前几天花时间抓取了豆瓣上所有收录的中国movie和tv共计9681部,,其中电影5664部,tv(包含电视剧,综艺节目等)4026部,下面从不同维度来看一下 这些数据。
数据全部基于豆瓣收录,没有收录的不做讨论,2017年部分数据后续加入。
时间跨度
最早的剧从1905年的1部开始,到如今2017的301部(部分数据), 可以看到中国电影电视剧百年历史,下面统称电影,后面分析电影和电视剧的时候会做区分。
这篇文章就由此命名。
1905年中国第一部电影[定军山(https://movie.douban.com/subject/1915340/), 任景丰 导演,谭鑫培主演, 是一部戏剧纪录片。
除此之外,还有48部剧没有年份。
1905~~1949年:
这期间电影在1931到1941年间经历过很好的发展,
1950~~1986:
在这三十几年间,电影数据在1950~1954, 1961, 1966~1969年间经历过浮动,电影的浮动也可用于反应当时的社会状况。
1987~2017:
这三十年,电影数目逐年上升,最高的16年555部。
分地区查看
取出部分合拍片,数据如下:
{'_id': '中国大陆', 'count': 7328}
{'_id': '香港', 'count': 1684}
{'_id': '台湾', 'count': 695}
对中国大陆做年份统计:
相比总体情况,1905~1949, 1987~2017的情况相差不是很大。中间时间段的图形如下:
其中1966~1977年电影出现了巨大的断层。
对香港的统计如下:
其中香港1935年有了第一部电影国风,
并在1986~2000年间电影经历的很好的发展。
对台湾的统计如下:
变化趋势如下,1988年出现断层。
其中第一部电影是香港台湾合拍的 倩女幽魂
存在数据库中的一条记录如下,后面后根据不同维度去统计一些信息,看会不会有额外的收获。
导演维度
全部9681剧剧共计4867个导演(同一部电影可以多个导演)。
其中王晶以47部之最排第一,后面是张彻的45部,杜琪峰的40部。
下面是导演剧目超过15部的导演(包括电影和电视剧)
{'_id': '王晶', 'count': 47}
{'_id': '张彻', 'count': 45}
{'_id': '杜琪峰', 'count': 40}
{'_id': '邓衍成', 'count': 33}
{'_id': '李翰祥', 'count': 30}
{'_id': '陈家林', 'count': 28}
{'_id': '朱延平', 'count': 26}
{'_id': '徐克', 'count': 26}
{'_id': '高峰', 'count': 22}
{'_id': '高志森', 'count': 22}
{'_id': '谢晋', 'count': 22}
{'_id': '楚原', 'count': 22}
{'_id': '黄伟明', 'count': 21}
{'_id': '洪金宝', 'count': 21}
{'_id': '杨亚洲', 'count': 21}
{'_id': '刘伟强', 'count': 21}
{'_id': '张国立', 'count': 21}
{'_id': '谢铁骊', 'count': 20}
{'_id': '袁和平', 'count': 19}
{'_id': '蔡明亮', 'count': 18}
{'_id': '高希希', 'count': 18}
{'_id': '李国立', 'count': 18}
{'_id': '黄健中', 'count': 18}
{'_id': '邱礼涛', 'count': 17}
{'_id': '胡明凯', 'count': 17}
{'_id': '王文杰', 'count': 17}
{'_id': '王家卫', 'count': 17}
{'_id': '尚敬', 'count': 17}
{'_id': '李惠民', 'count': 17}
{'_id': '孔笙', 'count': 17}
{'_id': '吴子牛', 'count': 16}
{'_id': '赵宝刚', 'count': 16}
{'_id': '陈国星', 'count': 16}
{'_id': '杨文军', 'count': 16}
{'_id': '蒋家骏', 'count': 16}
{'_id': '张艺谋', 'count': 16}
{'_id': '何群', 'count': 16}
{'_id': '刘镇伟', 'count': 16}
{'_id': '英达', 'count': 16}
{'_id': '朱石麟', 'count': 16}
{'_id': '周晓文', 'count': 15}
{'_id': '许鞍华', 'count': 15}
{'_id': '郑大圣', 'count': 15}
{'_id': '梦继', 'count': 15}
{'_id': '鞠觉亮', 'count': 15}
{'_id': '刘立立', 'count': 15}
{'_id': '郭靖宇', 'count': 15}
就电影来说,情况差别不大:
{'_id': '张彻', 'count': 45}
{'_id': '王晶', 'count': 41}
{'_id': '杜琪峰', 'count': 36}
{'_id': '邓衍成', 'count': 31}
{'_id': '李翰祥', 'count': 30}
{'_id': '朱延平', 'count': 25}
{'_id': '徐克', 'count': 25}
{'_id': '高志森', 'count': 22}
{'_id': '楚原', 'count': 21}
{'_id': '洪金宝', 'count': 21}
{'_id': '刘伟强', 'count': 21}
{'_id': '谢铁骊', 'count': 20}
{'_id': '高峰', 'count': 20}
{'_id': '谢晋', 'count': 19}
{'_id': '蔡明亮', 'count': 18}
{'_id': '邱礼涛', 'count': 17}
{'_id': '王家卫', 'count': 17}
{'_id': '朱石麟', 'count': 16}
{'_id': '刘镇伟', 'count': 16}
{'_id': '袁和平', 'count': 15}
{'_id': '许鞍华', 'count': 15}
{'_id': '张艺谋', 'count': 15}
就电视剧来说,陈家林(23), 张国立(20), 王文杰(17)是前三。
超过15部导演如下:
{'_id': '陈家林', 'count': 23}
{'_id': '张国立', 'count': 20}
{'_id': '王文杰', 'count': 17}
{'_id': '高希希', 'count': 16}
{'_id': '赵宝刚', 'count': 16}
{'_id': '杨文军', 'count': 16}
{'_id': '蒋家骏', 'count': 16}
{'_id': '尚敬', 'count': 16}
{'_id': '黄伟明', 'count': 15}
{'_id': '梦继', 'count': 15}
{'_id': '鞠觉亮', 'count': 15}
{'_id': '郭靖宇', 'count': 15}
{'_id': '英达', 'count': 15}
{'_id': '孔笙', 'count': 15}
后面会计算导演的豆瓣得分情况。
演员维度:
这次不做统一处理,因为觉得电影电视剧演员差别蛮大的。
就电视剧来说,共计4796位演员,其中张国立44部,是唯一一个超过40部剧的电视剧演员,结合导演身份,太难得了。
{'_id': '张国立', 'count': 44}
{'_id': '陈宝国', 'count': 38}
{'_id': '张嘉译', 'count': 37}
{'_id': '刘威', 'count': 33}
{'_id': '陈道明', 'count': 30}
{'_id': '黄磊', 'count': 30}
{'_id': '王刚', 'count': 28}
{'_id': '吴秀波', 'count': 28}
{'_id': '唐国强', 'count': 28}
{'_id': '宋丹丹', 'count': 27}
{'_id': '姜武', 'count': 27}
{'_id': '宋佳', 'count': 26}
{'_id': '斯琴高娃', 'count': 26}
{'_id': '王志飞', 'count': 26}
{'_id': '李立群', 'count': 26}
{'_id': '潘虹', 'count': 25}
至于电影,共计7516位演员,刘德华是唯一一个超过70部电影的演员,共计72部。
{'_id': '刘德华', 'count': 72}
{'_id': '曾志伟', 'count': 58}
{'_id': '狄龙', 'count': 54}
{'_id': '洪金宝', 'count': 52}
{'_id': '梁家辉', 'count': 52}
{'_id': '黄秋生', 'count': 51}
{'_id': '张曼玉', 'count': 50}
{'_id': '梁朝伟', 'count': 48}
{'_id': '姜大卫', 'count': 46}
{'_id': '张国荣', 'count': 46}
{'_id': '任达华', 'count': 45}
{'_id': '刘青云', 'count': 45}
{'_id': '吴孟达', 'count': 45}
{'_id': '成龙', 'count': 45}
{'_id': '周星驰', 'count': 44}
{'_id': '吴镇宇', 'count': 42}
{'_id': '周润发', 'count': 42}
排名如下,让我惊讶的是张学友排在周润发后面,39部。
后续统计演员得分。
类型方面:
电视剧方面:
共有35个类别,排名比较靠前的是剧情,爱情,纪录片,喜剧和动画。
{'_id': '剧情', 'count': 1705}
{'_id': '爱情', 'count': 602}
{'_id': '纪录片', 'count': 535}
{'_id': '喜剧', 'count': 441}
{'_id': '历史', 'count': 301}
{'_id': '动画', 'count': 287}
{'_id': '真人秀', 'count': 280}
{'_id': '古装', 'count': 279}
{'_id': '家庭', 'count': 255}
{'_id': '脱口秀', 'count': 182}
{'_id': '战争', 'count': 179}
{'_id': '悬疑', 'count': 164}
{'_id': '武侠', 'count': 141}
{'_id': '犯罪', 'count': 139}
{'_id': '动作', 'count': 135}
{'_id': '儿童', 'count': 110}
{'_id': '传记', 'count': 92}
{'_id': '奇幻', 'count': 90}
{'_id': '短片', 'count': 73}
{'_id': '音乐', 'count': 47}
{'_id': '冒险', 'count': 29}
{'_id': '科幻', 'count': 26}
{'_id': '惊悚', 'count': 22}
{'_id': '戏曲', 'count': 14}
{'_id': '运动', 'count': 12}
{'_id': '歌舞', 'count': 11}
{'_id': '恐怖', 'count': 8}
{'_id': '同性', 'count': 6}
{'_id': '舞台艺术', 'count': 4}
{'_id': '灾难', 'count': 3}
{'_id': 'Reality-TV', 'count': 1}
{'_id': '情色', 'count': 1}
{'_id': '鬼怪', 'count': 1}
{'_id': '黑色电影', 'count': 1}
电影方面:共计35个类别,排名靠前的是剧情,喜剧,纪录片,爱情和动作。
{'_id': '剧情', 'count': 2250}
{'_id': '喜剧', 'count': 840}
{'_id': '短片', 'count': 803}
{'_id': '纪录片', 'count': 772}
{'_id': '爱情', 'count': 703}
{'_id': '动作', 'count': 663}
{'_id': '动画', 'count': 595}
{'_id': '犯罪', 'count': 271}
{'_id': '历史', 'count': 186}
{'_id': '奇幻', 'count': 175}
{'_id': '悬疑', 'count': 166}
{'_id': '战争', 'count': 165}
{'_id': '家庭', 'count': 151}
{'_id': '儿童', 'count': 150}
{'_id': '武侠', 'count': 147}
{'_id': '惊悚', 'count': 131}
{'_id': '古装', 'count': 128}
{'_id': '恐怖', 'count': 105}
{'_id': '音乐', 'count': 100}
{'_id': '传记', 'count': 98}
{'_id': '冒险', 'count': 93}
{'_id': '戏曲', 'count': 63}
{'_id': '同性', 'count': 60}
{'_id': '歌舞', 'count': 60}
{'_id': '科幻', 'count': 47}
{'_id': '运动', 'count': 29}
{'_id': '真人秀', 'count': 14}
{'_id': '情色', 'count': 11}
{'_id': '脱口秀', 'count': 10}
{'_id': '灾难', 'count': 8}
{'_id': '西部', 'count': 8}
{'_id': '舞台艺术', 'count': 7}
{'_id': '黑色电影', 'count': 1}
{'_id': '鬼怪', 'count': 1}
{'_id': 'Comedy', 'count': 1}
同时也印证了喜剧和爱情是最受人欢迎的。
下面通过几个维度开看一下剧目的受欢迎程度。
comments_count
是一部剧的短评数目,降序排列(前20)如下:
{'title': '战狼2', 'rate': '7.2', 'comments_count': 218076}
{'title': '美人鱼', 'rate': '6.8', 'comments_count': 179218}
{'title': '让子弹飞', 'rate': '8.7', 'comments_count': 159129}
{'title': '夏洛特烦恼', 'rate': '7.4', 'comments_count': 147391}
{'title': '寻龙诀', 'rate': '7.5', 'comments_count': 144966}
{'title': '湄公河行动', 'rate': '8.0', 'comments_count': 138904}
{'title': '乘风破浪', 'rate': '6.8', 'comments_count': 135273}
{'title': '长城', 'rate': '4.9', 'comments_count': 134323}
{'title': '驴得水', 'rate': '8.3', 'comments_count': 129138}
{'title': '西游伏妖篇', 'rate': '5.6', 'comments_count': 128897}
{'title': '失恋33天', 'rate': '7.3', 'comments_count': 127277}
{'title': '大鱼海棠', 'rate': '6.6', 'comments_count': 125966}
{'title': '七月与安生', 'rate': '7.6', 'comments_count': 112643}
{'title': '金陵十三钗', 'rate': '8.0', 'comments_count': 109742}
{'title': '大话西游之大圣娶亲', 'rate': '9.2', 'comments_count': 108652}
{'title': '唐人街探案', 'rate': '7.4', 'comments_count': 99539}
{'title': '重庆森林', 'rate': '8.7', 'comments_count': 84951}
{'title': '绣春刀', 'rate': '7.5', 'comments_count': 84223}
{'title': '罗曼蒂克消亡史', 'rate': '7.7', 'comments_count': 84031}
{'title': '三生三世十里桃花', 'rate': '4.0', 'comments_count': 83720}
短评人数从一定程度上放映电影的受欢迎程度,票房和质量。
其中大话西游,让子弹飞,重庆森林得分最高,长城,三生三世得分偏低。
reviews_count
是剧评,排名如下:
{'title': '战狼2', 'rate': '7.2', 'reviews_count': 9382}
{'title': '大鱼海棠', 'rate': '6.6', 'reviews_count': 8925}
{'title': '西游伏妖篇', 'rate': '5.6', 'reviews_count': 6013}
{'title': '驴得水', 'rate': '8.3', 'reviews_count': 5666}
{'title': '长城', 'rate': '4.9', 'reviews_count': 5666}
{'title': '美人鱼', 'rate': '6.8', 'reviews_count': 5526}
{'title': '金陵十三钗', 'rate': '8.0', 'reviews_count': 5500}
{'title': '三生三世十里桃花', 'rate': '4.0', 'reviews_count': 5477}
{'title': '盗墓笔记', 'rate': '4.7', 'reviews_count': 4863}
{'title': '乘风破浪', 'rate': '6.8', 'reviews_count': 4653}
{'title': '七月与安生', 'rate': '7.6', 'reviews_count': 4621}
{'title': '让子弹飞', 'rate': '8.7', 'reviews_count': 4523}
{'title': '嫌疑人X的献身', 'rate': '6.4', 'reviews_count': 4151}
{'title': '从你的全世界路过', 'rate': '5.2', 'reviews_count': 3656}
{'title': '南京!南京!', 'rate': '7.4', 'reviews_count': 3636}
{'title': '我不是潘金莲', 'rate': '6.7', 'reviews_count': 3571}
{'title': '夏洛特烦恼', 'rate': '7.4', 'reviews_count': 3507}
{'title': '将爱情进行到底', 'rate': '6.6', 'reviews_count': 3392}
{'title': '失恋33天', 'rate': '7.3', 'reviews_count': 3302}
{'title': '摆渡人', 'rate': '4.0', 'reviews_count': 3210}
对剧评来说,三生三世,从你的全世界路过,摆渡人得分偏低。
ratings_count
是评分人数,前20排序如下:
{'title': '让子弹飞', 'rate': '8.7', 'ratings_count': 635248}
{'title': '大话西游之大圣娶亲', 'rate': '9.2', 'ratings_count': 514259}
{'title': '战狼2', 'rate': '7.2', 'ratings_count': 445248}
{'title': '无间道', 'rate': '9.0', 'ratings_count': 420770}
{'title': '大话西游之月光宝盒', 'rate': '8.9', 'ratings_count': 415266}
{'title': '美人鱼', 'rate': '6.8', 'ratings_count': 407857}
{'title': '失恋33天', 'rate': '7.3', 'ratings_count': 383793}
{'title': '夏洛特烦恼', 'rate': '7.4', 'ratings_count': 364621}
{'title': '湄公河行动', 'rate': '8.0', 'ratings_count': 356521}
{'title': '寻龙诀', 'rate': '7.5', 'ratings_count': 339649}
{'title': '重庆森林', 'rate': '8.7', 'ratings_count': 336650}
{'title': '唐伯虎点秋香', 'rate': '8.4', 'ratings_count': 321708}
{'title': '驴得水', 'rate': '8.3', 'ratings_count': 314882}
{'title': '喜剧之王', 'rate': '8.5', 'ratings_count': 313860}
{'title': '金陵十三钗', 'rate': '8.0', 'ratings_count': 313260}
{'title': '疯狂的石头', 'rate': '8.2', 'ratings_count': 306149}
{'title': '乘风破浪', 'rate': '6.8', 'ratings_count': 296882}
{'title': '活着', 'rate': '9.1', 'ratings_count': 281798}
{'title': '射雕英雄传之东成西就', 'rate': '8.7', 'ratings_count': 280678}
{'title': '功夫', 'rate': '8.0', 'ratings_count': 277666}
collect_count
:看过人数, 情况和评分人数排序情况差别不大,同时这也反应对这些剧的重播放次数较多。
{'title': '让子弹飞', 'rate': '8.7', 'collect_count': 801540}
{'title': '大话西游之大圣娶亲', 'rate': '9.2', 'collect_count': 656166}
{'title': '无间道', 'rate': '9.0', 'collect_count': 554821}
{'title': '大话西游之月光宝盒', 'rate': '8.9', 'collect_count': 552134}
{'title': '失恋33天', 'rate': '7.3', 'collect_count': 493505}
{'title': '战狼2', 'rate': '7.2', 'collect_count': 463099}
{'title': '美人鱼', 'rate': '6.8', 'collect_count': 445963}
{'title': '重庆森林', 'rate': '8.7', 'collect_count': 444250}
{'title': '唐伯虎点秋香', 'rate': '8.4', 'collect_count': 428487}
{'title': '喜剧之王', 'rate': '8.5', 'collect_count': 410569}
{'title': '疯狂的石头', 'rate': '8.2', 'collect_count': 406367}
{'title': '夏洛特烦恼', 'rate': '7.4', 'collect_count': 403908}
{'title': '湄公河行动', 'rate': '8.0', 'collect_count': 384174}
{'title': '金陵十三钗', 'rate': '8.0', 'collect_count': 377905}
{'title': '寻龙诀', 'rate': '7.5', 'collect_count': 373213}
{'title': '阳光灿烂的日子', 'rate': '8.7', 'collect_count': 371845}
{'title': '射雕英雄传之东成西就', 'rate': '8.7', 'collect_count': 371552}
{'title': '活着', 'rate': '9.1', 'collect_count': 364323}
{'title': '蓝色大门', 'rate': '8.3', 'collect_count': 363323}
{'title': '功夫', 'rate': '8.0', 'collect_count': 359026}
wish_count
:想看人数,得分情况相对较高。
{'title': '一一', 'rate': '8.9', 'wish_count': 121301}
{'title': '牯岭街少年杀人事件', 'rate': '8.7', 'wish_count': 113421}
{'title': '鬼子来了', 'rate': '9.2', 'wish_count': 84400}
{'title': '春光乍泄', 'rate': '8.8', 'wish_count': 80404}
{'title': '我们天上见', 'rate': '8.6', 'wish_count': 78373}
{'title': '活着', 'rate': '9.1', 'wish_count': 77737}
{'title': '饮食男女', 'rate': '9.1', 'wish_count': 75108}
{'title': '战狼2', 'rate': '7.2', 'wish_count': 73667}
{'title': '重庆森林', 'rate': '8.7', 'wish_count': 70887}
{'title': '阳光灿烂的日子', 'rate': '8.7', 'wish_count': 69709}
{'title': '钢的琴', 'rate': '8.3', 'wish_count': 64215}
{'title': '蓝色大门', 'rate': '8.3', 'wish_count': 57385}
{'title': '悲情城市', 'rate': '8.8', 'wish_count': 53444}
{'title': '喜宴', 'rate': '8.8', 'wish_count': 51584}
{'title': '花样年华', 'rate': '8.5', 'wish_count': 48555}
{'title': '嘉年华', 'rate': '8.5', 'wish_count': 48234}
{'title': '面纱', 'rate': '8.2', 'wish_count': 48200}
{'title': '最好的时光', 'rate': '7.5', 'wish_count': 47941}
{'title': '东邪西毒', 'rate': '8.6', 'wish_count': 47234}
{'title': '阿飞正传', 'rate': '8.5', 'wish_count': 46219}
有了如上排名情况,相信对于选择看什么剧来说,已经不是什么难事。后面就评分情况在不同维度下做统计,希望得到多维度的得分情况,做出更好的推荐。
明天继续。