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。