【有书共读】跟老齐学Python 读书笔记13

1.获取数据

这里我们使用来自Tushare模块的电影数据，所以需要通过pip命令安装模块Tushare，因其是基于lxml的，所以需要先安装模块lxml。

Tushare是一个专门又来爬取历史和实时财经数据接口包，为我们提供了诸如电影票房、龙虎榜数据和新闻事件数据等等众多数据的接口，因此是我们进行数据分析的一大学习利器，想分析该接口其他数据可以查看文档http://tushare.org/ ，这里我们只是用电影票房数据。

2.观察数据

运行jupyter-notebook，导入tushare模块，可以打印其"version"属性，查看版本（版本不一样应该不会对后续实验有太大影响，因为我们只需要数据）。

电影票房的数据可以包括实时票房数据、每日票房数据、月度票房数据、影院日度票房4类数据，分别对应函数“realtime_boxoffice()”、"day_boxoffice()"、“month_boxoffice()”和"day_cinema()"。这里以月度票房数据接口函数为例（其他函数类似操作，具体可以查看上述文档链接，下同），其参数及返回值字段内容如下图所示：

以获取2018年9***度票房数据为例，结果如下图所示：

为了更清楚看到票房分布，我们使用之前学过的饼状图对其进行展示，代码如下图所示：

运行结果如下图所示：

从上图可以看到《碟中谍6》人气是相当高的，个人看了感觉又长新姿势了，每部都有一些黑科技，不愧是美国大片！视觉效果挺震撼的。然而我章若楠小姐姐演的《悲伤逆流成河》人气却显得不高也不低，QAQ蓝瘦~

接下来我们再将2010年到2018年9月档的票房收入做一个梳理，看看能不能发现什么，代码如下图所示：

运行结果如下图所示：

恩……数据太多了，好像表现的不够明显，我们试着再做一点操作，将每年9月的票房加起来，但这里要注意下，上图显示的票房数据都是字符串，所以我们使用numpy的sum函数时需要将这些字符数据转换成数字数据，代码及结果如下图所示：

从上图来说，我们已经能够看到这些年9月份大致的票房变化了，但是如果数据一多的话，或许效果就没有这么明显了，所以我们尝试用折线图来表达这样的年度变化，代码及结果如下图所示：

上图x轴和y轴的范围是我根据数据的最大值和最小值来确定的，以让大家更好的观察实验结果，在数据一多的情况下，可以通过pandas求出其最大值和最小值作为实际参数。

从上面的折线图我们可以看到某些年份如2015年发生了较大的波动，有些年份的票房甚至还减少了，这些都是可以称为“反常数据”，而一个数据分析师的任务就应该是分析造成这样结果的原因（当然，我还是一只咸鱼）。

这里我们来看看，每年的票房第一占总比的情况，这里我们使用条形统计图，代码及结果如下图所示：

从上图我们可以发现，2015年票房第一占比相当大（相比其他年份的票房第一），所以这就对总体票房产生了一定的影响，业内把这样的现象叫做“票房助推器”。

最后，鉴于咸鱼能力有限，这里通过电影票房的数据将之前的饼状图、折线图、条形图等知识回顾了下，更有趣的分析还是得交给大佬们~