一、 分析背景与目的
随着时代的进步与发展，电影已经成为越来越多人生活中不可缺少的放松方式。因此，电影行业的竞争也日趋火热化。在这样的形势下，了解如何制作出一部符合大众口味与需求且能得到高回报的电影对电影发行商比以往更加重要。在本项目中，我们将通过对4803部电影的数据进行分析，从而为电影制作者或电影投资者提供有效决策。
二、 明确问题与思路
1. 电影类型分析
1. 电影类型随时间的变化趋势
2. 数量最多的电影类型
2. 影响电影收益的因素
1. 收益与电影类型的关系
2. 收益与上映月份的关系
3. 收益与发行国家的关系
4. 收益与成本的关系
5. 原创电影与改编电影对收益的影响
3.影响电影观众喜爱度的因素
1.观众喜爱程度与电影类型的关系
2.观众喜爱程度与电影时长的关系
3.观众喜爱程度与发行国家的关系
4.原创电影与改编电影对观众喜爱度的影响
三、数据概览
1. 数据来源
数据集名称: TMDB 5000 Movie Dataset
数据来源: https://www.kaggle.com/tmdb/tmdb-movie-metadata
2. 数据理解
表中共包括14列，分别为：
budget ：电影预算
genres：电影类型
keywords ：电影关键字
id：电影id
original_language：电影语言
popopularity：观众喜爱度
production_companies：发行公司
production_countries：发行国家
release_date：上映日期
revenue：电影收入
runtime：电影时长
title：电影标题
vote_average：电影平均评分
vote_count：电影评分次数
四、数据清洗
1. 查找并删除重复值
在这组数据中，id列应对应唯一数值，所以我们用id列作为查找重复值的依据。
查询结果未发现重复值
2. 缺失值处理
根据电影id列的计数，检查其他列是否存在缺失值
查询结果为
release_date：1个缺失值
runtime：2个缺失值
定位到缺失值的位置
通过上网搜索电影上映日期及电影时长，补全缺失值。
1. 异常值处理
对数据根据日期进行升序排序，检查是否存在不合理日期。
查询结果发现不存在异常日期。
五、 电影类型分析
1. 电影类型随时间的变化趋势
通过将genre列的数据分列，提取出电影类型。为简化分析过程，我们只使用每个电影的主要电影类型。
使用year函数，提取出每部电影上映的年份。
建立辅助列，通过vlookup函数的模糊匹配，为年份匹配对应的年代。
拉取数据透视表分析年份和电影类型的关系。
从图中可以看出：
1.1980年以前，电影行业发展速度较为平缓，1980年后，发展速度显著提高，1990年开始，进入增长爆发期，各类型电影数都大幅度增加。
2.其中drama，comedy，action这三种类型的电影数增幅较大。
2. 数量最多的电影类型
从图中可以看出，drama, comedy, action 这三类类型的电影是主流，占据了超过60%的比例。
六、影响电影收益的因素
1. 收益与电影类型的关系
通过revenue（收入）-budget（成本）得到profit（收益)。
拉取数据透视表分析每种类型电影的平均收益：
从图中可以看出：
animation，adventure和science fiction类型的电影收益最好，而tv movie和foreign类型的电影会亏损，但这三种类型的电影要求预算也较高。
2.收益与上映月份的关系
使用month函数提取出每部电影的上映月份。
从图中可以看出：
六月上映的电影的平均收益最高，其次是11月。而在一月和九月上映的电影平均收益较差。
3.收益与发行国家的关系
通过同样的方式，将production_companies 列分列，提取出主要发行国家。
因为国家数比较多，我们选择收益前十的国家进行可视化
从图中可以看出：
虽然牙买加，新西兰和菲律宾的电影平均收益最高，但是由于电影数量过少，无法代表整体电影质量，所以投资方在投资电影时仍需要结合其他因素进行考虑。
4. 收益与成本的关系
筛选出预算大于1000的电影，分析电影收益与成本的关系。
从图中可以看出：
1.收益与预算基本成正线性相关，符合一般规律。预算越高意味着有更多能力和空间提高电影的质量。
2. 尽管收益在一定程度上和预算呈正相关，但一部分预算少的电影也可以得到不错的收益。
5.原创电影与改编电影对收益的影响
通过判断keywords中是否包含“based on novel”（小说改编）来判断电影为原创或改编。
从图中可以看出：
虽然改编电影的预算略高于原创电影，但是利润却远高于原创电影。
七、影响电影观众喜爱度的因素
1.观众喜爱程度与电影类型的关系
从图中可以看出：
最受关注喜爱的三种类型为 science fiction，adventure 和family。
2.观众喜爱程度与电影时长的关系
从图中可以看出：
大部分观众喜爱度较高的电影集中在90-160分钟。较长的电影或较短的电影都更有可能导致观众喜爱度的降低。
3.观众喜爱程度与发行国家的关系
由于国家数目较多，我们选择观众喜爱度前十的国家进行可视化。
从图可以看出：
JM（牙买加）,PH（菲律宾）,IS（冰岛）这三个国家的平均观众喜爱度较高。但是同样由于电影数量过少，无法代表整体电影质量，所以投资方在投资电影时仍需要结合其他因素进行考虑。
4.原创电影与改编电影对观众喜爱度的影响
从图中可以看出：
观众对改编电影的喜爱度明显高于原创电影。
八、结论与建议
1.结论
电影类型数目分析：
随着经济与社会发展，电影行业已进入繁荣期，各类型电影数量都呈明显上升甚至爆发的趋势，drama，comedy，action这三种类型不管在电影总数或是增长趋势上都尤为突出。
与收益相关的因素：
1. Animation, Adventure和 Science Fiction这三种类型的电影在高预算的同时保持着高收益。
2.每年年中和年末上映的电影平均收益较高。
3.JM,NZ,PH这三个国家的电影平均收益较高，然而由于电影数目较少，无法确定结果的准确性。
4. 电影预算在一定程度上和电影收益呈正相关，越高的预算越有可能制作出高回报的电影。
5.虽然改编电影的预算略高于原创电影，然而利润却远高于原创电影的利润。
与观众喜爱度相关的因素：
1. 观众喜爱度最高的三种类型为 Science Fiction, Adventure, Family。
2.大部分观众喜爱度较高的电影集中在90-160分钟，太长或太短都会导致观众喜爱度的降低。
3. JM（牙买加）,PH（菲律宾）,IS（冰岛）这三个国家的平均观众喜爱度较，然而由于电影数目较少，无法确定结果的准确性。
4. 相对比原创电影，改编电影更受观众喜爱。
2.建议
1.电影市场发展迅速，现在仍有不错的发展空间。
2. Animation, Adventure和 Science Fiction这三种类型的电影虽然有高收益但同样预算也较高，推荐有能力的大公司拍摄制作。
3. 年中和年末是观影高峰，可将上映时间调整在这两个时期以增加票房收入。
4.公司在制作电影时，应尽可能增加电影预算，提高电影质量，并尽量将时长控制在90-160分钟。
6. 观众对于改编电影的喜爱度和收益都更高。在技术条件允许的情况下，将小说，漫画等题材搬上荧幕。
