Python如何爬取豆瓣電影和演員評分以及做出可視化圖

Python如何爬取豆瓣電影和演員評分以及做出可視化圖，相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

隨著電影行業的蓬勃發展，越來越多的電影出現在了觀眾的視野中，豐富了大家的生活，好的電影也能讓大家在放松自我的同時收獲一些對人生的思考。

然而，也有那么一些“爛片”，讓大家在看過之后“添堵”，后悔為這種“爛片”貢獻票房，白白被收割了“智商稅”，今天，我們就用Python來幾年那些被爛片收割走的智商稅。

數據獲取

這次的數據源也是大家的老朋友，被親切地稱之為“馬蜂窩”的豆瓣網，現在有很多平臺會對電影進行打分，包括了貓眼和淘票票，但是相較之下，豆瓣的評分更加全面，一些冷門的“爛片”只能在豆瓣中被大家挖掘出來。

誠然，豆瓣的評分會存在一些“文藝濾鏡”，對文藝片比較寬容，對此我們認為，“豆瓣評分高的不一定是真的高，但是被豆瓣打了低分的是真的低”。此次選擇的影片范圍是2010年至今的國產影片：

最終獲取到了3000多部電影的數據，代碼如下：

## 爬取劇集列表，并輸出成為excel表格
driver = webdriver.Chrome()
driver.maximize_window()
driver.close()
driver.switch_to_window(driver.window_handles[0])
url = 'https://movie.douban.com/tag/#/?sort=U&range=2,10&tags=%E7%94%B5%E5%BD%B1,2010%E5%B9%B4%E4%BB%A3,%E4%B8%AD%E5%9B%BD%E5%A4%A7%E9%99%86'
js='window.open("'+url+'")'
driver.execute_script(js)
driver.close()
driver.switch_to_window(driver.window_handles[0])
while True:
   try:
     js="var q=document.documentElement.scrollTop=10000000"  
     driver.execute_script(js)
     driver.find_element_by_class_name('more').click()
     time.sleep(2)
   except:
     break 

name = [k.text for k in driver.find_elements_by_class_name('title')]
score = [k.text for k in driver.find_elements_by_class_name('rate')]
url = [k.get_attribute('href') for k in driver.find_elements_by_class_name('item')]
pd.DataFrame({'name':name,'score':score,'url':url}).to_excel('電影名稱.xlsx')

整體數據

首先要做的事情就是看一下豆瓣對國產電影的整體打分情況，以此確定之后對“爛片”的劃分依據，首先看一下整體評分的柱形圖：

可以看到豆瓣用戶對國產片還是比較嚴格，大多數電影都是在6分一下，8分以上的電影可以說是“鳳毛麟角”，因此后續對爛片的標準也要相應放低，下面看一下各個將分數向下取整后的統計數量：

唯一一部獲得9分的就是18年上映的《我不是藥神》，未來也希望能有更多這樣的優秀影片，而且這種期望也是有依據的，我們看一下每一年爛片和非爛片的占比：

可以看到在所有的影片中，人氣TOP10的影片評分都還是不錯，流浪地球，藥神和哪吒也都在票房中有非常不錯的表現，顯然，這不是我們需要，我們下面就來看下爛片和超級爛片中的人氣榜：

熱烈恭喜《上海堡壘》憑借2.9分的評分和217110的評價數喜提兩項人氣榜的冠軍，《愛情公寓》因為“大忽悠”式的營銷也躋身榜單，不知道即將上映的《愛情公寓5》能否為這一系列挽回一些口碑

票房榜

同樣，我們來分別看下所有影片、爛片和超級爛片的票房排行，看看究竟是哪些“爛片”在瘋狂收割著大家的智商稅，首先看一下左右影片的票房榜：

爛片票房榜中的TOP10都超過了2.6億，大鬧天竺和愛情公寓更是分別收獲了7.5億和5.5億的票房，瘋狂收割著大家的智商稅，相信未來隨著大家對影片要求的提高，瘋狂收割智商稅的現象會逐漸減少。

評分高的演員就無須贅述了，都是經過了市場和觀眾的挑戰，但是目前還沒有一位演員在主演影片數量超過5部之后，分數可以上7，誠然有一部分是因為豆瓣對國產的嚴格要求，但另一方面也在敦促電影人不斷進步

下面看一下評分排在倒數的演員，首先看下BOTTOM10：

由于過多的“跨界”演員出現在了榜單BOTTOM10中，導致很多大家心目中的演員沒有上榜，于是我們繼續看BOTTOM11-20，這份榜單似乎正常了一點，但是好多更加應該在電視劇中出現的名字也位列其中。

看來電影和電視劇還是有所區別，在電視劇中能夠大放異彩的演員未必能在電影中有同樣精彩的表現，考慮到電視劇演員們的加入，繼續把榜單范圍放大到BOTTOM21-30：

看完上述內容，你們掌握Python如何爬取豆瓣電影和演員評分以及做出可視化圖的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！