豆瓣電影票房在哪看

A. 鈴芽之旅票房在哪看

您好，想要查看《鈴芽之旅》的票房情況，可以通過以下幾種途徑：

1. 在電影院官網或在線購票平數扮台上查看該電影的票房信息。常見的在線購票平台有貓眼電影、淘票票緩橡、格瓦薯哪灶拉等。

2. 在電影票房統計網站上查看該電影的票房數據，如貓眼專業版、豆瓣電影等。

3. 在影視媒體或新聞網站上查看該電影的票房報道，如新浪娛樂、騰訊娛樂等。

需要注意的是，不同的票房統計網站和媒體報道可能會有不同的數據，因為其數據來源和統計方法可能不同。同時，票房數據也只能反映出電影的市場表現，不能完全代表電影的質量和觀影體驗。

B. 歷年春節檔的電影豆瓣評分最高的是哪一部票房第一是

歷年春節檔的電影中評分最高的應該是《你好，李煥英》，網友的評分高達8.1分，這部電影不僅評分最高，甚至憑借54.1億的成績拿下票房第一的榮譽。

一、網友評分最高

電影《你好，李煥英》是賈玲首次執導的電影，同期上映的春節檔電影還有熱度很高的《唐人街探案3》，上映之初網友的關注點都在《唐人街探案》，後期《你好，李煥英》成為黑馬。

主打“親情”的《你好，李煥英》將“搞笑”和“溫情”結合在一起，讓人們紛紛想起自己母親的無私付出，因此很多網友在觀看時都很有代入感，被裡面的細節和畫面感動的痛哭流涕。

C. 豆瓣電影票房排行榜實時

豆瓣電影票房排行榜

1.復仇者聯盟4：14.726億

2.星球大戰7：10.607億

3.復仇者聯盟3：10.383億

4.阿凡達：9.631億

5.侏羅紀世界：8.809億

6.戰狼2：8.569億

7.泰坦尼克號（含重映）：8.482億

8.黑豹：8.05億

9.速度與激情7：7.439億

10.哪吒之魔童降世：7.233億

11.復仇者聯盟：7.096億

12.復仇者聯盟2：6.991億

13.流浪地球：6.967億

14.侏羅紀世界2：6.789億

15.獅子王：6.64億

16.星球大戰8：6.626億

17.超人總動員2：6.599億

18.海王：6.268億

19.速度與激情8：6.188億

20.星球大戰俠盜一號：6.015億

D. 豆瓣怎麼看票房

購和梁戚票app
想看電影的評分和票房的話,可以渣廳通過查詢各喚陵種購票app的方法來實現。在這些購票app當中,查詢者只需要輸入需要查詢的電影片名,就可以查詢到電影的評分和票房等

E. 豆瓣電影的「北美票房榜」去哪了

有的，就在豆瓣電影排行榜裡面，旁邊有個北美票房排行榜

F. 國產電影豆瓣評分人數變化

2020年因為疫情的關系，上映的電影太少了。2019年的文章不知道什麼時候被刪了，慘。

依然用維基網路【2020年電影列表】，去豆瓣手動翻分數。

僅列2020年在中國大陸上映的由中國大陸獨立製作或與其他地區合作但中國大陸排名在前的影片。香港、台灣地區製作的電影均不在此列。共計119部。

有61部由於各種原因（主要是評分人數不足）無評分的影片，不計入計算。比有評分的還多。

2020年度公映的國產電影最終進入計算的共58部。去年的情況太特殊了，分數也沒什麼可比性，不能說去年的電影整體質量比以前是好了還是差了。

最低分《北平會館》2.4，比去年2.3稍微高一些。

最高分《棒！少年》8.6，比前兩年低了。

平均分5.7，連續五年升高，7年最高，分數接近代表作有5.5《少女佳禾》。

中位數6.1，同樣7年最高。比平均分5.7高的片子多，所以拉高了中位數。7年第一次高分片子更多。電影評分大於6.1，才能比去年一半的電影要高。6.1分代表作有《冬去冬又來》。

5%分位數3.2。評分低於3.2分，比去年95%的電影差，接近的電影有3.4《喜寶》。

95%分位數7.8，高於7.8的，評分好於去年95%的電影。例如《一秒鍾》7.7分。

2-6分佔比將近41.38%，7年最低下降。8分以上2部，7分以上11部，平均每月1部多。

附上4部7.8分以上也就是好於去年95%的電影清單，值得一看：

氣球7.8

掬水月在手7.9

藍色防線8.6

棒！少年8.6

附錄：2020年度國產電影票房前10豆瓣評分情況

數據來源：中國票房網【2020中國票房】

G. 豆瓣電影數據分析

這篇報告是我轉行數據分析後的第一篇報告，當時學完了Python，SQL，BI以為再做幾個項目就能找工作了，事實上……分析思維、業務，這兩者遠比工具重要的多。一個多月後回過頭來看，這篇報告雖然寫得有模有樣，但和數據分析報告還是有挺大差別的，主要原因在於：a.只是針對豆瓣電影數據分析太過寬泛了，具體關鍵指標到底是哪些呢？；b.沒有一個確切有效的分析模型/框架，會有種東一塊西一塊的拼接感。
即便有著這些缺點，我還是想把它掛上來，主要是因為：1.當做Pandas與爬蟲(Selenium+Request)練手，總得留下些證明；2.以豆瓣電影進行分析確實很難找到一條業務邏輯線支撐，總體上還是描述統計為主；3.比起網上能搜到的其他豆瓣電影數據分析，它更為詳細，可視化效果也不錯；

本篇報告旨在針對豆瓣電影1990-2020的電影數據進行分析，首先通過編寫Python網路爬蟲爬取了51375條電影數據，採集對象包括：電影名稱、年份、導演、演員、類型、出品國家、語言、時長、評分、評論數、不同評價佔比、網址。經過去重、清洗，最後得到29033條有效電影數據。根據電影評分、時長、地區、類型進行分析，描述了評分與時長、類型的關系，並統計了各個地區電影數量與評分。之後，針對演員、導演對數據進行聚合，給出產量與評分最高的名單。在分析過程中，還發現電影數量今年逐步增加，但評分下降，主要原因是中國地區今年低質量影視作品的增加。

另外，本篇報告還爬取了電影票房網（ http://58921.com/ ）1995-2020年度國內上映的影片票房，共採集4071條數據，其中3484條有效。進一步，本文分析了國內院線電影票房年度變化趨勢，票房與評分、評價人數、時長、地區的關系，票房與電影類型的關聯，並給出了票房最高的導演、演員與電影排名。

清洗、去重後，可以看到29033條數據長度、評分、評論數具有以下特點：

結合圖1(a)(b)看，可以看到電影數據時長主要集中在90-120分鍾之間，向兩極呈現階梯狀遞減，將數據按照短(60-90分鍾)，中(90-120分鍾)，長(120-150分鍾)，特長(>150分鍾)劃分，各部分佔比為21.06%, 64.15%, 11.95%, 2.85%。

結合圖2(a)看，可以看到我們採集到的電影數據評分主要集中在6.0-8.0之間，向兩極呈現階梯狀遞減，在此按照評分劃分區間：2.0-4.0為口碑極差，4.0-6.0為口碑較差，6.0-7.0為口碑尚可，7.0-8.0為口碑較好，8.0-10.0為口碑極佳。

這5種電影數據的佔比分別為：5.78%, 23.09%, 30.56%, 29.22%, 11.34%

再將評分數據細化到每年進行觀察，可以發現，30年內電影數量與年度電影均分呈反相關，年度均分整體呈現下降趨勢，2016年電影均分最低，電影數量最多。

進一步做出每個年份下不同評級等級的電影數據佔比，可以發現，近年來，評分在[2.0,6.0)的電影數據佔比有著明顯提升，評分在[6.0,7.0)的數據佔比不變，評分在[7.0,10.0)的數據佔比減少，可能原因有：

對照圖5，可以發現，評分與時長、評論人數的分布大致呈現漏斗狀，高分電影位於漏鬥上部，低分電影位於漏斗下部。這意味著，如果一部電影的評論人數很多（特別是超過30w人觀影），時長較長(大於120min)，那麼它大概率是一部好電影。

根據各個國家的電影數量作圖，可以得到圖6，列出電影數量前十的國家可得表格2，發現美國在電影數量上占第一，達到8490部，中國其次，達6222部。此外，法國，英國，日本的電影數量也超過1000，其餘各國電影數量相對較少。這可以說明美國電影有著較大的流量輸入，在中國產生了較大的影響。

進一步分析各國電影的質量，依據評分繪制評分箱線圖可得圖7，在電影數量排名前20的國家中：

接著我們可以探索，哪個國家的電影對豆瓣評分隨年份下降的貢獻最大，考慮到電影數量對應著評分的權重。根據上述各國的電影評分表現，我們可以猜測電影數量較多的國家可能對年度均分的下降有較大影響。於是，我們再計算出這些國家的年度電影均分，並與整體均分進行比較分析。

再作出中國大陸，中國台灣，中國香港的均分箱線圖圖9(a)，可以看到，大陸電影均分低於港台電影，且存在大量低分電影拉低了箱體的位置。

分析相關性可得，大陸、香港、台灣電影年度均分與全部評分關聯度分別為R=0.979,0.919,0.822，說明濾去台灣和香港電影，大陸電影年度均分的變化趨勢與全部評分變化更接近。圖9(b)可以進一步反映這一點。

可以看到，大部分類型集中在X×Y=[10000,30000]×[6.00,7.50]的區間范圍內，劇情、喜劇、愛情、犯罪、動作類電影數量上較多，說明這些題材的電影是近三十年比較熱門的題材，其中劇情類電影佔比最多，音樂、傳記類電影平均得分更高，但在數量上較少，動作、驚悚類電影評論人數雖多，但評價普遍偏低。

除此之外，還有兩塊區域值得關註：

根據類型對電影數據進行聚合，整理得到各類型電影評分的時間序列，計算它們與整體均分時間序列的相關性，可得表格4與圖11，可以看到劇情，喜劇，懸疑這三種類型片與總分趨勢變化相關性最強，同時劇情、喜劇類電影在電影數量上也最多，因此可以認為這兩類電影對於下跌趨勢影響最大，但其餘類別電影的相關性也達到了0.9以上，說明幾種熱門的電影得分的變化趨勢與總體均分趨勢一致。

前面已經得知，中美兩國電影佔比最高，且對於均分時間序列的影響最大。在此，進一步對兩國電影進行類型分析，選取幾種主要的類型（數量上較多，且相關性較高）進行分析，分別是劇情，喜劇，愛情，驚悚，動作，懸疑類電影，繪制近年來幾類電影的數量變化柱狀圖與評分箱線圖可得圖12,13,14,15。

對導演與演員進行聚合，得到數據中共有15011名導演，46223名演員。按照作品數量在(0,2], (2,5], (5,10], (10,20], (20,999]進行分組統計導演數量，可以發現，15009名導演中有79.08%只拍過1-2部作品，46220名演員中有75.93%只主演過1-2部作品。忽略那些客串、跑龍套的演員，數據總體符合二八定律，即20%的人占據了行業內的大量資源。

在此，可以通過電影得分、每部電影評論人數以及電影數目尋找優秀的電影導演與演員。這三項指標分別衡量了導演/演員的創作水平，人氣以及產能。考慮到電影數據集中可能有少量影視劇/劇場版動畫，且影視劇/劇場版動畫受眾少於電影，但得分普遍要高於電影，這里根據先根據每部電影評論數量、作品數量來篩選導演/演員，再根據電影得分進行排名，並取前30名進行作圖，可得圖17,18。

結合電影票房網（ http://58921.com/ ）採集到的3353條票房數據，與豆瓣數據按照電影名稱進行匹配，可以得到1995-2020年在中國大陸上映的電影信息，分別分析中國內地電影的數量、票房變化趨勢，票房與評分、評價人數、時長、地區以及類型的關系，此外還給出了不同導演與演員的票房表現以及影片票房排名。

如圖19所示，國內票房數據與上映的電影數量逐年遞增，2020年記錄的只是上半年的數據，且由於受疫情影響，票房與數量驟減。這說明在不發生重大事件的情況下，國內電影市場規模正在不斷擴大。

對電影數據根據類型進行聚合，繪制散點圖21，可以發現：

提取導演/演員姓名，對導演/演員欄位進行聚合，計算每個導演/演員的票房總和，上映電影均分、以及執導/參與電影數目進行計算，作出票房總和前30名的導演/演員，可得圖22,23，圖中導演/演員標號反映了票房排名，具體每位導演/演員的上映影片數量、均分、每部電影評價人數、平均時長與總票房在表5、表6中給出。

最後根據電影票房進行排名，得到票房排名前20的電影如表格7所示，可以看到絕大部分上榜電影都是中國電影，索引序號為3、10、12、14、18、19為美國電影，這也反映了除國產電影之外，好萊塢大片占據較大的市場。

本篇報告採集了1990-2020年間豆瓣電影29033組有效數據，從豆瓣電影的評分、時長、地區、類型、演員、導演以及票房等信息進行分析評價，主要有以下結論：