原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
大数据技术期末大作业任务书
一、基于****电影数据的分析：访问****电影Top250
。（20分）要求：
要求使用Python的requests和BeautifulSoup库完成解析，在代码中加入异常处理，确保爬虫在数据字段缺失时不会出错；（5分）
详细获取每部电影的以下信息：排名、中文片名、评分、链接、导演、编剧、主演、类型、上映时间、片长、评分人数、剧情简介，将数据保存为结构化文件（如CSV文件），以供后续分析使用；（5分）
算法末尾需同步输出个人信息以及系统时间，可通过创建函数或语句实现。如（李某某大数据技术作业**模块完成时间：****年**月**日）；
（10分）（注：关键行代码需要对算法进行注释，注释和个人信息代码全无者不得分，需要对每个步骤和结果进行截屏）
二、使用Kettle对题目一中得到的文件进行转换处理。（40分）要求：
去除空值（Nullvalues）所在行、所在列，删除剧情简介和链接列，将片长字段从字符串转换为整数，给出操作过程；（10分）
通过Kettle连接MySQL数据库，使用Kettle把题目一中爬取生成文件导入到MySQL数据库，表名为“movies_学号”，给出操作过程；（10分）
计算片长、评分、评分人数字段的最大值、最小值、平均值等统计指标。使用GroupBy步骤对数据进行分组汇总，按电影类型进行分组，计算每个类型的电影平均评分、上映电影的平均片长（使用Kettle或数据库完成操作皆可）；（10分）
算法末尾需同步输出个人信息以及系统时间。如（李某某大数据技术作业**模块完成时间：****年**月**日）；（10分）
（注：需要对每个步骤和结果进行截屏）
三、在Kettle处理和清洗数据后，通过不同的工具（如Excel、Tableau、PowerBI、JupyterNotebook）来对数据进行可视化。
（40分）
要求：
通过评分的频率分布展示****电影评分的分布情况，查看大多数电影的评分集中在哪个区间，回答大多数电影的评分集中在什么区间，评分超过9.0的电影占比如何？（5分）
按照电影类型的分布，用饼图展示不同类型的电影所占比例，条形图展示“剧情”、“喜剧”、“动作”等类型的电影数量。回答哪些类型的电影最受欢迎（最多电影数量）？（5分）
用直方图展示不同片长的电影数量分布，回答大多数电影的时长是多少？最短和最长的电影分别是哪部？（10分）
用散点图展示电影评分和片长之间的关系，查看是否有线性或非线性的关联。分析评分人数和电影评分之间的关系，看看是否评分人数多的电影容易获得较高评分；（10分）
算法末尾需同步输出个人信息以及系统时间。如（李某某大数据技术作业**模块完成时间：****年**月**日）；（10分）
（注释和个人信息代码全无者不得分）
您可能关注的文档
计算机技术与软件专业技术资格持证人
专注于文案的个性定制，修改，润色等，具有扎实的文案功底，可承接演讲稿、读后感、任务计划书、营销方案等多方面的工作。欢迎大家咨询~
文档评论（0）