在上一部分《【python數據分析實戰】電影票房數據分析(一)數據采集》 已經獲取到了2011年至今的票房數據，並保存在了mysql中。
本文將在實操中講解如何將mysql中的數據抽取出來並做成動態可視化。
圖1 每年的月票房走勢圖
第一張圖，我們要看一下每月的票房走勢，毫無疑問要做成折線圖，將近10年的票房數據放在一張圖上展示。
數據抽取：
采集到的票房數據是按天統計的，並且我們只看正常上映的和點映的，其他如重映等場次均不在本次統計內。
因此我們先對mysql中的數據releaseInfo字段進行篩選，然后根據上映年份和月份進行分組聚合，得到10年內每月的票房數據。
用sql取到數據后，再將不同年份的數據分別放入list中，原始數據是以"萬"為單位的str，這里我們折算為以"億"為單位的float。
構造圖像：
x軸數據為年份，
再分別將不同年份的票房數據添加到y軸中，
最后配置下圖像的屬性即可。
config = {...} # db配置省略
conn = pymysql.connect(**config)
cursor = conn.cursor()
sql = '''
select substr(`date`,1,4) year,
substr(`date`,5,2) month,
round(sum(`boxInfo`),2) monthbox
from movies_data
where (substr(`releaseInfo`,1,2) = '上映' or `releaseInfo`='點映' )
group by year,month order by year,month
'''
cursor.execute(sql)
data = cursor.fetchall()
x_data = list(set([int(i[1]) for i in data]))
x_data.sort()
x_data = list(map(str, x_data))
y_data1 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2011']
y_data2 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2012']
y_data3 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2013']
y_data4 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2014']
y_data5 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2015']
y_data6 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2016']
y_data7 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2017']
y_data8 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2018']
y_data9 = [round(int(i[2]) / 10000, 2) for i in data if i[0] == '2019']
cursor.close()
conn.close()
def line_base() -> Line:
c = (
Line(init_opts=opts.InitOpts(height="600px", width="1300px"))
.add_xaxis(x_data)
.add_yaxis("2011", y_data1)
.add_yaxis("2012", y_data2)
.add_yaxis("2013", y_data3)
.add_yaxis("2014", y_data4)
.add_yaxis("2015", y_data5)
.add_yaxis("2016", y_data6)
.add_yaxis("2017", y_data7)
.add_yaxis("2018", y_data8)
.add_yaxis("2019", y_data9)
.set_global_opts(title_opts=opts.TitleOpts(title="月票房走勢"),
legend_opts=opts.LegendOpts(
type_="scroll", pos_top="55%", pos_left="95%", orient="vertical"),
xaxis_opts=opts.AxisOpts(
axistick_opts=opts.AxisTickOpts(is_align_with_label=True), boundary_gap=False, ),)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False), # 不顯示柱體上的標注(數值)
markline_opts=opts.MarkLineOpts(
data=[opts.MarkLineItem(type_="max", name="最大值"), ]), )
.extend_axis(yaxis=opts.AxisOpts(name="票房(億元)", position='left'), # 設置y軸標簽顯示格式，數據+"人"
xaxis=opts.AxisOpts(name="月份"))
)
return c
line_base().render("v1.html")
有本圖可以看出：
1、近10年票房總數逐漸增長(當然這是廢話)
2、11-13年每月票房波動很小，幾乎沒有明顯的高峰檔期，最近兩年高峰檔期最為明顯，集中在春節、暑期和十一。
圖2 年票房總值、上映影片總數及觀影人次
第二張圖，我們要看一下票房、上映影片數和觀影人次 逐年的變化情況
數據抽取：
先篩選releaseInfo 為正常上映和首映的數據，
再按年份分組，也就是date字段的前4位，
- 對當日票房字段進行sum聚合得到年度總票房；
- 對movieId字段去重 並求得出現次數 即為上映的影片總數；
- 場均人數 * 排片場次 是當日觀影人次，再用sum求得年觀影人次。
構造圖像：
因為三類數據的x軸都是年份，所以可放在一張圖上展示，為了觀察更直觀，將其中一項數據作成柱狀圖，另外兩項做成折線圖。
- 1、先構造折線圖圖，將票房和影片數量添加為y軸數據，年份為x軸數據。
- 2、因為票房和上映影片數 在做完單位換算后，值域基本相同，所以可以共用一個y軸，而觀影人次則需要使用單獨的y軸，
所以要添加一個新的y軸，並分別指定這三項數據的y軸索引，即票房和上映影片數 使用默認的y軸索 引為0，而觀影人次使用后添加的y軸，索引為1。 - 3、再構造柱狀圖，y軸數據為觀影人次，x軸數據依然為年份，並指定y軸索引為1
- 4、最后，將柱狀圖和折線圖重疊輸出，再簡單調整一下圖像位置即可。
config = {...} # db配置省略
conn = pymysql.connect(**config)
cursor = conn.cursor()
sql2 = '''select substr(date,1,4),
round(sum(boxInfo)/10000,2),
count(DISTINCT movieId),
round(sum(avgShowView*showInfo)/100000000,2)
from movies_data
where (substr(`releaseInfo`,1,2) = '上映' or `releaseInfo`='點映' )
GROUP by substr(date,1,4)'''
cursor.execute(sql2)
data2 = cursor.fetchall()
x_data2 = [i[0] for i in data2]
y_data2_1 = [i[1] for i in data2]
y_data2_2 = [i[2] for i in data2]
y_data2_3 = [i[3] for i in data2]
cursor.close()
conn.close()
def bar_base() -> Line:
c = (
Line()
.add_xaxis(x_data2)
.add_yaxis("總票房", y_data2_1, yaxis_index=0)
.add_yaxis("上映電影總數", y_data2_2, color='LimeGreen', yaxis_index=0, )
.set_global_opts(title_opts=opts.TitleOpts(title="年票房總值、上映影片總數及觀影總人次"),
legend_opts=opts.LegendOpts(pos_left="40%"),
)
.extend_axis(
yaxis=opts.AxisOpts(name="票房/數量(億元/部)", position='left'))
.extend_axis(
yaxis=opts.AxisOpts(name="人次(億)", type_="value", position="right", # 設置y軸的名稱，類型，位置
axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color="#483D8B")), ))
)
bar = (
Bar()
.add_xaxis(x_data2)
.add_yaxis("觀影人次", y_data2_3, yaxis_index=2, category_gap="1%",
label_opts=opts.LabelOpts(position="inside"))
)
c.overlap(bar)
return Grid().add(c, opts.GridOpts(pos_left="10%",pos_top='20%'), is_control_axis_index=True) # 調整位置
bar_base().render("v2.html")
本圖可以看出：
（2019年數據下滑是因為統計時 2019年剛到10月下旬，還沒有得到一年完整的數據。）
1、上映影片數增長幅度不大，票房和觀影人次漲幅相近，因此票房逐年增長的最主要原因是觀影人次的增長，年平均票價應該變化不大。
圖3 單片總票房及日均票房
影片的上映期長短不一，這也影響了影片的票房情況，所以這張圖我們要看一下單片總票房和日均票房的情況。
config = {...} # db配置省略
conn = pymysql.connect(**config)
cursor = conn.cursor()
sql2 = '''select a.*,b.releasemonth from
(select movieid,
moviename,
round(sum(boxinfo)/10000,2) sumBox,
count(movieid) releasedays,
round(sum(boxinfo)/count(movieid)/10000,2) avgdaybox
from movies_data
where (substr(`releaseInfo`,1,2) = '上映' or `releaseInfo`='點映' )
group by movieid,moviename) a ,
(select substr(date,5,2) releasemonth,movieId,movieName,releaseInfo from movies_data where releaseInfo='上映首日') b
where a.movieid = b.movieid order by sumBox desc'''
cursor.execute(sql2)
data3 = cursor.fetchall()
x_data3 = [i[1] for i in data3[:30]] # 名稱
y_data3_1 = [i[2] for i in data3[:30]] # 總票房
y_data3_2 = [i[4] for i in data3[:30]] # 日均票房
y_data3_3 = [int(i[5]) for i in data3[:30]] # 上映月份
cursor.close()
conn.close()
def bar_base() -> Line:
c = (
Bar(init_opts=opts.InitOpts(height="600px", width="1500px"))
.add_xaxis(x_data3)
.add_yaxis("影片總票房", y_data3_1, yaxis_index=0)
# .add_yaxis("影片日均票房", y_data3_2, yaxis_index=1, gap='-40%')
.set_global_opts(title_opts=opts.TitleOpts(title="單片總票房及日均票房"),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-45)),
datazoom_opts=opts.DataZoomOpts(), )
.set_series_opts(label_opts=opts.LabelOpts(is_show=False), # 不顯示柱體上的標注(數值)
markpoint_opts=opts.MarkPointOpts(
data=[opts.MarkPointItem(type_="max", name="最大值"),
opts.MarkPointItem(type_="min", name="最小值"), ]),)
.extend_axis(
yaxis=opts.AxisOpts(name="億元", position='left'))
.extend_axis(
yaxis=opts.AxisOpts(name="億元", type_="value", position="right", # 設置y軸的名稱，類型，位置
axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color="#483D8B")), ))
)
bar = (
Bar(init_opts=opts.InitOpts(height="600px", width="1500px"))
.add_xaxis(x_data3)
# .add_yaxis("影片總票房", y_data3_1, yaxis_index=0)
.add_yaxis("影片日均票房", y_data3_2, yaxis_index=2, gap='-40%')
.set_global_opts(title_opts=opts.TitleOpts(title="單片總票房及日均票房"),)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False), # 不顯示柱體上的標注(數值)
markpoint_opts=opts.MarkPointOpts(
data=[opts.MarkPointItem(type_="max", name="最大值"),
opts.MarkPointItem(type_="min", name="最小值"), ]),
markline_opts=opts.MarkLineOpts(
data=[opts.MarkLineItem(type_="average", name="平均值"), ]
),)
)
c.overlap(bar)
return Grid().add(c, opts.GridOpts(pos_left="5%", pos_right="20%"), is_control_axis_index=True) # 調整位置
bar_base().render("v3.html")
可以看出有的電影雖然總票房一般，但是日均票房很高，說明上映時間不長但卻很火爆。
而對於總票房很高，但日均票房一般的影片，可能是由於上映時間較長，后期較低的上座率拉低了日均票房。
所以看一個影片的火爆程度，總票房只是一方面，在相同上映時間內的上座率變化趨勢也很重要。
圖4 單片票房及上映月份關系圖
本圖相當於圖一的補充，主要是看一下高票房的影片和上映時間的關系
def dayformat(i):
mm = int(i[-2])
dd = int(i[-1])
mmdd = mm + dd/100*3.3
return mmdd
config = {...} # db配置省略
conn = pymysql.connect(**config)
cursor = conn.cursor()
sql2 = '''select a.*,b.releaseyear,b.releasemonth,b.releaseday from
(select movieid,
moviename,
round(sum(boxinfo)/10000,2) sumBox,
count(movieid) releasedays,
round(sum(boxinfo)/count(movieid)/10000,2) avgdaybox
from movies_data
where (substr(`releaseInfo`,1,2) = '上映' or `releaseInfo`='點映' )
group by movieid,moviename) a ,
(select substr(date,1,4) releaseyear,
substr(date,5,2) releasemonth,
substr(date,7,2) releaseday,
movieId,
movieName,
releaseInfo
from movies_data where releaseInfo='上映首日') b
where a.movieid = b.movieid order by sumBox desc'''
cursor.execute(sql2)
data4 = cursor.fetchall()
x_data4 = [i for i in range(1, 13)]
y_data4_1 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2011']
y_data4_2 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2012']
y_data4_3 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2013']
y_data4_4 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2014']
y_data4_5 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2015']
y_data4_6 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2016']
y_data4_7 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2017']
y_data4_8 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2018']
y_data4_9 = [(dayformat(i), i[2]) for i in data4 if i[-3] == '2019']
cursor.close()
conn.close()
my_config = pygal.Config() # 創建Config實例
my_config.show_y_guides = False # 隱藏水平虛線
my_config.show_x_guides = True
xy_chart = pygal.XY(stroke=False, config=my_config)
xy_chart.title = '單片票房及上映月份關系圖'
xy_chart.add('2011', y_data4_1)
xy_chart.add('2012', y_data4_2)
xy_chart.add('2013', y_data4_3)
xy_chart.add('2014', y_data4_4)
xy_chart.add('2015', y_data4_5)
xy_chart.add('2016', y_data4_6)
xy_chart.add('2017', y_data4_7)
xy_chart.add('2018', y_data4_8)
xy_chart.add('2019', y_data4_9)
xy_chart.render_to_file("v4.svg")
