← 实验室|🎞️ 电影数据分析师 · 公开影讯趋势

加载中关卡/6

📖 学员手册

代码讲解已合并到高亮预览的代码注释里

第二季第7课：电影数据分析师 · 学员手册

一、本节课作品：电影公开数据分析面板

本节课不是做演示图，而是做一个能读取数据、计算指标、生成网页预览的 Python 工具原型。

二、新模块 / 新语法

json.loads
collections.Counter
statistics.mean
sorted + lambda
条件推荐规则

三、6 个实验室关卡

关卡	训练目标
1	读取或创建原始数据
2	提取关键字段
3	统计核心指标
4	排序、过滤或识别风险
5	生成建议或判断结果
6	发布完整 HTML_PREVIEW 网页作品

四、代码讲解方式

点击实验室顶部 高亮预览，再点 全屏查看。新版预览只显示代码本身和代码里的有效注释，不再重复生成无意义解释。

五、作品标准

能运行第 1-6 关。
至少修改 3 处数据，让结果发生变化。
第 6 关能生成完整的电影公开数据分析面板。
能说清楚用到了哪些模块、哪些数据、哪条判断规则。

六、合法边界

只分析公开影讯数据。
不下载或传播未授权电影文件。
推荐系统只给信息建议，不绕过平台规则。

七、进化舱升级方向

进入进化舱，选择或输入“电影公开数据分析面板”，把实验室原型升级成更完整的可交互应用。

Ctrl+/ 注释 · ▶ 运行

# 🎞️ 第二季第7课：电影数据分析师
# 目标：不下载电影，只分析公开影讯数据，生成电影类型热度和推荐面板

# json：解析JSON格式文本，网络接口最常用数据格式
import json
# statistics：内置统计学工具，用来计算平均值
import statistics
# Counter：快速统计元素出现次数，字典子类，做频次统计
from collections import Counter

# 接收用户输入关卡；直接回车得到空字符串，or "6" 默认进入关卡6
RUN_LEVEL = int(input("请选择关卡 1-6：") or "6")

# 模拟公开影讯API返回的JSON字符串
# 真实项目可以替换为公开授权网站接口返回的数据
movies_json = """
[
  {"title":"星际课堂","genre":"科幻","score":8.7,"minutes":118,"year":2025},
  {"title":"城市守护者","genre":"动作","score":7.9,"minutes":105,"year":2024},
  {"title":"代码少年","genre":"校园","score":8.4,"minutes":96,"year":2026},
  {"title":"深海信号","genre":"科幻","score":8.1,"minutes":112,"year":2023},
  {"title":"周末计划","genre":"喜剧","score":7.6,"minutes":92,"year":2025}
]
"""

# json.loads(text)：把JSON文本字符串，转换成Python列表+字典
def load_movies(text):
    return json.loads(text)

# 统计每种电影类型出现多少次
# 生成器表达式依次取出每一条电影的genre交给Counter计数
def genre_count(movies):
    return Counter(movie["genre"] for movie in movies)

# 计算所有电影平均评分
def average_score(movies):
    # 列表推导式：提取所有电影score评分，形成纯数字列表
    scores = [movie["score"] for movie in movies]
    # statistics.mean计算平均值，round保留2位小数
    return round(statistics.mean(scores), 2)

# 电影按评分从高到低排序
# sorted()生成新列表，不修改原始数据
# key=lambda movie: movie["score"] 指定用score作为排序依据
# reverse=True 降序（高分在前）
def top_movies(movies):
    return sorted(movies, key=lambda movie: movie["score"], reverse=True)

# 根据单部电影评分、时长自动生成推荐文案
def recommend(movie):
    # 评分≥8.5，强烈推荐
    if movie["score"] >= 8.5:
        return "强烈推荐，适合作为周末主片"
    # 时长≤100分钟，碎片时间友好
    if movie["minutes"] <= 100:
        return "时长友好，适合碎片时间观看"
    # 不满足以上条件，普通备选
    return "普通推荐，可加入备选片单"

# 拼接可视化HTML页面，用于右侧预览面板
def html_page(title, body):
    return "<html><head><meta charset='utf-8'><style>body{margin:0;background:#fff7ed;font-family:Arial,Microsoft YaHei;color:#22160b}.screen{padding:18px}.hero{background:white;border:1px solid #fed7aa;border-radius:18px;padding:16px}.grid{display:grid;grid-template-columns:repeat(3,1fr);gap:10px;margin-top:12px}.card{background:white;border:1px solid #fed7aa;border-radius:14px;padding:12px}.num{font-size:28px;font-weight:900;color:#f97316}.item{background:white;border-left:5px solid #f97316;border-radius:12px;padding:10px;margin-top:8px}</style></head><body><div class='screen'><div class='hero'><b>公开影讯分析</b><h1>" + title + "</h1></div>" + body + "</div></body></html>"

# 调用函数：将JSON文本转为Python电影列表
movies = load_movies(movies_json)
# 统计各类型电影数量
genres = genre_count(movies)
# 计算全部影片平均分
avg = average_score(movies)
# 获取按评分降序排列的电影排行
ranking = top_movies(movies)

# 关卡分支逻辑
if RUN_LEVEL == 1:
    print("第1关：读取 JSON 影讯")
    # 循环打印每一条电影字典
    for movie in movies:
        print(movie)
    # 拼接预览面板HTML
    HTML_PREVIEW = html_page("JSON 数据读取", "".join("<div class='item'>" + movie["title"] + " " + movie["genre"] + "</div>" for movie in movies))
elif RUN_LEVEL == 2:
    print("第2关：统计类型热度")
    # 打印Counter统计结果
    print(genres)
    # 遍历genres.items()：key=类型名 g，value=数量 c
    HTML_PREVIEW = html_page("电影类型热度", "<div class='grid'>" + "".join("<div class='card'><b>" + g + "</b><div class='num'>" + str(c) + "</div></div>" for g,c in genres.items()) + "</div>")
elif RUN_LEVEL == 3:
    print("第3关：计算平均评分")
    print("平均评分：", avg)
    HTML_PREVIEW = html_page("评分统计", "<div class='card'><b>平均评分</b><div class='num'>" + str(avg) + "</div></div>")
elif RUN_LEVEL == 4:
    print("第4关：电影评分排行")
    # 遍历排序后的榜单，打印片名与评分
    for movie in ranking:
        print(movie["title"], movie["score"])
    HTML_PREVIEW = html_page("评分排行", "".join("<div class='item'>" + movie["title"] + "：评分 " + str(movie["score"]) + "</div>" for movie in ranking))
elif RUN_LEVEL == 5:
    print("第5关：生成推荐理由")
    # 遍历榜单，调用recommend生成推荐语
    for movie in ranking:
        print(movie["title"], recommend(movie))
    HTML_PREVIEW = html_page("智能推荐", "".join("<div class='item'><b>" + movie["title"] + "</b><br>" + recommend(movie) + "</div>" for movie in ranking))
elif RUN_LEVEL == 6:
    print("第6关：发布电影数据分析面板")
    # 汇总顶部三张统计卡片
    # genres.most_common(1) 返回[(最热类型,数量)]；[0][0]取出类型名称
    body = "<div class='grid'><div class='card'><b>影片数</b><div class='num'>" + str(len(movies)) + "</div></div><div class='card'><b>平均评分</b><div class='num'>" + str(avg) + "</div></div><div class='card'><b>最热类型</b><div class='num'>" + genres.most_common(1)[0][0] + "</div></div></div>"
    # 循环拼接所有影片完整信息卡片
    body += "".join("<div class='item'>" + movie["title"] + "｜" + movie["genre"] + "｜" + str(movie["score"]) + "｜" + recommend(movie) + "</div>" for movie in ranking)
    HTML_PREVIEW = html_page("电影公开数据分析师", body)
else:
    # 用户输入数字不在1~6区间，提示错误
    print("关卡不存在，请输入 1-6。")

点击 ▶ 运行或按 Ctrl+Enter

预览区（HTML / turtle 输出）

📋 任务卡

1读取 JSON

把公开影讯文本转成 Python 数据。

💡关卡填 1+10 XP

2类型热度

用 Counter 统计科幻、动作、校园等类型。

💡关卡填 2+10 XP

3平均评分

用 statistics.mean 计算评分水平。

💡关卡填 3+10 XP

4评分排行

用 sorted + lambda 做榜单。

💡关卡填 4+10 XP

5推荐理由

用条件判断生成推荐语。

💡关卡填 5+10 XP

6发布影讯面板

生成公开影讯趋势面板。

💡关卡填 6+10 XP

🎁 完成全部 +30 XP

加载中

▶ 🧩 扩展

📦numpy

📦matplotlib

📦pillow

📦requests

📦sympy

📦pandas

📦scipy

📦beautifulsoup4

📦pygame

📦flask

📦opencv-python

📦nltk

📦sqlalchemy

📦plotly