豆瓣电影第一变化

❶ 为何《神探夏洛克》电影在豆瓣评分变化会这么大

上映之前，除了本身就关注此剧的群体，极少人会进入此剧豆瓣页面进行标注。此群体根据喜好和此剧从前的水准，予以5星的预设分以表支持和期待。此时评分为9.7。上映后分数开始爆降。评分出现两极分化。原因就是这不是一部剧情独立的电影，而是在影院放映，前后剧情有着莫大关联的的电视特辑。

再举个简单例子，比如第三季第一集里华生结婚那段，有个360度无死角撒花场景，大家看剧后都讨论这个场景是怎么拍的，官方发布了现场照解密，N多台摄像机围成个半圆拍摄，就为这一个360度无死角的撒花镜头，对比我们动辄抠图完成的电视剧，真是将天比地。

❷ 《肖申克的救赎》评分为豆瓣第一，为什么它的评价这么高

第一遍看的时候我就也把这个电影当励志的方向来看，只要你能像安迪一样在任何情况下都不是去信心，在任何情况下都努力争取、抗争，你最后的命运一定掌握在自己的手中。看到他都这样都还不失去信心，我们在生活中遇到的那些所谓的困难还有什么能算的上是困难呢。

❸ 《肖申克的救赎》为何能一直占据豆瓣第一

《肖申克的救赎》为何能一直占据豆瓣第一？原因如下：

一，无法复刻无法超越的经典

如果要问励志的电影，《肖申克的救赎》一定位列其中。而《肖申克的救赎》为何能一直占据豆瓣第一？从个人观点来说：剧情的内容让人产生很大的共鸣。这种共鸣是来自于心灵层面的共鸣。其次，他作为无法复刻无法超越的经典，可以说是后无来者。在经历了人生的低谷，妻子的背叛，自己却帮凶手背黑锅，在长达几年的思想斗争以及看清了人间的险恶后，经过日复一日的努力逃出生天。从这部剧中不但让人看到了救赎，还让人看到了希望。

综上所述，不知道大家对《肖申克的救赎》什么不同的看法？欢迎补充讨论，欢迎关注提问！

❹ 《肖申克的救赎》成为豆瓣评分第一的电影，你觉得它好看在哪里

电影《肖申克的救赎》可以说是近几十年来最好看的电影了，而且在豆瓣评分网站中也是拿到了最高分，可以说是老少皆宜的一部影片，而这部电影好看的地方，我个人认为是以下三点：1、电影中展现了人性的善恶；2、电影中有很多真实的情节；3、演员们的表演很真实。

3、演员们的表演很真实

最后，《肖申克的救赎》中出现的主要演员，其实都是在奥斯卡、金球奖等国际电影颁奖典礼中，拿到过最高荣誉的，所以他们的表演其实每一帧都是艺术品，尤其是黑人演员在自尽那一场戏的眼神，情感浓烈得似乎要溢出来了，也让观众真实地感受到了那种绝望的情感，这也是这部电影最令人回味的地方。

❺ 豆瓣电影数据分析

这篇报告是我转行数据分析后的第一篇报告，当时学完了Python，SQL，BI以为再做几个项目就能找工作了，事实上……分析思维、业务，这两者远比工具重要的多。一个多月后回过头来看，这篇报告虽然写得有模有样，但和数据分析报告还是有挺大差别的，主要原因在于：a.只是针对豆瓣电影数据分析太过宽泛了，具体关键指标到底是哪些呢？；b.没有一个确切有效的分析模型/框架，会有种东一块西一块的拼接感。
即便有着这些缺点，我还是想把它挂上来，主要是因为：1.当做Pandas与爬虫(Selenium+Request)练手，总得留下些证明；2.以豆瓣电影进行分析确实很难找到一条业务逻辑线支撑，总体上还是描述统计为主；3.比起网上能搜到的其他豆瓣电影数据分析，它更为详细，可视化效果也不错；

本篇报告旨在针对豆瓣电影1990-2020的电影数据进行分析，首先通过编写Python网络爬虫爬取了51375条电影数据，采集对象包括：电影名称、年份、导演、演员、类型、出品国家、语言、时长、评分、评论数、不同评价占比、网址。经过去重、清洗，最后得到29033条有效电影数据。根据电影评分、时长、地区、类型进行分析，描述了评分与时长、类型的关系，并统计了各个地区电影数量与评分。之后，针对演员、导演对数据进行聚合，给出产量与评分最高的名单。在分析过程中，还发现电影数量今年逐步增加，但评分下降，主要原因是中国地区今年低质量影视作品的增加。

另外，本篇报告还爬取了电影票房网（ http://58921.com/ ）1995-2020年度国内上映的影片票房，共采集4071条数据，其中3484条有效。进一步，本文分析了国内院线电影票房年度变化趋势，票房与评分、评价人数、时长、地区的关系，票房与电影类型的关联，并给出了票房最高的导演、演员与电影排名。

清洗、去重后，可以看到29033条数据长度、评分、评论数具有以下特点：

结合图1(a)(b)看，可以看到电影数据时长主要集中在90-120分钟之间，向两极呈现阶梯状递减，将数据按照短(60-90分钟)，中(90-120分钟)，长(120-150分钟)，特长(>150分钟)划分，各部分占比为21.06%, 64.15%, 11.95%, 2.85%。

结合图2(a)看，可以看到我们采集到的电影数据评分主要集中在6.0-8.0之间，向两极呈现阶梯状递减，在此按照评分划分区间：2.0-4.0为口碑极差，4.0-6.0为口碑较差，6.0-7.0为口碑尚可，7.0-8.0为口碑较好，8.0-10.0为口碑极佳。

这5种电影数据的占比分别为：5.78%, 23.09%, 30.56%, 29.22%, 11.34%

再将评分数据细化到每年进行观察，可以发现，30年内电影数量与年度电影均分呈反相关，年度均分整体呈现下降趋势，2016年电影均分最低，电影数量最多。

进一步做出每个年份下不同评级等级的电影数据占比，可以发现，近年来，评分在[2.0,6.0)的电影数据占比有着明显提升，评分在[6.0,7.0)的数据占比不变，评分在[7.0,10.0)的数据占比减少，可能原因有：

对照图5，可以发现，评分与时长、评论人数的分布大致呈现漏斗状，高分电影位于漏斗上部，低分电影位于漏斗下部。这意味着，如果一部电影的评论人数很多（特别是超过30w人观影），时长较长(大于120min)，那么它大概率是一部好电影。

根据各个国家的电影数量作图，可以得到图6，列出电影数量前十的国家可得表格2，发现美国在电影数量上占第一，达到8490部，中国其次，达6222部。此外，法国，英国，日本的电影数量也超过1000，其余各国电影数量相对较少。这可以说明美国电影有着较大的流量输入，在中国产生了较大的影响。

进一步分析各国电影的质量，依据评分绘制评分箱线图可得图7，在电影数量排名前20的国家中：

接着我们可以探索，哪个国家的电影对豆瓣评分随年份下降的贡献最大，考虑到电影数量对应着评分的权重。根据上述各国的电影评分表现，我们可以猜测电影数量较多的国家可能对年度均分的下降有较大影响。于是，我们再计算出这些国家的年度电影均分，并与整体均分进行比较分析。

再作出中国大陆，中国台湾，中国香港的均分箱线图图9(a)，可以看到，大陆电影均分低于港台电影，且存在大量低分电影拉低了箱体的位置。

分析相关性可得，大陆、香港、台湾电影年度均分与全部评分关联度分别为R=0.979,0.919,0.822，说明滤去台湾和香港电影，大陆电影年度均分的变化趋势与全部评分变化更接近。图9(b)可以进一步反映这一点。

可以看到，大部分类型集中在X×Y=[10000,30000]×[6.00,7.50]的区间范围内，剧情、喜剧、爱情、犯罪、动作类电影数量上较多，说明这些题材的电影是近三十年比较热门的题材，其中剧情类电影占比最多，音乐、传记类电影平均得分更高，但在数量上较少，动作、惊悚类电影评论人数虽多，但评价普遍偏低。

除此之外，还有两块区域值得关注：

根据类型对电影数据进行聚合，整理得到各类型电影评分的时间序列，计算它们与整体均分时间序列的相关性，可得表格4与图11，可以看到剧情，喜剧，悬疑这三种类型片与总分趋势变化相关性最强，同时剧情、喜剧类电影在电影数量上也最多，因此可以认为这两类电影对于下跌趋势影响最大，但其余类别电影的相关性也达到了0.9以上，说明几种热门的电影得分的变化趋势与总体均分趋势一致。

前面已经得知，中美两国电影占比最高，且对于均分时间序列的影响最大。在此，进一步对两国电影进行类型分析，选取几种主要的类型（数量上较多，且相关性较高）进行分析，分别是剧情，喜剧，爱情，惊悚，动作，悬疑类电影，绘制近年来几类电影的数量变化柱状图与评分箱线图可得图12,13,14,15。

对导演与演员进行聚合，得到数据中共有15011名导演，46223名演员。按照作品数量在(0,2], (2,5], (5,10], (10,20], (20,999]进行分组统计导演数量，可以发现，15009名导演中有79.08%只拍过1-2部作品，46220名演员中有75.93%只主演过1-2部作品。忽略那些客串、跑龙套的演员，数据总体符合二八定律，即20%的人占据了行业内的大量资源。

在此，可以通过电影得分、每部电影评论人数以及电影数目寻找优秀的电影导演与演员。这三项指标分别衡量了导演/演员的创作水平，人气以及产能。考虑到电影数据集中可能有少量影视剧/剧场版动画，且影视剧/剧场版动画受众少于电影，但得分普遍要高于电影，这里根据先根据每部电影评论数量、作品数量来筛选导演/演员，再根据电影得分进行排名，并取前30名进行作图，可得图17,18。

结合电影票房网（ http://58921.com/ ）采集到的3353条票房数据，与豆瓣数据按照电影名称进行匹配，可以得到1995-2020年在中国大陆上映的电影信息，分别分析中国内地电影的数量、票房变化趋势，票房与评分、评价人数、时长、地区以及类型的关系，此外还给出了不同导演与演员的票房表现以及影片票房排名。

如图19所示，国内票房数据与上映的电影数量逐年递增，2020年记录的只是上半年的数据，且由于受疫情影响，票房与数量骤减。这说明在不发生重大事件的情况下，国内电影市场规模正在不断扩大。

对电影数据根据类型进行聚合，绘制散点图21，可以发现：

提取导演/演员姓名，对导演/演员字段进行聚合，计算每个导演/演员的票房总和，上映电影均分、以及执导/参与电影数目进行计算，作出票房总和前30名的导演/演员，可得图22,23，图中导演/演员标号反映了票房排名，具体每位导演/演员的上映影片数量、均分、每部电影评价人数、平均时长与总票房在表5、表6中给出。

最后根据电影票房进行排名，得到票房排名前20的电影如表格7所示，可以看到绝大部分上榜电影都是中国电影，索引序号为3、10、12、14、18、19为美国电影，这也反映了除国产电影之外，好莱坞大片占据较大的市场。

本篇报告采集了1990-2020年间豆瓣电影29033组有效数据，从豆瓣电影的评分、时长、地区、类型、演员、导演以及票房等信息进行分析评价，主要有以下结论：

❻ 你觉得豆瓣电影的评分值得认可吗

下面着重说一下豆瓣电影的评分是否有公信力：

1，豆瓣评分在影视行业中的地位：

关于影视作品的评分平台在国内其实不多，豆瓣、猫眼、淘票票、时光网、微博，大概就这些平台，其中，评分有影响力和说服力的就只有豆瓣、猫眼和淘票票这三个平台。而这三个平台中最被经常提及的是用户量最少的豆瓣，豆瓣是个比较奇葩的存在，用户量特别少，像《战狼2》豆瓣标注总人数是50万，《我不是药神》八十万，而猫眼和淘票票这种大热的影片标注数都在三四百万级别，比如猫眼，在国庆、过年这种高峰期一天的出票量就可以达到3000万张票，所以豆瓣和猫眼淘票票从用户数量上来说根本没法比。

但是豆瓣评分在影迷群体当中（注意是影迷群体）的地位确实猫眼和淘票票比不了的，豆瓣建立比较早，积累了一大批影迷群体和文艺青年，他们对电影品质的要求比较高，所以豆瓣评分要比猫眼和淘票票严苛很多，也正是因为这种严苛，使得豆瓣的评分格外受到关注，因为随随便便一个国产电影很容易在猫眼和淘票票上拿到8分以上，而豆瓣的8分就显得格外珍贵了，基本上7分以上的片子就非常不错了，物以稀为贵，所以豆瓣评分在影视行业中的地位是不可撼动的，尤其对于好电影来说，猫眼和淘票票的评分拉不开差距，而豆瓣更能把好电影的“好”用具体数字标注出来，这也是为什么这么多推荐电影和剧集的自媒体文章经常用“豆瓣X分神片...”这样的句式来做文章标题。

2、豆瓣的反作弊机制是否完善：

其实从《豆瓣电影评分八问》一文中也能看出，豆瓣评分很难刷，从水军的市场报价来看，刷豆瓣想看和评分的价格，也都是各个平台当中价格最高的那个，所以也侧面证明了一点，豆瓣反作弊机制是相对可靠的。此处注意一点，对于评分的作弊和反作弊是一场攻坚战，反作弊并不能完全防止作弊，反作弊的作用是使作弊的成本很高，高到作弊者望而却步，就达到目的了。

3、豆瓣电影评分对于国产电影的价值：

上面说了，猫眼和淘票票的评分，绝大多数电影都能轻松过8分，而豆瓣对于国产电影说是过于严厉也不为过，基本上烂片都在2-4分，好片7.5-9分。没有差，就谈不上好，豆瓣这种能够拉开差距的评分，从一定程度上来说是对电影市场中影片的优胜劣汰有巨大帮助的；

同时又不能过分夸大豆瓣评分的价值，因为在国内电影市场中，豆瓣评分与票房不一定是正相关的，由于豆瓣用户群体的特殊性，文艺片、艺术片等影片在豆瓣上评分会偏高，而这类影片在猫眼和淘票票的用户群（普通观众）中得分是普遍偏低的，此时豆瓣的高评分或许对影片的市场帮助不大，而商业类型片在豆瓣评分当中得分是偏低的，但是这些商业类型片普通观众最爱看，所以在猫眼和淘票票上评分会高一些，票房也就高一些。从这一点可以看出，如果单纯从市场和票房角度来说，猫眼和淘票票的评分对于研究电影市场受众和扩大票房更有帮助。

豆瓣电影的戾气和宽容：

豆瓣电影已经不是我10年前玩豆瓣时候的样子了，网页版面倒没太大的变化，只是用户有进有出，用户结构有了比较大的变化。现在的豆瓣戾气比较重，没上映的影片，冲着导演或演员打一星的人太多太多了。而且豆瓣评分现在呈现出两极分化，简单来说就是对于好电影，豆瓣评分会让你显得更好，而烂电影，豆瓣评分会让你显得更烂，6分左右的电影越来越少，对于好电影的宽容和对于烂电影的不宽容，这种矛盾的状态或许就是豆瓣用户感性的一面。

其实，不论是豆瓣还是猫眼淘票票，他们的评分都只是个参考绝对值，所在平台的评分并不能代表一部影片的品质，看电影毕竟是个相对主观的事，有人觉得好有人觉得不好很正常。从目前的情况来看，猫眼和淘票票的评分更代表普通观众的感受，对于整体市场和票房来说更具有参考价值，而豆瓣电影的评分更能代表文艺青年和影迷群体的感受，对于电影评论和艺术水平的研究更有参考价值。