首先，本文的數(shù)據(jù)下載自IMDB 5000 Movie Dataset From Kaggle**
原作者爬取了IMDB 5000多條觀測數(shù)據(jù)，然后用回歸對IMDB各個電影的評分進行建模，作者的文章如下：
Predict Movie Rating - NYC Data Science Academy Blog**
本文主要借助該數(shù)據(jù)完成大數(shù)據(jù)分析第4講復雜數(shù)據(jù)和分析的作業(yè)，對該講的內(nèi)容和知識點練練手。

導入相關(guān)包

library(ggplot2)
library(stringr)
library(dplyr)

數(shù)據(jù)導入

#當前項目運行根路徑
#例如：G:/DataCruiser/workspace/IMDB Analysis
projectPath <- getwd()
#movie_metadata.csv路徑
#例如G:/DataCruiser/workspace/IMDB Analysis/data/movie_metadata.csv
servicePath <- str_c(projectPath, "data", "movie_metadata.csv", sep = "/")
#導入數(shù)據(jù)
movies <- read.csv(servicePath, header = T, stringsAsFactors = F)

導演與電影評分數(shù)據(jù)處理

disDirector <- function(){
#選擇子集
  mymovies <- select(movies, 
                     title_year, 
                     imdb_score, 
                     director_facebook_likes, 
                     actor_1_facebook_likes) 
#列名重命名，等號左邊是新列名，右邊是就列名 
  mymovies <- rename(mymovies, 
                     year = title_year, 
                     scores = imdb_score, 
                     direcotrlikes = director_facebook_likes, 
                     actorlikes = actor_1_facebook_likes)
#刪除缺失數(shù)據(jù) 
 mymovies <- filter(mymovies, 
                    !is.na(year), 
                    !is.na(scores), 
                    !is.na(direcotrlikes), 
                    !is.na(actorlikes)) 
#數(shù)據(jù)排序 
 mymovies <- arrange(mymovies, desc(year)) 
#數(shù)據(jù)計算：facebook上導演點贊數(shù)與相應導演所導的電影IMDB評分數(shù)之間的關(guān)系  
 disDirector <- mymovies %>% 
          group_by(year) %>% 
               summarise( count = n(), 
                          mean_scores = mean(scores, na.rm = TRUE), 
                          mean_likes = mean(direcotrlikes, na.rm = TRUE) ) 
                          %>% filter(count > 0) 
          return(disDirector)
}

演員與電影評分數(shù)據(jù)處理

disActor <- function(){ 
#選擇子集
 mymovies <- select(movies, 
                    title_year, 
                    imdb_score, 
                    director_facebook_likes, 
                    actor_1_facebook_likes)
 #列名重命名，等號左邊是新列名，右邊是就列名
 mymovies <- rename(mymovies, 
                    year = title_year, 
                    scores = imdb_score, 
                    direcotrlikes = director_facebook_likes, 
                    actorlikes = actor_1_facebook_likes)
 #刪除缺失數(shù)據(jù) mymovies <- filter(mymovies, 
                                 !is.na(year),
                                 !is.na(scores),
                                 !is.na(direcotrlikes), 
                                 !is.na(actorlikes))
 #數(shù)據(jù)排序 mymovies <- arrange(mymovies, desc(year))
 #數(shù)據(jù)計算：facebook上一號演員點贊數(shù)與相應導演所導的電影IMDB評分數(shù)之間的關(guān)系  
 disActor <- mymovies %>% 
       group_by(year) %>% 
       summarise( count = n(), 
                  mean_scores = mean(scores, na.rm = TRUE),
                  mean_likes = mean(actorlikes, na.rm = TRUE) )
                      %>% filter(count > 0) 
       return(disActor)
}

導演與評分圖形繪制

#導演評分散點圖
directorView <- ggplot(data = disDirector) + 
                geom_point(mapping = aes(x = mean_likes, y = mean_scores))+ 
                geom_smooth(mapping = aes(x = mean_likes, y = mean_scores))

結(jié)果如下：

movieScore vs direcetorLikes.jpg

演員與評分圖形繪制

#演員評分散點圖
actorView <- ggplot(data = disActor) + 
             geom_point(mapping = aes(x = mean_likes, y = mean_scores))+ 
             geom_smooth(mapping = aes(x = mean_likes, y = mean_scores))

結(jié)果如下：

movieScore vs actorLikes.jpg

結(jié)果保存

#保存分析結(jié)果
outputpath <- str_c(projectPath,"output","movieScore vs direcetorLikes.jpg",sep="/")
ggsave(filename=outputpath, plot=directorView)
#保存分析結(jié)果
outputpath <- str_c(projectPath,"output","movieScore vs actorLikes.jpg",sep="/")
ggsave(filename=outputpath, plot=actorView)

結(jié)果分析

在假定IMDB評分高低決定著電影好壞的前提下，從對IMDB 5000多條的數(shù)據(jù)分析可以初步得到以下結(jié)論：

• 總體上看導演在facebook上面獲得的點贊數(shù)與電影的好壞呈現(xiàn)正相關(guān)，而一號演員在facebook獲得的點贊數(shù)與電影的好壞呈負相關(guān)，通過導演的好壞來判斷一部電影的好壞往往更加靠譜；
• 有一些非主流的導演雖然在facebook上獲得的點贊數(shù)不多，但是也不排除會拍出一些好電影的可能性。

需要說明一定的是，在對于count較少的數(shù)據(jù)這里沒有剔除，如果設(shè)置不同的噪音門檻得出的結(jié)論略有不同，特別是演員的趨勢上，得出的結(jié)論會變化較大。
另外，本文的源碼以及輸出結(jié)果均已經(jīng)上傳到：
jijiwhywhy/IMDB-Analysis