首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏小程序

    50046_基于微信小程序的电影票预订管理系统

    2.项目介绍本电影票务预订系统采用微信小程序与Vue框架协同架构,构建多终端协同解决方案。在用户服务端口,系统集成电影信息检索、在线选座购票、订单全周期管理及用户身份认证等核心功能模块。 影院管理后台则配备影片数据库维护、放映场次智能编排、订单实时处理等管控系统,支持院线工作人员通过管理界面进行新片排期配置、放映计划优化等业务操作。 本系统根据不同角色分为系统管理员、影院管理员和普通用户。系统管理员拥有最高权限可以对影院、影片、影厅、排片管理、广告、用户和评论进行统一管理。影院管理员支持对影厅、排片、订单和小吃进行管理。 系统支持普通用户登录系统、浏览电影、购买电影票和小吃,也支持对自己购买的电影票评论和订单查看。 4.文档截图5.项目截图热映列表影片详情影院信息个人主页影院管理系统主页

    56910编辑于 2025-11-25
  • 来自专栏萝卜大杂烩

    2019电影票房大盘点

    2019年,可以说是中国电影的大年,众多国产巨制纷纷上映,让广大影迷们又再次看到了中国电影的希望,今天我们就用数据来说一说这堪称辉煌的2019中国影坛。

    82710发布于 2020-05-22
  • 来自专栏Crossin的编程教室

    2019电影票房大盘点

    憋在家中数日的你,是否还记得去年春节期间,流浪地球票房霸榜的场景?春节档本是电影行业全年的两大档期之一,只可惜现在大家都只能乖乖在家待着,原本计划上映的影片也纷纷撤档。

    93220发布于 2020-02-21
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 4-8 scikit-learn中的scaler

    本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍在sklearn中使用数据归一化。

    1.5K00发布于 2019-11-13
  • 来自专栏数据科学实战

    AkShare-另外数据-电影票房

    作者寄语 新电影票房数据接口,替换之前的老接口,新接口的稳定性大大提高且提供更丰富的数据字段。 年度票房-年度首周票房 "movie_boxoffice_cinema_daily" # 影院票房-日票房排行 "movie_boxoffice_cinema_weekly" # 影院票房-周票房排行 电影票房 movie_boxoffice_realtime 目标地址: https://www.endata.com.cn/BoxOffice/BO/RealTime/reTimeBO.html 描述: 获取当前时刻的实时电影票房数据 单日票房 接口: movie_boxoffice_daily 目标地址: https://www.endata.com.cn/BoxOffice/BO/Day/index.html 描述: 获取指定日期的电影票房数据

    1.4K20发布于 2020-10-29
  • 来自专栏PPV课数据科学社区

    数据到底如何搞定电影票房预测?

    本文以搜狗为案例,分析其电影票房预测的相关技术,其他领域的研究成果将陆续发布。 搜狗公司借助“深思”系统,建立了更为复杂的模型,用于预测国内电影票房,并在新浪微博上提前发布了2013年12月国内上映电影的首周票房预测结果。 修正后的模型可以达到74%的准确度,这时模型已经可以对电影票房进行一个粗略的估计。 ? 社交媒体:用户的情感分析 社交媒体数据对票房预测也会有一定帮助。 这些网站中电影的相关新闻数、预告片播放情况、用户评论情况都可以通过定向抓取获得,这些都是影响电影票房的重要相关因素。 实际预测效果 在实际研究过程中,12月份的电影上映前均使用“深思”系统预测了首周(7天)的电影票房,预测结果发布在一位团队成员的微博上。

    1.2K30发布于 2018-04-18
  • 来自专栏无原型不设计

    电影票APP原型设计分享– Movie Booking

    今天我用Mockplus做了一套5miles App的原型,这是5miles是一个基于地理位置的购物社区,用户通过通过5miles可以轻松、有趣、免费的进行买、卖。我运用了Mockplus基础组件、交互组件、移动组件等多个组件库,简单拖拽,方便快捷~好了,下面请看我的成果吧!

    1.2K10发布于 2019-05-14
  • 来自专栏Crossin的编程教室

    爬虫+网站开发实例:电影票比价网

    今天介绍的这个项目就源自生活中的一个场景:买电影票。 当你打算周末出门看场电影的时候,就必然面临三个终极问题: 看什么? 什么时候看? 去哪儿看? 于是就有了我们这个小项目: 电影票比价网 ? 在我们这个网页上,会展示出当前热映的电影。进入每部电影,选择城市、区域、影院和日期,就可以看到最近的排片时间和不同渠道的价格。 开发思路 使用爬虫爬取各电影票网站所有的电影院链接,作为基本的数据保存下来 使用豆瓣 API 获取当日上映的电影信息,并每天更新 django 显示电影信息,提供给用户选择电影院的接口 将影片和影院信息发送到 代码下载 完整的代码和详细说明已上传 Github,获取下载地址请在公众号(Crossin的编程教室)里回复 电影票。

    2.3K50发布于 2018-04-17
  • 来自专栏PPV课数据科学社区

    干货 :谷歌电影票房预测模型探究

    谷歌公布了一项重要研究成果–电影票房预测模型。该模型能够提前一个月预测电影上映首周的票房收入,准确度高达94%。 图1显示了2012年电影票房收入(红色)和电影的搜索量(灰色)的曲线(注:本文的所有图片均引用自谷歌的白皮书:QuantifyingMovieMagicwithGoogleSearch)。

    3.2K100发布于 2018-04-20
  • 来自专栏HarmonyOS Next 三部曲

    电影票务网格布局(上)

    概述在移动应用开发中,电影票务应用是一个常见的场景,用户可以通过应用查看正在热映的电影信息,并进行选座购票等操作。 本教程将详细讲解如何使用HarmonyOS NEXT的GridRow和GridCol组件实现电影票务应用中的电影列表网格布局,帮助开发者掌握网格布局的基本用法和实现技巧。 数据结构设计在实现电影票务网格布局之前,我们需要先定义电影数据的结构。 完整代码以下是电影票务网格布局的完整代码:// 电影票务网格布局interface MovieType { title: string; rating: number; poster: 总结本教程详细讲解了如何使用HarmonyOS NEXT的GridRow和GridCol组件实现电影票务应用中的电影列表网格布局。

    54300编辑于 2025-06-06
  • 来自专栏PPV课数据科学社区

    【观点】数据到底如何搞定电影票房预测?

    票房预测:需求与现实 从1896年西洋影戏传入上海徐园,到1905年中国拍摄首部国产电影《定军山》,再到2013年全国电影票房 突破200亿 大关,(4)有着百余年历史的中国电影产业, 搜狗公司借助“深思”系统,建立了更为复杂的模型,用于预测国内电影票房,并在新浪微博上提前发布了2013年12月国内上映电影的首周票房预测结果。 修正后的模型可以达到74%的准确度,这时模型已经可以对电影票房进行一个 粗略的估计。 社交媒体:用户的情感分析 社交媒体数据对票房预测也会有一定帮助。 这些网站中电影的相关新闻数、预告片播放情况、用户评论情况都可以通 过定向抓取获得,这些都是影响电影票房的重要相关因素。 实际预测效果 在实际研究过程中,12月份的电影上映前均使用“深思”系统预测了首周(7天)的电影票房,预测结果发布在一位团队成员的微博上。

    1.8K70发布于 2018-04-18
  • 来自专栏HarmonyOS Next 三部曲

    电影票务网格布局(下)

    HarmonyOS NEXT 实战案例八 电影票务网格布局(下)项目已开源,开源地址: https://gitcode.com/nutpi/HarmonyosNextCaseStudyTutorial 概述在上一篇教程中,我们学习了如何使用GridRow和GridCol组件实现基本的电影票务网格布局。 本篇教程将在此基础上,深入探讨如何优化布局、添加交互功能,以及实现更多高级特性,打造一个功能完善的电影票务应用。 总结本教程详细讲解了如何优化电影票务网格布局,添加交互功能,以及实现更多高级特性。 同时,我们还添加了电影卡片优化、电影详情页、电影筛选和排序功能、购票流程设计等功能,打造了一个功能完善的电影票务应用。

    38200编辑于 2025-06-06
  • 来自专栏石璞东 | haha

    urllib+requests+猫眼电影票房信息可视化

    HTTPRedirectHandler : 用于处理重定向 HTTPCookieProcessor : 用于处理cookies ProxyHandler : 用于设置代理,默认代理为空 HTTPPasswordMgr : 用于管理密码 ,它维护了用户名和密码的表 HTTPBasicAuthHandler : 用于管理认证,如果一个链接打开的时候需要认证,那么可以用它来解决验证问题 这里我举两个栗子简单说明: HTTPBasicAuthHandler print(result.cookies) 官网地址: https://2.python-requests.org//zh_CN/latest/user/quickstart.html 实战应用-猫眼电影票房信息数据可视化 axes.unicode_minus"]=False #要爬取网站的url url = "https://box.maoyan.com/promovie/api/box/second.json" #用来存获取到的电影票房数据 rotation=-90) #设置图标的主题文字 plt.title("猫眼电影实时票房信息") #设置x y 轴的名称 plt.xlabel('电影名称') plt.ylabel('电影票房

    1.1K20发布于 2020-04-21
  • 来自专栏电影票项目

    构建电影票小程序:技术架构与数据接口深度解析

    在数字化浪潮的推动下,电影票务行业迎来了新的发展机遇。本文将深入探讨如何构建一款高效、稳定、便捷的电影票小程序,并详细介绍其背后的技术架构、数据库数据源码及API接口设计(以宜选影票为例)。 引言随着互联网技术的不断进步,电影票务市场逐渐从线下转移到线上。电影票小程序作为一种新兴的票务销售渠道,不仅为用户提供了便捷的购票服务,同时也为影院带来了新的盈利模式。 本文旨在解析电影票小程序的搭建过程,为行业同仁提供参考。技术架构设计电影票小程序的技术架构主要包括前端、后端和数据库三个部分。 结论构建电影票小程序是一项复杂而富有挑战性的工程,涉及前端设计、后端开发、数据库管理等多个环节。 通过深入分析技术架构、数据库数据源码和API接口设计,我们可以为电影票小程序的稳定运行提供坚实的技术保障。未来,随着技术的不断进步,电影票小程序将更好地满足用户需求,推动电影行业的数字化转型。

    67510编辑于 2024-07-15
  • 来自专栏腾讯大讲堂的专栏

    量化未知 ——谈电影票房预测【海量服务之道2.0】

    我们说,数据是不会说谎的。 我们又说,数据是会说谎的。 我们发现,数据有时候说谎,有时候不说谎。 后来我们找到了一个可以自圆其说的说法: 数据不说谎,说谎的是不完整的数据。 但我们还是没弄明白应该如何去看待数据。 ——佚名 起因,我们做了一个票房预测的Demo: 通过特征工程,数据筛选,模型优化,规则完善,我们的系统R2值达到了94.8%,好像和Google[2]比也差不多,一切看上去还不错,但是这样就够了吗? 首周票房预测效果 有一个很好的起点,但是这个Demo有什么用呢?仅仅是在电影上映前看

    1.1K100发布于 2018-02-12
  • 4-8人同服搭建教程详解

    本文详解如何通过搭建专属服务器实现4-8人同服联机,涵盖服务器配置要求、活动页选购、防火墙设置及客户端连接配置,帮助玩家突破人数限制,与好友畅享多人联机体验。 1.2 专属服务器的优势 对比维度 内置联机 专属服务器 最大人数 4人 4-8人 稳定性 依赖主机在线 7×24小时运行 参数自定义 不支持 支持经验倍率、捕获率等调整 隐私性 可能遇到陌生人 仅邀请好友加入 建议设置强密码 PublicPort 游戏端口 默认8211 ServerPlayerMaxNum 最大玩家数 建议设为4-8 ExpRate 经验倍率 休闲玩家2.0-3.0 PalCaptureRate 7.1 获取管理员权限 服务器所有者可通过管理员密码获取管理权限: 在游戏中按Enter调出聊天框 输入:/adminpassword 你设置的管理员密码 获取管理员权限后可使用管理命令 7.2 常用管理命令 八、总结 《幻兽帕鲁》想要实现4-8人的多人同服,搭建专属服务器是最佳方案。

    2.2K10编辑于 2026-07-20
  • 来自专栏Python 知识大全

    使用Pyecharts对猫眼电影票房可视化分析

    设置背景颜色,我们这里选择的添加图片 ), ) .add_xaxis(list(df['电影'])) .add_yaxis("电影票房 .reversal_axis()#翻转横纵轴 .set_global_opts( title_opts=opts.TitleOpts(title="电影票房与电影排片 radius", ) .set_global_opts(title_opts=opts.TitleOpts(title="电影的票房占比与排片占比", subtitle="电影票房占比与排片占比

    1.5K11发布于 2020-02-21
  • 来自专栏数据科学和人工智能

    爱数科案例 | 迪士尼电影票房可视化分析

    本案例使用迪士尼历年的电影票房销量来探究使迪士尼电影成功的因素。 1. 读数据表 首先,使用读数据表组件读取原始数据,并查看各字段基本情况。 电影种类分组票房数据按列值排序 将数据按电影票房均值升值排序,便于可视化分析。 11. 电影种类与票房折线图 使用处理后的数据绘制电影种类与票房折线图。 电影评级分组票房数据按列值排序 将数据按电影票房均值升值排序,便于可视化分析。 14. 电影评级与票房折线图 使用处理后的数据绘制电影评级与票房折线图。

    2.3K10编辑于 2022-03-30
  • 来自专栏罗超频道

    电影票之后百度如何建立O2O城池?

    原创2015-03-11罗超 三七女生节,百度糯米选准电影票这个细分领域切入做“三块七看电影”活动,一天出票近百万张,占到全国出票量的15%,做出了声势、找到了节奏。 百度这么大力度做电影票,看上去有些杀鸡用牛刀的感觉。不过我认为,三七女生节、电影票业务,都只是百度2015年O2O的大幕,更多动作还在后面,O2O大市场马上就被搅动了。 电影票的以点带面效应 电影票具备标准、小额和高频特征,是最重要的票务业务之一。票务是最具备商品特征的线下服务,在服务中又相对具有商品性质,几年前连缺乏互联网能力的运营商都以话费支付方式参与了这个业务。 因此做电影票对百度来说,直接结果是拉新,给百度钱包拉新。间接结果则是打造一个王牌应用,在用户心中形成符号,就是百度可以买票,不只是搜索信息。 这个符号其实就是一个标杆,未来百度将从这里进入更多O2O行业,电影票发挥“以点带面”的作用。

    83860发布于 2018-04-28
  • 来自专栏脑电信号科研科普

    theta悖论:4-8 Hz的EEG振荡既反映睡眠压力又体现认知控制

    theta振荡(4—8赫兹)反映了警觉认知控制状态活动和睡眠剥夺,是睡眠状态下压力的标志。本研究中,我们调查了认知任务和睡眠剥夺期间中,脑电位振荡的差异。我们测量了18名年轻健康成年人(9名女性)在3种睡眠剥夺水平下执行6项任务的高密度脑电图。我们发现认知负荷和睡眠剥夺都增加了内侧前额叶皮质区域的theta功率;然而,睡眠剥夺导致了许多额叶其他部位的theta波增加。睡眠剥夺相关的theta(sdTheta)出现位置随任务不同而不同,在视觉空间任务和短时记忆任务中范围最广,在被动音乐学习任务中辅助运动区活动最强,而在空间任务时颞下回皮层最强。此外,任务行为的改变和睡眠剥夺时的theta增加相关,但是相关无任务特异性而且多重校正后不显著。总之,这些结果表示在睡眠剥夺期和认知过程中that a振荡主要发生在与当前行为无关的皮层区域。

    1.2K30编辑于 2023-01-16
领券