豆瓣電影第一變化

❶ 為何《神探夏洛克》電影在豆瓣評分變化會這么大

上映之前，除了本身就關注此劇的群體，極少人會進入此劇豆瓣頁面進行標注。此群體根據喜好和此劇從前的水準，予以5星的預設分以表支持和期待。此時評分為9.7。上映後分數開始爆降。評分出現兩極分化。原因就是這不是一部劇情獨立的電影，而是在影院放映，前後劇情有著莫大關聯的的電視特輯。

再舉個簡單例子，比如第三季第一集里華生結婚那段，有個360度無死角撒花場景，大家看劇後都討論這個場景是怎麼拍的，官方發布了現場照解密，N多台攝像機圍成個半圓拍攝，就為這一個360度無死角的撒花鏡頭，對比我們動輒摳圖完成的電視劇，真是將天比地。

❷ 《肖申克的救贖》評分為豆瓣第一，為什麼它的評價這么高

第一遍看的時候我就也把這個電影當勵志的方向來看，只要你能像安迪一樣在任何情況下都不是去信心，在任何情況下都努力爭取、抗爭，你最後的命運一定掌握在自己的手中。看到他都這樣都還不失去信心，我們在生活中遇到的那些所謂的困難還有什麼能算的上是困難呢。

❸ 《肖申克的救贖》為何能一直占據豆瓣第一

《肖申克的救贖》為何能一直占據豆瓣第一？原因如下：

一，無法復刻無法超越的經典

如果要問勵志的電影，《肖申克的救贖》一定位列其中。而《肖申克的救贖》為何能一直占據豆瓣第一？從個人觀點來說：劇情的內容讓人產生很大的共鳴。這種共鳴是來自於心靈層面的共鳴。其次，他作為無法復刻無法超越的經典，可以說是後無來者。在經歷了人生的低谷，妻子的背叛，自己卻幫兇手背黑鍋，在長達幾年的思想斗爭以及看清了人間的險惡後，經過日復一日的努力逃出生天。從這部劇中不但讓人看到了救贖，還讓人看到了希望。

綜上所述，不知道大家對《肖申克的救贖》什麼不同的看法？歡迎補充討論，歡迎關注提問！

❹ 《肖申克的救贖》成為豆瓣評分第一的電影，你覺得它好看在哪裡

電影《肖申克的救贖》可以說是近幾十年來最好看的電影了，而且在豆瓣評分網站中也是拿到了最高分，可以說是老少皆宜的一部影片，而這部電影好看的地方，我個人認為是以下三點：1、電影中展現了人性的善惡；2、電影中有很多真實的情節；3、演員們的表演很真實。

3、演員們的表演很真實

最後，《肖申克的救贖》中出現的主要演員，其實都是在奧斯卡、金球獎等國際電影頒獎典禮中，拿到過最高榮譽的，所以他們的表演其實每一幀都是藝術品，尤其是黑人演員在自盡那一場戲的眼神，情感濃烈得似乎要溢出來了，也讓觀眾真實地感受到了那種絕望的情感，這也是這部電影最令人回味的地方。

❺ 豆瓣電影數據分析

這篇報告是我轉行數據分析後的第一篇報告，當時學完了Python，SQL，BI以為再做幾個項目就能找工作了，事實上……分析思維、業務，這兩者遠比工具重要的多。一個多月後回過頭來看，這篇報告雖然寫得有模有樣，但和數據分析報告還是有挺大差別的，主要原因在於：a.只是針對豆瓣電影數據分析太過寬泛了，具體關鍵指標到底是哪些呢？；b.沒有一個確切有效的分析模型/框架，會有種東一塊西一塊的拼接感。
即便有著這些缺點，我還是想把它掛上來，主要是因為：1.當做Pandas與爬蟲(Selenium+Request)練手，總得留下些證明；2.以豆瓣電影進行分析確實很難找到一條業務邏輯線支撐，總體上還是描述統計為主；3.比起網上能搜到的其他豆瓣電影數據分析，它更為詳細，可視化效果也不錯；

本篇報告旨在針對豆瓣電影1990-2020的電影數據進行分析，首先通過編寫Python網路爬蟲爬取了51375條電影數據，採集對象包括：電影名稱、年份、導演、演員、類型、出品國家、語言、時長、評分、評論數、不同評價佔比、網址。經過去重、清洗，最後得到29033條有效電影數據。根據電影評分、時長、地區、類型進行分析，描述了評分與時長、類型的關系，並統計了各個地區電影數量與評分。之後，針對演員、導演對數據進行聚合，給出產量與評分最高的名單。在分析過程中，還發現電影數量今年逐步增加，但評分下降，主要原因是中國地區今年低質量影視作品的增加。

另外，本篇報告還爬取了電影票房網（ http://58921.com/ ）1995-2020年度國內上映的影片票房，共採集4071條數據，其中3484條有效。進一步，本文分析了國內院線電影票房年度變化趨勢，票房與評分、評價人數、時長、地區的關系，票房與電影類型的關聯，並給出了票房最高的導演、演員與電影排名。

清洗、去重後，可以看到29033條數據長度、評分、評論數具有以下特點：

結合圖1(a)(b)看，可以看到電影數據時長主要集中在90-120分鍾之間，向兩極呈現階梯狀遞減，將數據按照短(60-90分鍾)，中(90-120分鍾)，長(120-150分鍾)，特長(>150分鍾)劃分，各部分佔比為21.06%, 64.15%, 11.95%, 2.85%。

結合圖2(a)看，可以看到我們採集到的電影數據評分主要集中在6.0-8.0之間，向兩極呈現階梯狀遞減，在此按照評分劃分區間：2.0-4.0為口碑極差，4.0-6.0為口碑較差，6.0-7.0為口碑尚可，7.0-8.0為口碑較好，8.0-10.0為口碑極佳。

這5種電影數據的佔比分別為：5.78%, 23.09%, 30.56%, 29.22%, 11.34%

再將評分數據細化到每年進行觀察，可以發現，30年內電影數量與年度電影均分呈反相關，年度均分整體呈現下降趨勢，2016年電影均分最低，電影數量最多。

進一步做出每個年份下不同評級等級的電影數據佔比，可以發現，近年來，評分在[2.0,6.0)的電影數據佔比有著明顯提升，評分在[6.0,7.0)的數據佔比不變，評分在[7.0,10.0)的數據佔比減少，可能原因有：

對照圖5，可以發現，評分與時長、評論人數的分布大致呈現漏斗狀，高分電影位於漏鬥上部，低分電影位於漏斗下部。這意味著，如果一部電影的評論人數很多（特別是超過30w人觀影），時長較長(大於120min)，那麼它大概率是一部好電影。

根據各個國家的電影數量作圖，可以得到圖6，列出電影數量前十的國家可得表格2，發現美國在電影數量上占第一，達到8490部，中國其次，達6222部。此外，法國，英國，日本的電影數量也超過1000，其餘各國電影數量相對較少。這可以說明美國電影有著較大的流量輸入，在中國產生了較大的影響。

進一步分析各國電影的質量，依據評分繪制評分箱線圖可得圖7，在電影數量排名前20的國家中：

接著我們可以探索，哪個國家的電影對豆瓣評分隨年份下降的貢獻最大，考慮到電影數量對應著評分的權重。根據上述各國的電影評分表現，我們可以猜測電影數量較多的國家可能對年度均分的下降有較大影響。於是，我們再計算出這些國家的年度電影均分，並與整體均分進行比較分析。

再作出中國大陸，中國台灣，中國香港的均分箱線圖圖9(a)，可以看到，大陸電影均分低於港台電影，且存在大量低分電影拉低了箱體的位置。

分析相關性可得，大陸、香港、台灣電影年度均分與全部評分關聯度分別為R=0.979,0.919,0.822，說明濾去台灣和香港電影，大陸電影年度均分的變化趨勢與全部評分變化更接近。圖9(b)可以進一步反映這一點。

可以看到，大部分類型集中在X×Y=[10000,30000]×[6.00,7.50]的區間范圍內，劇情、喜劇、愛情、犯罪、動作類電影數量上較多，說明這些題材的電影是近三十年比較熱門的題材，其中劇情類電影佔比最多，音樂、傳記類電影平均得分更高，但在數量上較少，動作、驚悚類電影評論人數雖多，但評價普遍偏低。

除此之外，還有兩塊區域值得關註：

根據類型對電影數據進行聚合，整理得到各類型電影評分的時間序列，計算它們與整體均分時間序列的相關性，可得表格4與圖11，可以看到劇情，喜劇，懸疑這三種類型片與總分趨勢變化相關性最強，同時劇情、喜劇類電影在電影數量上也最多，因此可以認為這兩類電影對於下跌趨勢影響最大，但其餘類別電影的相關性也達到了0.9以上，說明幾種熱門的電影得分的變化趨勢與總體均分趨勢一致。

前面已經得知，中美兩國電影佔比最高，且對於均分時間序列的影響最大。在此，進一步對兩國電影進行類型分析，選取幾種主要的類型（數量上較多，且相關性較高）進行分析，分別是劇情，喜劇，愛情，驚悚，動作，懸疑類電影，繪制近年來幾類電影的數量變化柱狀圖與評分箱線圖可得圖12,13,14,15。

對導演與演員進行聚合，得到數據中共有15011名導演，46223名演員。按照作品數量在(0,2], (2,5], (5,10], (10,20], (20,999]進行分組統計導演數量，可以發現，15009名導演中有79.08%只拍過1-2部作品，46220名演員中有75.93%只主演過1-2部作品。忽略那些客串、跑龍套的演員，數據總體符合二八定律，即20%的人占據了行業內的大量資源。

在此，可以通過電影得分、每部電影評論人數以及電影數目尋找優秀的電影導演與演員。這三項指標分別衡量了導演/演員的創作水平，人氣以及產能。考慮到電影數據集中可能有少量影視劇/劇場版動畫，且影視劇/劇場版動畫受眾少於電影，但得分普遍要高於電影，這里根據先根據每部電影評論數量、作品數量來篩選導演/演員，再根據電影得分進行排名，並取前30名進行作圖，可得圖17,18。

結合電影票房網（ http://58921.com/ ）採集到的3353條票房數據，與豆瓣數據按照電影名稱進行匹配，可以得到1995-2020年在中國大陸上映的電影信息，分別分析中國內地電影的數量、票房變化趨勢，票房與評分、評價人數、時長、地區以及類型的關系，此外還給出了不同導演與演員的票房表現以及影片票房排名。

如圖19所示，國內票房數據與上映的電影數量逐年遞增，2020年記錄的只是上半年的數據，且由於受疫情影響，票房與數量驟減。這說明在不發生重大事件的情況下，國內電影市場規模正在不斷擴大。

對電影數據根據類型進行聚合，繪制散點圖21，可以發現：

提取導演/演員姓名，對導演/演員欄位進行聚合，計算每個導演/演員的票房總和，上映電影均分、以及執導/參與電影數目進行計算，作出票房總和前30名的導演/演員，可得圖22,23，圖中導演/演員標號反映了票房排名，具體每位導演/演員的上映影片數量、均分、每部電影評價人數、平均時長與總票房在表5、表6中給出。

最後根據電影票房進行排名，得到票房排名前20的電影如表格7所示，可以看到絕大部分上榜電影都是中國電影，索引序號為3、10、12、14、18、19為美國電影，這也反映了除國產電影之外，好萊塢大片占據較大的市場。

本篇報告採集了1990-2020年間豆瓣電影29033組有效數據，從豆瓣電影的評分、時長、地區、類型、演員、導演以及票房等信息進行分析評價，主要有以下結論：

❻ 你覺得豆瓣電影的評分值得認可嗎

下面著重說一下豆瓣電影的評分是否有公信力：

1，豆瓣評分在影視行業中的地位：

關於影視作品的評分平台在國內其實不多，豆瓣、貓眼、淘票票、時光網、微博，大概就這些平台，其中，評分有影響力和說服力的就只有豆瓣、貓眼和淘票票這三個平台。而這三個平台中最被經常提及的是用戶量最少的豆瓣，豆瓣是個比較奇葩的存在，用戶量特別少，像《戰狼2》豆瓣標注總人數是50萬，《我不是葯神》八十萬，而貓眼和淘票票這種大熱的影片標注數都在三四百萬級別，比如貓眼，在國慶、過年這種高峰期一天的出票量就可以達到3000萬張票，所以豆瓣和貓眼淘票票從用戶數量上來說根本沒法比。

但是豆瓣評分在影迷群體當中（注意是影迷群體）的地位確實貓眼和淘票票比不了的，豆瓣建立比較早，積累了一大批影迷群體和文藝青年，他們對電影品質的要求比較高，所以豆瓣評分要比貓眼和淘票票嚴苛很多，也正是因為這種嚴苛，使得豆瓣的評分格外受到關注，因為隨隨便便一個國產電影很容易在貓眼和淘票票上拿到8分以上，而豆瓣的8分就顯得格外珍貴了，基本上7分以上的片子就非常不錯了，物以稀為貴，所以豆瓣評分在影視行業中的地位是不可撼動的，尤其對於好電影來說，貓眼和淘票票的評分拉不開差距，而豆瓣更能把好電影的「好」用具體數字標注出來，這也是為什麼這么多推薦電影和劇集的自媒體文章經常用「豆瓣X分神片...」這樣的句式來做文章標題。

2、豆瓣的反作弊機制是否完善：

其實從《豆瓣電影評分八問》一文中也能看出，豆瓣評分很難刷，從水軍的市場報價來看，刷豆瓣想看和評分的價格，也都是各個平台當中價格最高的那個，所以也側面證明了一點，豆瓣反作弊機制是相對可靠的。此處注意一點，對於評分的作弊和反作弊是一場攻堅戰，反作弊並不能完全防止作弊，反作弊的作用是使作弊的成本很高，高到作弊者望而卻步，就達到目的了。

3、豆瓣電影評分對於國產電影的價值：

上面說了，貓眼和淘票票的評分，絕大多數電影都能輕松過8分，而豆瓣對於國產電影說是過於嚴厲也不為過，基本上爛片都在2-4分，好片7.5-9分。沒有差，就談不上好，豆瓣這種能夠拉開差距的評分，從一定程度上來說是對電影市場中影片的優勝劣汰有巨大幫助的；

同時又不能過分誇大豆瓣評分的價值，因為在國內電影市場中，豆瓣評分與票房不一定是正相關的，由於豆瓣用戶群體的特殊性，文藝片、藝術片等影片在豆瓣上評分會偏高，而這類影片在貓眼和淘票票的用戶群（普通觀眾）中得分是普遍偏低的，此時豆瓣的高評分或許對影片的市場幫助不大，而商業類型片在豆瓣評分當中得分是偏低的，但是這些商業類型片普通觀眾最愛看，所以在貓眼和淘票票上評分會高一些，票房也就高一些。從這一點可以看出，如果單純從市場和票房角度來說，貓眼和淘票票的評分對於研究電影市場受眾和擴大票房更有幫助。

豆瓣電影的戾氣和寬容：

豆瓣電影已經不是我10年前玩豆瓣時候的樣子了，網頁版面倒沒太大的變化，只是用戶有進有出，用戶結構有了比較大的變化。現在的豆瓣戾氣比較重，沒上映的影片，沖著導演或演員打一星的人太多太多了。而且豆瓣評分現在呈現出兩極分化，簡單來說就是對於好電影，豆瓣評分會讓你顯得更好，而爛電影，豆瓣評分會讓你顯得更爛，6分左右的電影越來越少，對於好電影的寬容和對於爛電影的不寬容，這種矛盾的狀態或許就是豆瓣用戶感性的一面。

其實，不論是豆瓣還是貓眼淘票票，他們的評分都只是個參考絕對值，所在平台的評分並不能代表一部影片的品質，看電影畢竟是個相對主觀的事，有人覺得好有人覺得不好很正常。從目前的情況來看，貓眼和淘票票的評分更代表普通觀眾的感受，對於整體市場和票房來說更具有參考價值，而豆瓣電影的評分更能代表文藝青年和影迷群體的感受，對於電影評論和藝術水平的研究更有參考價值。