最近的电影《哪吒》绝对是风靡全国，各种“我命由我不由天”，激励着平民大众。而《上海堡垒》则彻底扑街，鹿晗也跌落神坛，流量不再。而老大哥成龙的新片《龙牌之谜》也在日前悄悄上映了，之所用悄悄是因为电影并没有做过多的宣传，低调上映。但是上映之后的口碑却不敢恭维，好多影迷都说，大哥老了，也开始持续拍烂片了。今天，我们就来分析下历年成龙的电影得分数据，用数据来告诉你，真的是大哥老了，打不动了吗？

豆瓣数据获取

数据来源，还是爬取豆瓣。

爬取的过程还是蛮简单的，直接给出代码


def get_data():

    data = []

    for i in range(0, 150, 25):

        url = 'https://movie.douban.com/celebrity/1054531/movies?start=%s&format=text&sortby=time&role=A1' % i

        res = requests.get(url).text

        content = BeautifulSoup(res, "html.parser")

        tbody_tag = content.find_all('tbody')

        tr_tag = tbody_tag[1].find_all('tr')

        for tr in tr_tag:

            tmp = []

            name = tr.find('a').text

            year = tr.find('td', attrs={'headers': 'mc_date'}).text

            rate = tr.find('td', attrs={'headers': 'mc_rating'}).text

            tmp.append(name)

            tmp.append(year)

            tmp.append(rate.replace('\n', '').strip().replace('-', ''))

            data.append(tmp)

    return data



if __name__ == '__main__':

    data = get_data()

    print(data)

    with open('jack_data.csv', 'w', encoding='utf-8') as f:

        f.write('name,year,rate\n')

        for d in data:

            try:

                rowcsv = '{},{},{}'.format(d[0], d[1], d[2])

                f.write(rowcsv)

                f.write('\n')

            except:

                continue

数据拿到之后，我们再做些简单的数据处理，去除掉 rate 为空的数据，和一些异常数据


df = pd.read_csv('jack_data.csv')

df.isnull().sum()  # 查看缺失值情况



df_copy = df.copy()

df_copy.dropna(how='any', inplace=True)  # 去掉缺失值



# 去掉异常值

except_data = df_copy[df_copy['name'].apply(lambda x: x == '喜剧之王')].index

df_copy.drop(except_data, inplace=True)