人工智能基础与应用课件 项目7. 数据挖掘-电影《哪吒2》票房和影评分析

项目7数据挖掘——电影《哪吒2》票房和影评分析【伦理思辨】思辨主题：AI工具的使用边界在哪里？大一学生小琳在进行《哪吒2》项目分析时，为了获取更全面的影评数据，编写了一段“爬虫”程序。一夜之间，她成功从某知名影评网站抓取了上万条用户评论，她认为自己找到了一条通往数据金矿的“技术捷径”，这是一个高效且充满成就感的创新行为。然而，指导老师却严肃指出：这种行为可能已经触碰了法律的“红线”。思考：

技术本身是中立的，但在巨大的数据价值诱惑面前，我们该如何界定“合法采集”与“非法窃取”的边界？真正的“数据素养”仅仅是代码能力吗？【项目导读】

在当今的数字时代，数据已成为驱动各行各业变革的核心燃料，电影产业也不例外。从高额的制作投资到精准的营销策略，传统电影业依赖经验与直觉的决策模式，正被数据驱动的科学分析所颠覆。2025年春节档期，国漫电影《哪吒2》再次引爆市场，票房一路高歌猛进，网络上的讨论也铺天盖地。我们不禁要问：其巨大的成功背后，仅仅是内容为王的结果吗？海量的票房数据波动曲线中隐藏着怎样的市场规律？数以万计的观众评论里，又蕴含着哪些真实的情感共鸣与商业价值？【学习目标】维度具体目标知识目标1.理解数据挖掘的基本概念及其在商业分析中的应用价值。2.了解Python数据分析三大核心库（Numpy,Pandas,Matplotlib）的基本功能和定位。3.掌握常见可视化图表（折线图、柱状图、饼图）的适用场景。技能目标1.能够使用Pandas库对数据进行读取、清洗和预处理。2.能够运用Matplotlib库创建高质量的数据可视化图表，直观呈现数据规律。3.能够结合业务场景，对图表结果进行初步分析，提取有效信息。素养目标1.培养数据驱动的思维方式，学习如何通过分析数据来发现问题、解读现象。2.树立对数据价值的认知，激发利用数据分析技术解决实际问题的兴趣。3.理解数据可视化在信息传达和决策支持中的重要作用。01什么是数据挖掘02数据分析核心库03任务7-1电影《哪吒2》票房分析04

任务7-2电影《哪吒2》影评分析可视化目

录7.1什么是数据挖掘1.数据处理的一般流程一个典型的数据挖掘项目通常遵循一套标准流程，以确保分析的科学性和有效性。虽然有多种模型，但其核心环节万变不离其宗，大致可分为以下六个步骤：(1)业务理解这是整个流程的起点，也是最关键的一步。在接触数据之前，必须清晰地理解项目的商业目标。例如，在电影项目中，我们的目标是“分析票房趋势以评估市场热度”，而不是漫无目的地处理数据。只有明确了“为什么分析”，后续的“分析什么”和“如何分析”才有意义。(2)数据理解

在明确业务目标后，我们需要收集和熟悉现有的数据。这一步包括查看数据有哪些字段（列）、每个字段的含义和数据类型、数据量有多大、是否存在明显的数据质量问题（如缺失值、异常值）等。Pandas库的.info()和.describe()方法是进行数据初步探查的利器。7.1什么是数据挖掘1.数据处理的一般流程(3)数据准备原始数据往往是“脏”的，无法直接用于分析和建模。数据准备是整个流程中最耗时但至关重要的一环，它决定了分析结果的质量上限。(4)模型建立在准备好干净、规整的数据后，我们就可以选择并应用合适的挖掘算法来发现数据中的规律。这些算法模型可以是用于预测的回归模型、用于分类的决策树或神经网络，也可以是用于发现群体结构的聚类算法等。(5)模型评估模型建立后，需要对其性能和效果进行客观评估，判断它是否达到了第一步中定义的业务目标。(6)知识表示与部署知识表示通常通过可视化图表、报告等形式，将复杂的分析结果直观地呈现给决策者

。部署则是将训练好的模型集成到企业的日常运营系统中，例如，将一个智能推荐模型部署到电商网站，为用户提供个性化商品推荐。2.数据挖掘的应用场景数据挖掘技术早已渗透到我们生产生活的方方面面，以下是几个典型的应用场景：(1)电影与娱乐行业

票房预测：通过分析历史电影的类型、演员阵容、上映档期、宣传投入等数据，建立模型预测新电影的潜在票房。

观众画像：分析购票用户和影评发布者的行为数据，勾勒出核心观众群体的年龄、地域、兴趣偏好等特征，实现精准的用户定位。

舆情监控：实时追踪社交媒体和影评网站上的讨论热点和情感倾向，帮助片方及时调整宣发策略。

精准营销：根据用户画像，向不同群体推送他们最可能感兴趣的预告片、海报和优惠活动。7.1什么是数据挖掘2.数据挖掘的应用场景数据挖掘技术早已渗透到我们生产生活的方方面面，以下是几个典型的应用场景：(2)零售与电商行业

销售预测：零售企业利用AI算法分析历史销售数据，可以精准预测节假日等关键节点的商品销量，从而指导库存备货，避免缺货或积压。购物篮分析：通过分析用户的购买记录，发现哪些商品经常被一起购买（例如“啤酒和尿布”的经典案例），从而优化商品陈列和捆绑促销策略。客户价值分析：根据用户的消费频率、消费金额等指标，将客户分为高价值、潜力、流失等不同群体，并采取差异化的营销和服务策略。7.1什么是数据挖掘2.数据挖掘的应用场景数据挖掘技术早已渗透到我们生产生活的方方面面，以下是几个典型的应用场景：(3)金融行业

风险预警：通过AI模型实时分析交易数据中的异常模式，可以实现毫秒级的欺诈交易风险预警，保障用户资金安全。信用评估：银行和金融机构利用数据挖掘模型，综合评估申请人的信用历史、收入水平、消费行为等多种信息，来决定是否批准贷款以及授信额度。7.1什么是数据挖掘2.数据挖掘的应用场景数据挖掘技术早已渗透到我们生产生活的方方面面，以下是几个典型的应用场景：(4)智能制造

供应链优化：制造企业（如海尔）利用工业互联网平台，通过AI算法整合从用户需求预测、原材料采购到生产物流的全流程数据，实现智能化管理，将产品的交付周期从20天缩短至7天。故障预测与维护：通过分析设备运行产生的传感器数据，可以预测设备可能发生的故障，从而提前进行维护，避免生产中断造成的损失。7.1什么是数据挖掘2.数据挖掘的应用场景数据挖掘技术早已渗透到我们生产生活的方方面面，以下是几个典型的应用场景：(5)医疗健康

辅助临床诊断：AI技术，特别是深度学习算法，可以用于分析医学影像（如CT、X光片），帮助医生识别肿瘤、病变等，提升诊断的准确率和效率。新药研发：利用数据挖掘技术分析海量的生物医学文献和基因数据，可以加速新药靶点的发现过程，缩短研发周期。7.1什么是数据挖掘1.数值计算的基础：NumpyNumpy(NumericalPython)是Python科学计算生态系统的基石。几乎所有高级的数据分析和机器学习库都构建于Numpy之上或深度依赖于它。(1)核心对象：N维数组(ndarray)Numpy的核心是其功能强大的N维数组对象ndarray（N-dimensionalarray）。它是一个由相同类型元素组成的多维网格，可以是一维（向量）、二维（矩阵）或更高维度。一个ndarray对象有几个重要的属性：ndim：数组的维度数量。shape：一个元组，描述了数组在每个维度上的大小。例如，一个3行4列的矩阵，其shape为(3,4)。dtype：数组中元素的数据类型，如int64（整数）、float64（浮点数）等。统一的数据类型是Numpy高性能的关键。7.2数据分析核心库1.数值计算的基础：NumpyNumpy(NumericalPython)是Python科学计算生态系统的基石。几乎所有高级的数据分析和机器学习库都构建于Numpy之上或深度依赖于它。(2)Numpy的核心优势1）极致的性能与矢量化计算Numpy底层由C语言实现，对数组的数学运算速度远超纯Python代码。它最大的特点是支持矢量化计算，即可以直接对整个数组进行批量数学运算，而无需编写显式的循环。2）丰富的数学函数库Numpy提供了海量的、经过优化的数学函数，可以方便地对数组进行各种复杂的计算。3)数据分析生态的基石Numpy之所以重要，不仅在于其自身的强大，更在于它为更高级的库提供了坚实的基础。7.2数据分析核心库2.数据处理的利器：PandasPandas提供了两种核心数据结构，极大地简化了数据整理和分析的复杂度。(1)核心对象：Series和DataFrameSeries：一个带标签的一维数组，可以保存任何数据类型。可以看作是表格中的一列。DataFrame：一个带标签的二维数据结构，拥有可以由不同类型数据组成的列。它是最常用的Pandas对象，可以直观地理解为一个Excel表格或SQL表。7.2数据分析核心库2.数据处理的利器：Pandas(2)关键功能数据读取与写入：pd.read_csv()pd.read_excel()等函数可以轻松地从文件中加载数据。数据查看与探查：.head()方法查看前几行.info()方法获取列信息、数据类型和缺失值概览，.describe()获取数值列的统计摘要。数据选择与过滤：可以通过列名(df['列名'])、行索引等多种方式灵活地选取所需数据。数据清洗与转换：可以方便地处理缺失值、转换数据类型（如将文本格式的时间转为日期时间类型）、对数据进行排序、分组和聚合统计（如value_counts()）。7.2数据分析核心库3.数据可视化的画板：MatplotlibMatplotlib是Python中最基础、应用最广泛的绘图库，它被誉为Python数据可视化的“鼻祖”，提供了强大的、可高度定制的绘图功能。(1)核心特点与应用

高度定制化：几乎图表的每一个元素，如图表标题、坐标轴、刻度、网格、图例等，都可以通过代码进行精细设置。图表类型丰富：支持绘制折线图、柱状图、散点图、饼图、直方图等多种常用图表。无缝集成：能与Numpy和Pandas完美结合，直接使用它们的数据结构进行绘图。7.2数据分析核心库3.数据可视化的画板：MatplotlibMatplotlib是Python中最基础、应用最广泛的绘图库，它被誉为Python数据可视化的“鼻祖”，提供了强大的、可高度定制的绘图功能。(2)基本绘图结构：Figure与AxesMatplotlib的绘图逻辑可以理解为在“画布”上绘制“坐标系”区域，再在区域内作图。Figure（画布）：指整个图形窗口，是所有绘图元素的顶级容器，可以把它想象成一张画纸。Axes（坐标系/子图）：是画布上的一块实际用于绘图的区域，包含了坐标轴、刻度线和绘图内容，可以把它想象成画纸上用框线圈出的作画区。一个Figure可以包含一个或多个Axes。7.2数据分析核心库3.数据可视化的画板：MatplotlibMatplotlib是Python中最基础、应用最广泛的绘图库，它被誉为Python数据可视化的“鼻祖”，提供了强大的、可高度定制的绘图功能。(3)常用绘图函数简介1）plt.plot()-折线图用途：用于绘制折线图，是展示数据随连续变量（如时间）变化趋势的最佳选择。适用场景：分析股票价格、气温、产品销量等随时间的变化。观察函数图像或算法训练过程中的损失值下降曲线。7.2数据分析核心库3.数据可视化的画板：MatplotlibMatplotlib是Python中最基础、应用最广泛的绘图库，它被誉为Python数据可视化的“鼻祖”，提供了强大的、可高度定制的绘图功能。(3)常用绘图函数简介2）plt.scatter()-散点图用途：用于绘制散点图，主要用来观察两个数值变量之间的关系或分布模式。图上的每个点代表一个数据样本。适用场景：探究身高与体重、广告投入与产品销量等变量间的相关性。在机器学习中，用于可视化数据集的分布，寻找数据中的分群或异常点。7.2数据分析核心库3.数据可视化的画板：MatplotlibMatplotlib是Python中最基础、应用最广泛的绘图库，它被誉为Python数据可视化的“鼻祖”，提供了强大的、可高度定制的绘图功能。(3)常用绘图函数简介3）plt.bar()-柱状图用途：用于绘制柱状图，核心作用是比较不同类别数据的数值大小。适用场景：比较不同产品的销售额、不同城市的GDP、不同班级的平均分等。展示分类数据的频数分布。7.2数据分析核心库3.数据可视化的画板：MatplotlibMatplotlib是Python中最基础、应用最广泛的绘图库，它被誉为Python数据可视化的“鼻祖”，提供了强大的、可高度定制的绘图功能。(3)常用绘图函数简介4）plt.pie()-饼图用途：用于绘制饼图，最适合展示各个部分在整体中所占的比例构成。适用场景：展示公司市场份额、用户年龄段分布、调查问卷中各选项的选择比例等。7.2数据分析核心库基础绘图示例以猫眼平台《哪吒之魔童闹海》2025年1月19日至2025年2月28日的票房数据为示例，演示基础折线图的绘制过程，并对图表所包含的各核心元素进行标注说明。7.2数据分析核心库importmatplotlib.pyplotasplt

#解决中文显示问题，确保图表中的中文能正常显示plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False

#1.准备数据df_box_office=pd.read_csv('猫眼《哪吒2》.csv',encoding='gbk')days=df_box_office['日期'].astype(str)sales=df_box_office['分账票房（万）']

#2.创建画布(figure)和坐标系(axes)fig,ax=plt.subplots(figsize=(8,5))

#3.绘制折线图ax.plot(days,sales,marker='o',color='#E63946',label='日期票房')

#4.配置图表核心元素ax.set_title('《哪吒2》首周票房变化趋势示例',fontsize=16)

#设置标题ax.set_xlabel('上映日',fontsize=12)

#设置X轴标签ax.xaxis.set_major_locator(plt.MaxNLocator(5))

#横坐标每5个显示一个标签ax.set_ylabel('票房（亿元）',fontsize=12)

#设置Y轴标签ax.legend()

#显示图例，说明线条代表的含义ax.grid(True,linestyle='--',alpha=0.6)

#显示虚线网格，方便读数

#5.显示图形plt.show()图7-1《哪吒2》票房变化趋势任务7-1电影《哪吒2》票房分析【任务描述】依据猫眼平台所提供的《哪吒之魔童闹海》在2025年1月19日至2025年2月28日期间的票房数据，运用可视化手段，能够直观呈现该影片在上映初期的市场表现，尤其可清晰观察周末与工作日的票房波动趋势，进而为评估其市场热度及发展潜力提供依据。【任务分析】这是一个典型的时间序列分析场景。我们的目标是展示“日票房”这个连续数值随“上映天数”这个有序类别的变化趋势。因此，折线图是最佳的可视化选择。我们将使用Pandas来创建和管理票房数据，然后利用Matplotlib绘制折线图，并对图表进行美化和解读。【任务实施】第一步：准备并加载数据读取票房数据并将其存储于DataFrame数据结构中，可为后续的数据分析与结果展示提供便利。importpandasaspdimportmatplotlib.pyplotasplt

#解决中文显示问题plt.rcParams['font.sans-serif']=['SimHei']#设置中文为黑体plt.rcParams['axes.unicode_minus']=False#正确显示负号

#1.准备数据df_box_office=pd.read_csv('猫眼《哪吒2》.csv',encoding='gbk')

print("《哪吒2》票房数据:")print(df_box_office)【任务实施】第二步：绘制票房趋势折线图使用Matplotlib的plot()函数，以日期为X轴，日票房为Y轴，绘制折线图。#2.绘制折线图plt.figure(figsize=(12,6))#设置画布大小

plt.plot(df_box_office['日期'].astype(str),df_box_office['分账票房（万）'],marker='o',#数据点标记为圆形

linestyle='-',#线型为实线

color='#E63946',#线条颜色

label='日期票房')#图例标签

#3.美化图表plt.title('《哪吒2》票房趋势图',fontsize=16,fontweight='bold')plt.xlabel('日期',fontsize=12)plt.ylabel('票房（万元）',fontsize=12)plt.xticks(rotation=45)#X轴标签旋转45度，防止重叠plt.grid(True,linestyle='--',alpha=0.6)#添加网格线图7-2

《哪吒2》票房数据【任务实施】通过上方的票房趋势折线图，我们可以直观地得出以下结论：

一、首阶段爆发：开画热度与周末效应叠加.影片上映初期（2025年1月29日-2月2日），票房快速冲高，1月31日-2月2日连续3日票房突破7亿，峰值逼近8亿。此阶段覆盖首周末及前后时段，体现强IP号召力与档期红利（如寒假、春节前预热）的叠加作用，驱动大量观众观影，形成市场热度爆发期。

二、周期波动规律：周末与工作日的差异化表现

（一）周末票房提振.除首周末外，2月8日-9日、2月14日-15日等周末节点，票房显著高于前后工作日（如2月10日-13日、2月16日-17日票房回落）。表明影片借助“周末休闲时段”持续吸引观众，周末效应是票房周期性回升的核心驱动力。

（二）工作日自然回调.非周末时段（如2月3日-6日、2月10日-13日）票房明显回落，符合大众“工作日观影需求降低”的消费习惯，属于市场规律下的正常波动。

三、长尾周期表现：口碑与档期延续的双重作用.进入上映中后期（2月20日之后），票房整体下行，但2月21日出现单日票房反弹（接近5亿），结合前期口碑积累，反映影片凭借内容质量形成“长尾效应”，仍能在特定时段（如后续周末、假期补档）激活观众观影热情；而2月23日-27日票房持续走低，也体现档期后期市场热度自然衰减的趋势。四、综合市场潜力判断.影片呈现“首周末爆发-工作日回调-次周末及后期周期性反弹”的节奏，验证强IP+优质内容的市场韧性：首阶段借IP热度快速破局，中期凭口碑与周末效应维持热度，后期长尾周期仍有单点反弹。整体说明影片既抓住档期红利实现开画引爆，又通过内容质量延长市场生命周期，具备“强档期+好口碑”双驱动的票房特征。拓展训练训练1：计算累计票房请在原始df_box_officeDataFrame中增加一列“累计票房”，并绘制累计票房的增长曲线。训练2：票房衰减分析计算并比较首周末三日总票房与次周末三日总票房，分析其衰减率。任务7-2电影《哪吒2》影评分析可视化【任务描述】在本年度春节档电影市场竞争环境中，《哪吒2》的市场传播与观众反馈呈现典型行业研究价值。影片上映周期内，影院端体现为观影人次的集中性特征，社交媒体平台话题热度维持高位波动，线下社交场景（如日常交流）与线上垂直论坛均形成广泛的影片讨论场域。观众对《哪吒2》的评价呈现多元异质性，正面情感反馈与争议性观点并存。在数据驱动的影视传播研究框架下，如何突破主观经验判断局限，通过计算文本分析技术，从大规模用户评价数据中科学提炼口碑情感倾向、精准挖掘观众真实观影体验？【任务分析】本次研究以和鲸社区平台《哪吒2》用户评论为数据源。用户昵称评分评论时间用户地址评论内容海底52025-01-3110:30:26浙江申公豹：小镇做题家的一生Ber_雪碧52025-01-2911:29:10北京好看到超出预期，打破了对哪吒闹海神话传说的既定想象，为故事塑造了符合时代的全新内核。第一部讲打破宿命，第二部是推翻规则，善恶无关种族，申公豹有自己的坚守与珍视，仙人有私心。跳出陈规，就会发现新的“真相”。无论是妖是魔、成人成仙，即便全世界挡在面前，也不要忘了那个心中有火、想与世界斗上一斗的自己。面上是魔童闹海，暗含的却是整个时代命题，细细品，其中有千滋百味的情感共震。丁小雨42025-01-3112:41:23广西感觉“我命由我不由天”的是申公豹，申公豹真的好努力，努力的小镇做题家，努力攀附强者才能让自己出人头地，好想哭茗政42025-01-2911:32:15陕西虽没有第一部“我命由我不由天”的惊艳金句，但更多了些“怎能不知道这世间的规则，由谁所定？”的结构性思考，无量仙翁的“个体失范代替制度失范”真是最佳切口。狠狠期待第三部！Christopher42025-01-2911:30:28广东能不能别放3D版本。......

【任务分析】聚焦两大核心分析维度：情感分析（SentimentAnalysis）：以用户评分（1-5分）为基础数据，通过量化处理构建影片口碑的情感分布特征，以此直观呈现观众对影片的整体情感倾向。讨论热度时间序列分析（Time-SeriesAnalysis）：基于评论时间，构建热度倾向的时间序列数据，挖掘观众讨论热度随上映周期（如首周、次周、长尾期）的动态变化趋势，侧面反映影片内容与市场传播的交互影响机制。通过双维度分析，实现从“文本数据”到“市场认知”的转化，为影视传播效果评估、观众偏好研究提供量化分析范式。【任务实施】第一步：数据加载与概览首先，我们使用Pandas的read_csv()函数读取弹幕数据，并通过info()和head()方法快速了解其基本信息。importpandasaspdimportmatplotlib.pyplotasplt

#读取CSV文件data=pd.read_csv('《哪吒2》电影评论数据.csv',encoding='utf-8')

#查看数据的基本信息print('数据基本信息：')()

rows,columns=data.shape

ifrows<100andcolumns<20:#短表数据（行数少于100且列数少于20）查看全量数据信息

print('数据全部内容信息：')print(data.to_csv(sep='\t',na_rep='nan'))else:#长表数据查看数据前几行信息

print('数据前几行内容信息：')print(data.head().to_csv(sep='\t',na_rep='nan'))图7-4数据加载运行结果【任务实施】第二步：情感分析本环节以《哪吒2》在豆瓣平台的观众评分为核心基础数据，该评分采用1-5分的标准化量化体系，不同分值对应着观众不同强度的情感表达（如5分一般代表强烈的正向情感，4分体现较积极的情感倾向，3分多反映中性态度，2分常带有一定的负面情绪，1分则通常意味着明显的负向情感）。量化处理步骤构建影片口碑的情感分布特征，进而精准判断《哪吒2》豆瓣评论的整体情感倾向：plt.rcParams['font.sans-serif']=['SimHei']#设置中文为黑体plt.rcParams['axes.unicode_minus']=False#正确显示负号

plt.figure(figsize=(10,8))#绘制评分字段饼图pf=data['评分'].value_counts()plt.pie(pf.values,labels=pf.index,autopct='%1.1f%%',colors=['#4B96E9','#FFD700','#FF8C00','#DC143C'])plt.title('评论得分分布')plt.show()图7-5评分分布【任务实施】第三