大佬教程收集整理的这篇文章主要介绍了Python分析44130条用户观影数据，挖掘用户与电影之间的隐藏信息！，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。
很多电影也上映，看电影前很多人都喜欢去 『豆瓣』 看影评，所以我爬取44130条 『豆瓣』 的用户观影数据，分析用户之间的关系，电影之间的联系，以及用户和电影之间的隐藏关系。
https://movie.douban.com/
在『豆瓣』平台爬取用户观影数据。
为了获取用户，我选择了其中一部电影的影评，这样可以根据评论的用户去获取其用户名称（后面爬取用户观影记录只需要『用户名称』）。
https://movie.douban.com/subject/24733428/reviews?start=0
url中start参数是页数（page*20，每一页20条数据），因此start=0、20、40...，也就是20的倍数，通过改变start参数值就可以获取这4614条用户的名称。
查看网页的标签，可以找到『用户名称』值对应的标签属性。
i=0
url = "https://movie.douban.com/subject/24733428/reviews?start=" + str(i * 20)
r = requests.get(url, headers=headers)
r.encoding = 'utf8'
s = (r.content)
SELEctor = etree.HTML(s)
for item in SELEctor.xpath('//*[@class="review-list "]/div'):
userid = (item.xpath('.//*[@class="main-hd"]/a[2]/@href'))[0].replace("https://www.douban.com/people/","").replace("/", "")
username = (item.xpath('.//*[@class="main-hd"]/a[2]/text()'))[0]
print(userid)
print(userName)
print("-----")
上一步爬取到『用户名称』，接着爬取用户观影记录需要用到『用户名称』。
#https://movie.douban.com/people/{用户名称}/collect?start=15&sort=time&raTing=all&filter=all&mode=grid
https://movie.douban.com/people/mumudancing/collect?start=15&sort=time&raTing=all&filter=all&mode=grid
通过改变『用户名称』，可以获取到不同用户的观影记录。
url中start参数是页数（page*15，每一页15条数据），因此start=0、15、30...，也就是15的倍数，通过改变start参数值就可以获取这1768条观影记录称。
查看网页的标签，可以找到『电影名』值对应的标签属性。
url = "https://movie.douban.com/people/mumudancing/collect?start=15&sort=time&raTing=all&filter=all&mode=grid"
r = requests.get(url, headers=headers)
r.encoding = 'utf8'
s = (r.content)
SELEctor = etree.HTML(s)
for item in SELEctor.xpath('//*[@class="grid-view"]/div[@class="item"]'):
text1 = item.xpath('.//*[@class="title"]/a/em/text()')
text2 = item.xpath('.//*[@class="title"]/a/text()')
text1 = (text1[0]).replace(" ", "")
text2 = (text2[1]).replace(" ", "").replace("n", "")
print(text1+text1)
print("-----")
# 初始化execl表
def initexcel(fileName):
# 创建一个workbook 设置编码
workbook = xlwt.Workbook(encoding='utf-8')
# 创建一个worksheet
worksheet = workbook.add_sheet('sheet1')
workbook.save(str(fileName)+'.xls')
##写入表头
value1 = [["用户", "影评"]]
book_name_xls = str(fileName)+'.xls'
write_excel_xls_append(book_name_xls, value1)
excel表有两个标题（用户, 影评）
# 写入execl
def write_excel_xls_append(path, value):
index = len(value) # 获取需要写入数据的行数
workbook = xlrd.open_workbook(path) # 打开工作簿
sheets = workbook.sheet_names() # 获取工作簿中的所有表格
worksheet = workbook.shee@R_772_11164@y_name(sheets[0]) # 获取工作簿中所有表格中的的第一个表格
rows_old = worksheet.nrows # 获取表格中已存在的数据的行数
new_workbook = copy(workbook) # 将xlrd对象拷贝转化为xlwt对象
new_worksheet = new_workbook.get_sheet(0) # 获取转化后工作簿中的第一个表格
for i in range(0, indeX):
for j in range(0, len(value[i])):
new_worksheet.write(i+rows_old, j, value[i][j]) # 追加写入数据，注意是从i+rows_old行开始写入
new_workbook.save(path) # 保存工作簿
定义了写入excel函数，这样爬起每一页数据时候调用写入函数将数据保存到excel中。
最后采集了44130条数据（原本是4614个用户，每个用户大约有500~1000条数据，预计400万条数据）。但是为了演示分析过程，只爬取每一个用户的前30条观影记录（因为前30条是最新的）。
最后这44130条数据会在下面分享给大家。
def read_excel():
# 打开workbook
data = xlrd.open_workbook('豆瓣.xls')
# 获取sheet页
table = data.shee@R_772_11164@y_name('sheet1')
# 已有内容的行数和列数
nrows = table.nrows
datalist=[]
for row in range(nrows):
temp_list = table.row_values(row)
if temp_list[0] != "用户" and temp_list[1] != "影评":
data = []
data.append([str(temp_list[0]), str(temp_list[1])])
datalist.append(data)
return datalist
从豆瓣.xls中读取全部数据放到datalist集合中。
###分析1：电影观看次数排行
def analysis1():
Dict ={}
###从excel读取数据
movie_data = read_excel()
for i in range(0, len(movie_data)):
key = str(movie_data[i][0][1])
try:
Dict[key] = Dict[key] +1
except:
Dict[key]=1
###从小到大排序
Dict = sorted(Dict.items(), key=lambda kv: (kv[1], kv[0]))
name=[]
num=[]
for i in range(len(Dict)-1,len(Dict)-16,-1):
print(Dict[i])
name.append(((Dict[i][0]).split("/"))[0])
num.append(Dict[i][1])
plt.figure(figsize=(16, 9))
plt.title('电影观看次数排行(高->低)')
plt.bar(name, num, facecolor='lightskyblue', edgecolor='white')
plt.savefig('电影观看次数排行.png')
###分析2：用户画像（用户观影相同率最高）
def analysis2():
Dict = {}
###从excel读取数据
movie_data = read_excel()
userlist=[]
for i in range(0, len(movie_data)):
user = str(movie_data[i][0][0])
moive = (str(movie_data[i][0][1]).split("/"))[0]
#print(user)
#print(moivE)
try:
Dict[user] = Dict[user]+","+str(moivE)
except:
Dict[user] =str(moivE)
userlist.append(user)
num_Dict={}
# 待画像用户(取第一个）
flag_user=userlist[0]
movies = (Dict[flag_user]).split(",")
for i in range(0,len(userlist)):
#判断是否是待画像用户
if flag_user != userlist[i]:
num_Dict[userlist[i]]=0
#待画像用户的所有电影
for j in range(0,len(movies)):
#判断当前用户与待画像用户共同电影个数
if movies[j] in Dict[userlist[i]]:
# 相同加1
num_Dict[userlist[i]] = num_Dict[userlist[i]]+1
###从小到大排序
num_Dict = sorted(num_Dict.items(), key=lambda kv: (kv[1], kv[0]))
#用户名称
username = []
#观看相同电影次数
num = []
for i in range(len(num_Dict) - 1, len(num_Dict) - 9, -1):
username.append(num_Dict[i][0])
num.append(num_Dict[i][1])
plt.figure(figsize=(25, 9))
plt.title('用户画像（用户观影相同率最高）')
plt.scatter(username, num, color='r')
plt.plot(username, num)
plt.savefig('用户画像（用户观影相同率最高）.png')
以用户 『mumudancing』 为例进行用户画像
从图中可以看出，与用户 『mumudancing』 观影相同率最高的是：“请带我回布拉格”，其次是“李校尉”。
###分析3：用户之间进行电影推荐（与其他用户同时被观看过）
def analysis3():
Dict = {}
###从excel读取数据
movie_data = read_excel()
userlist=[]
for i in range(0, len(movie_data)):
user = str(movie_data[i][0][0])
moive = (str(movie_data[i][0][1]).split("/"))[0]
#print(user)
#print(moivE)
try:
Dict[user] = Dict[user]+","+str(moivE)
except:
Dict[user] =str(moivE)
userlist.append(user)
num_Dict={}
# 待画像用户(取第2个）
flag_user=userlist[0]
print(flag_user)
movies = (Dict[flag_user]).split(",")
for i in range(0,len(userlist)):
#判断是否是待画像用户
if flag_user != userlist[i]:
num_Dict[userlist[i]]=0
#待画像用户的所有电影
for j in range(0,len(movies)):
#判断当前用户与待画像用户共同电影个数
if movies[j] in Dict[userlist[i]]:
# 相同加1
num_Dict[userlist[i]] = num_Dict[userlist[i]]+1
###从小到大排序
num_Dict = sorted(num_Dict.items(), key=lambda kv: (kv[1], kv[0]))
# 去重（用户与观影率最高的用户两者之间重复的电影去掉）
user_R_132_11845@ovies = Dict[flag_user]
new_movies = Dict[num_Dict[len(num_Dict)-1][0]].split(",")
for i in range(0,len(new_movies)):
if new_movies[i] not in user_R_132_11845@ovies:
print("给用户（"+str(flag_user)+"）推荐电影："+str(new_movies[i]))
以用户 『mumudancing』 为例，对用户之间进行电影推荐
根据与用户 『mumudancing』 观影率最高的用户（A）进行进行关联，然后获取用户（A）的全部观影记录
将用户（A）的观影记录推荐给用户 『mumudancing』（去掉两者之间重复的电影）。
###分析4：电影之间进行电影推荐（与其他电影同时被观看过）
def analysis4():
Dict = {}
###从excel读取数据
movie_data = read_excel()
userlist=[]
for i in range(0, len(movie_data)):
user = str(movie_data[i][0][0])
moive = (str(movie_data[i][0][1]).split("/"))[0]
try:
Dict[user] = Dict[user]+","+str(moivE)
except:
Dict[user] =str(moivE)
userlist.append(user)
movie_list=[]
# 待获取推荐的电影
flag_movie = "送你一朵小红花"
for i in range(0,len(userlist)):
if flag_movie in Dict[userlist[i]]:
moives = Dict[userlist[i]].split(",")
for j in range(0,len(moives)):
if moives[j] != flag_movie:
movie_list.append(moives[j])
data_Dict = {}
for key in movie_list:
data_Dict[key] = data_Dict.get(key, 0) + 1
###从小到大排序
data_Dict = sorted(data_Dict.items(), key=lambda kv: (kv[1], kv[0]))
for i in range(len(data_Dict) - 1, len(data_Dict) -16, -1):
print("根据电影"+str(flag_moviE)+"]推荐："+str(data_Dict[i][0]))
以电影 『送你一朵小红花』 为例，对电影之间进行电影推荐
获取观看过 『送你一朵小红花』 的所有用户，接着获取这些用户各自的观影记录。
将这些观影记录进行统计汇总（去掉“送你一朵小红花”），然后进行从高到低进行排序，最后可以获取到与电影 『送你一朵小红花』 关联度最高排序的集合。
将关联度最高的前15部电影给用户推荐。
分析爬取豆瓣平台数据思路，并编程实现。
对爬取的数据进行分析（电影观看次数排行、用户画像、用户之间进行电影推荐、电影之间进行电影推荐）
以上是大佬教程为你收集整理的Python分析44130条用户观影数据，挖掘用户与电影之间的隐藏信息！全部内容，希望文章能够帮你解决Python分析44130条用户观影数据，挖掘用户与电影之间的隐藏信息！所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。