隔，最多5個關鍵字
overview：
劇情摘要
runtime：
電影時長
genres：
風格列表，按|分隔，最多5種風格
production_companies：
製作公司列表，按|分隔，最多5家公司
release_date：
首次上映日期
vote_count：
評分次數
vote_average：
平均評分·release year：
發行年份
三、數據清洗
1、先將credits數據集和moviedf數據集中的數據合併在一起，再查看合併後的數據集信息：
2、選取子集
由於數據集中包含的信息過多，其中部分數據並不是我們研究的重點，所以從中選取我們需要的數據：
由於後面的數據分析涉及到電影類型的利潤計算，先求出每部電影的利潤，並在數據集moviesdf中增加profit數據列：
3、缺失值處理
通過上面的數據集信息可以知道：整個數據集缺失的數據比較少
其中release_date（首次上映日期）缺失1個數據，runtime（電影時長）缺失2個數據，可以通過網上查詢補齊這個數據。
填補release_date（首次上映日期）數據：
找出runtime（電影時長）缺失的數據：
填充runtime缺失值：
4、數據格式轉換
genres列數據處理:
release_date列數據處理：
四、數據分析及可視化
問題一：電影類型如何隨着時間的推移發生變化的？
1、建立包含年份與電影類型數量的關係數據框：
2、數據可視化
繪製各種電影類型的數量柱狀圖：
繪製各種電影類型佔比的餅狀圖：
分析結論：
從上面的結果可以看出，在所有的電影類型中，Drama(戲劇)類型電影最多，佔所有電影類型的18.9%，其次爲Comedy(喜劇)，佔所有電影類型的14.2%。
在所有電影類型中，電影數量排名前5的電影類型分別爲：
Drama(戲劇)、Comedy(喜劇)、Thriller(驚悚)、Action（動作）、Romance（冒險）。
3、電影類型隨時間變化的趨勢分析：
分析結論：
從圖中觀察到，隨着時間的推移，所有電影類型都呈現出增長趨勢，尤其是1992年以後各個類型的電影均增長迅速，其中Drama(戲劇)和Comedy(喜劇)增長最快，目前仍是最熱門的電影類型。
問題二：電影類型與利潤的關係？
先求出各種電影類型的平均利潤：
電影類型平均利潤數據可視化：
分析結論：
從圖中觀察到，拍攝Animation、Adventure、Fantasy這三類電影盈利最好，而拍攝Foreign、TV、Movie這三類電影會存在虧本的風險。
問題三：Universal Pictures和Paramount Pictures兩家影視公司發行電影的對比情況如何？
Universal Pictures(環球影業)和Paramount Pictures(派拉蒙影業)是美國兩家電影巨頭公司。
1、查看 Universal Pictures和Paramount Pictures兩家影視公司電影發行的數量
先對production_companies列數據進行處理：
查詢production_companies數據列並統計Universal Pictures和Paramount Pictures的數據：
使用餅狀圖比較兩家公司發行的電影占比：
2、分析Universal Pictures和Paramount Pictures兩家影視公司電影發行的走勢
抽取相關數據列進行處理：
兩家影視公司電影發行的折線圖：
分析結論：
從圖中觀察到，隨着時間的推移，Universal Pictures和Paramount Pictures公司的電影發行量呈現出增長趨勢，尤其是在1995年後增長迅速，其中Universal Pictures公司比Paramount Pictures公司發行的電影數量更多。
問題四：改編電影和原創電影的對比情況如何？
對keywords列數據處理：
描繪柱狀圖，對改編電影與原創電影在預算、收入及利潤三方面進行比較：
分析結論：
從圖上可以看出，改編電影的預算略高於原創電影，但改編電影的票房收入和利潤遠遠高於原創電影， 這可能是改編電影擁有一定的影迷基礎。
問題五：電影時長與電影票房及評分的關係
電影時長與電影票房的關係：
電影時長與電影平均評分的關係：
分析結論：
從圖上可以看出，電影要想獲得較高的票房及良好的口碑，電影的時長應保持在90~150分鐘內。
問題六：分析電影關鍵字
先提取電影關鍵字：
通過詞雲包WordCloud生成詞雲圖：
分析結論：
通過對電影關鍵字的分析，電影中經常被提及的詞語是女性（woman）、獨立（independent）,其次是謀殺（murder）、愛情（love）、警察（police）、暴力（violence），可見觀衆對女性和獨立方面題材的電影最感興趣，其次是是犯罪類和愛情類電影。
來源：數據分析不是個事兒