大数据分析步骤
数据爬取
数据清洗
数据分析
数据可视化
例子:用大数据分析一下商业电影的成功是否存在统一公式,以帮助投资人决策。
爬取 Kaggle 平台(TMDb 5000 Movie Database)关于美国地区 1916-2017 年近 5000 部电影的数据,包含预算、导演、票房、电影评。
爬取到的信息分成3个文件:
-
tmdb_5000_movies:电影基本信息,包含 20 个变量
-
tmdb_5000_credits:演职员信息,包含 4 个变量
-
tmdb_1000_predict.csv :包含 1000 部电影的基本信息
缺失值处理
重复值处理
日期转换,json字符串转换
无用行(比如评分底的电影)删除
解决的终极问题是:电影票房的影响因素有哪些? 接下来我们就分不同的维度分析:
· 观众喜欢什么电影类型?有什么主题关键词?
· 电影风格随时间是如何变化的?
· 电影预算高低是否影响票房?
· 高票房或者高评分的导演有哪些?
· 电影的发行时间最好选在啥时候?
· 拍原创电影好还是改编电影好?
echarts可视化展示
原文地址:http://www.cnblogs.com/zhuangzhongxu/p/16863120.html
1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
2. 分享目的仅供大家学习和交流,请务用于商业用途!
3. 如果你也有好源码或者教程,可以到用户中心发布,分享有积分奖励和额外收入!
4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
5. 如有链接无法下载、失效或广告,请联系管理员处理!
6. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!
7. 如遇到加密压缩包,默认解压密码为"gltf",如遇到无法解压的请联系管理员!
8. 因为资源和程序源码均为可复制品,所以不支持任何理由的退款兑现,请斟酌后支付下载
声明:如果标题没有注明"已测试"或者"测试可用"等字样的资源源码均未经过站长测试.特别注意没有标注的源码不保证任何可用性