2021.12.9

本次使用的数据来自于 Kaggle 平台（TMDb 5000 Movie Database）。收录了

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

分等信息。原始数据集包含 2 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

请使用 Python 编程，完成下列问题：

（1）使用附件中的 tmdb_5000_movies.csv 和 tmdb_5000_credits.csv 数据集，进

行数据清洗、数据挖掘、数据分析和数据可视化等，研究电影票房的影响因素有

哪些？从不同的维度分析电影，讨论并分析你的结果。

（2）附件 tmdb_1000_predict.csv 中包含 1000 部电影的基本信息，请你选择

合适的指标，进行特征提取，建立机器学习的预测模型，预测 1000 部电影的

vote_average 和 vote_count，并保存为 tmdb_1000_predicted.csv。

前面几步使用大数据处理平台实现。第五步之后使用python实现。

我找到了一个全部都用python实现的教程，对我的学习有很大的帮助：(70条消息) Python数据分析-TMDb 5000 Movie Database电影数据分析_喂不饱的猪精girl的博客-CSDN博客