一. 前言
之前看知乎上有一个问题，豆瓣上一共收录了多少部电影？
我也比较好奇豆瓣上到底有多少部电影，然后我就试着抓取了豆瓣上我能找到的全部的电影，数据量大概是5.6W+的样子，和知乎上别人的答案也比较相似（别人的回答大概4W-5W，到2017年数据），我是获取到目前2018年最新的全部数据，也做了数据去重，数据量大概就是这个样子（当然也有些人得回答说有10W+的，我看下面的评论也说了，每个人对影视理解不同，那些10W+，甚至数据量更多的，是把电视剧，综艺等等都算进去了的，我这个数据是电影的数据，不包括电视剧那些）
既然获取了数据，那肯定要分析一下呀，豆瓣电影的各种详细的数据，评分，影评等等在国内同类型网站中，算是高质量的，所以进行数据分析也是有价值的。
二. 数据分析及可视化
1. 评分分布情况
可以看出豆瓣电影的评分分布情况基本是符合正态分布的，我计算了一下豆瓣全部电影评分的均值，为6.8分，2000年以后的豆瓣电影评分均值为6.6分（0，10分）。
中国大陆电影评分分布情况
大陆电影全部电影评分的均值，为6.1分，2000年以后的大陆电影评分均值为5.6分（0，10分）。
2. 每年电影数量变化情况
2000年以后的电影数量变化情况
2010年以后，上半年，下半年为区分，电影数量变化情况
豆瓣上收录的电影，最早的一部是1878年的，一部美国电影（准确说是一部短片）---飞驰中的萨利·加德纳，一直到2017年（2018年的数据不全，就没有将其可视化出来），可以看出来，每年电影的数量整体是很明显的上升的趋势，从2016年到2017年的数据来看，又有较明显的下跌，到2016年，这年的电影数量是一个顶峰值，因为2018年的数据不全，所以不好（预测）判断电影数量是否会一直下降下去。
3. 豆瓣的各项评分，评论等等参数之间的相关系数关系
这张图显示的是两个变量间的皮尔逊相关系数（两个变量间协方差和标准差的商），越接近1代表正相关，越靠近-1代表越负相关，0就是代表这两个变量间增长没有任何关系，“rates”表示评分（10分满分），“star”表示豆瓣星级（5星为满级），“一星,二星,三星,四星,五星”,分别代表其占比情况，“想看”表示这部电影想看的人数，“看过”表示这部电影看过的人数，“短评数”，“评价数”分别代表这部电影的写了短评的人数及评价了的人数（打了分就算评价，不用写评论），“year”表示年份。再看一下每两个变量之间的具体关系情况。
短评数量和看过人数之间的关系（正相关）；
二星占比和四星占比之间的关系（负相关）
4. 每年电影评分占比情况
很多时候，不知道大家会不会有个感觉，现在的烂片是越来越多，好看的电影是一年比一年少，而多年前拍的电影比现在的电影质量好，这个感觉究竟是错觉，还是真实情况呢，现在从数据的角度来看一下
2000年以后均值以上和均值以下电影占比变化情况
2000年以后5分以下和5分到6.6分电影，以及6.6分以上的占比变化情况（6.6分是2000年以后电影评分均值）
热力图显示每年具体数量情况
每年评分分布直方图
从以上数据中，不难发现，
（1）原来烂片是真的在变多，2000年以后，低于均值6.6分的电影的占比是逐年递增；
（2）5分到6.6分的占比几乎没有什么变化，但是，随着时间增加（年），5分以下的电影数量占比却是一直在增加，而且，其占比的增长趋势是越来越明显；
（3）....（自己看数据分析）；
所以，感觉近几年的电影，越来越难看，烂片越来越多，并不只是个人的主观意识，而实际就是电影难看，烂片多
而且国产烂片居然承包了豆瓣烂片榜前五名：
女娲日记荣获豆瓣烂片之王，评分倒数第一，前无古人，后.....
5.每年电影均值变化情况
中国大陆电影评分均值，及按照季度划分变化情况
全部电影评分均值，及按照月份划分变化情况
（1）中国大陆电影没有和“国际接轨”呀，从评分均值上来看，中国大陆电影在用力拖拽国际平均分呀；
（2）7，8月份和第三季度（7，8，9月）的电影评分均值都相对比较低，不管是全部的数据，还是只看中国大陆的数据；
（3）不管是中国大陆电影评分的数据，还是全部电影的评分数据，感觉都是一路在走低的趋势，不过到2017年，评分均值都有小幅度的上升，看来是在2016年触底反弹了；
（4）因为2018年数据不全，只在图三上放有2018年的均值记录，仅做参考，不过从趋势上来看，和2017年比较，电影均分是在增加的；
6. 豆瓣电影评分分布情况
（1）从均分的分布情况来看出来，评分分布最多的区间大概是6.5～7.5分之间，和我们计算的评分均值--6.8分也是不冲突的；
（2）整体来看，大部分电影都是超过5分的，所以说5分以下的电影是烂片一点也不过分。
7. 不同国家的电影总数量分布
米国的电影数量果然多，其次就是中国大陆，日本，不过比较惊讶的是，原来豆瓣上收录的电影，法，英，德都是超过韩国的（我以为韩国会很多）
8. 不同国家的评分均值情况
这里我只统计了，豆瓣收录某个国家或地区的电影，且收录数量超过500的国家或地区的数据（因为电影数量太少，比较均值意义不大，有些国家就一两部电影，靠这个来评估数据不准确），比如；
这些是均值排名最前面的10个国家，但是这些国家都只有1-3部电影，数据量太少，不具备广泛性，以此数据来代表一个国家或者地区的均值情况，统计出来的结果不是很科学。
收录数量超过500的国家或地区
电影数量500+的国家或地区评分均值，及数量分布情况
电影数量500+的国家或地区评分均值，及数值分布情况
从上图中可以看出
（1）美国的电影数量最多（之前已经得出过这个结论），中国大陆的电影均分最低；
（2）英国电影的评分均值最高，也就是说相对来讲，英国的电影的质量最高，不过从离散值也可以看出来，英国有部分数据的离散值很低，比如：“围攻唐宁街 ”，豆瓣2.4分，但还是没有国产神剧2.0分低；
（3）豆瓣收录有500+电影的的国家或者地区，大部分是发达国家，或者是中国，印度这种人口大国，说明电影数量的多少，可能和一个国家或地区的发达程度有一定的关系；
（4）...
9. 豆瓣高分电影的分布情况
豆瓣评分超过9.0的国家或地区的电影
豆瓣评分超过9.5的国家或地区的电影
电影评分9.0及以上的国家或地区（45个）的电影数量
电影评分9.5及以上的国家或地区（18个）的电影数量
（1）图中一个点代表一个国家，其中英国的9.5以上的电影的数量最多，其次是美国，日本，
说明英国的高分电影确实多，也和之前的结论想吻合--“英国的电影的质量最高”；
（2）9.0以上的电影，美国最多，但因为美国电影的数量基数最大，这个也属于正常情况，第二名还是英国，说明英国电影果然值得推荐，而且英国的电影数量基数不算特别大，只有美国的1/3不到；
10. 一个国家电影数量与电影评分的关系
图中一个点表示一个一个国家，比如最右边偏上的那个点，表示的是美国，因为美国的电影数量最多，通过置信区间来判断，随着电影数量的增加，电影评分均值是下降的趋势，看来拍的电影越多，烂片率也越高，当然烂片也就越多；
我觉得这也可以解释为什么2016年的电影数量最多（回过头去看，上面有分析的图），但是2016的电影评分均值却最低（上面也有图有分析），2017年电影数量有所下降，对应的电影的均分就有所提高；
所以，结论，拍电影越多，烂片率越高，烂片越多
三. 文末
放一点福利吧
统计了下看过人数最多的和评分高的，前20部电影
没看过这些电影的抽空赶快去补补吧
