Pandas-案例分析（一）：电影案例分析

不念不忘少年蓝@ 2023-10-05 13:43 98阅读 0赞

## Pandas案例分析-电影案例分析 ##

### 1 需求 ###

现在我们有一组从2006年到2016年1000部最流行的电影数据

数据来源：https://www.kaggle.com/damianpanek/sunday-eda/data

*  问题1：我们想知道这些电影数据中评分的平均分，导演的人数等信息，我们应该怎么获取？
 *  问题2：对于这一组电影数据，如果我们想rating，runtime的分布情况，应该如何呈现数据？
 *  问题3：对于这一组电影数据，如果我们希望统计电影分类(genre)的情况，应该如何处理数据？

### 2 实现 ###

首先获取导入包，获取数据

%matplotlib inline
    import pandas  as pd 
    import numpy as np
    from matplotlib import pyplot as plt

#文件的路径
    path = "./data/IMDB-Movie-Data.csv"
    #读取文件
    df = pd.read_csv(path)

#### 2.1 问题一：我们想知道这些电影数据中评分的平均分，导演的人数等信息，我们应该怎么获取？ ####

*  得出评分的平均分

使用mean函数

df["Rating"].mean()

*  得出导演人数信息

求出唯一值，然后进行形状获取

## 导演的人数
    # df["Director"].unique().shape[0]
    np.unique(df["Director"]).shape[0]
    
    644

#### 2.2 问题二：对于这一组电影数据，如果我们想Rating，Runtime (Minutes)的分布情况，应该如何呈现数据？ ####

*  直接呈现，以直方图的形式

选择分数列数据，进行plot

df["Rating"].plot(kind='hist',figsize=(20,8))

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center]

*  Rating进行分布展示

进行绘制直方图

plt.figure(figsize=(20,8),dpi=80)
    plt.hist(df["Rating"].values,bins=20)
    plt.show()

修改刻度的间隔

# 求出最大最小值
    max_ = df["Rating"].max()
    min_ = df["Rating"].min()
    
    # 生成刻度列表
    t1 = np.linspace(min_,max_,num=21)
    
    # [ 1.9    2.255  2.61   2.965  3.32   3.675  4.03   4.385  4.74   5.095  5.45   5.805  6.16   6.515  6.87   7.225  7.58   7.935  8.29   8.645  9.   ]
    
    # 修改刻度
    plt.xticks(t1)
    
    # 添加网格
    plt.grid()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 1]

*  Runtime (Minutes)进行分布展示

进行绘制直方图

plt.figure(figsize=(20,8),dpi=80)
    plt.hist(df["Runtime (Minutes)"].values,bins=20)
    plt.show()

修改间隔

# 求出最大最小值
    max_ = df["Runtime (Minutes)"].max()
    min_ = df["Runtime (Minutes)"].min()
    
    # # 生成刻度列表
    t1 = np.linspace(min_,max_,num=21)
    
    # 修改刻度
    plt.xticks(np.linspace(min_,max_,num=21))
    
    # 添加网格
    plt.grid()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 2]

#### 2.3 问题三：对于这一组电影数据，如果我们希望统计电影分类(genre)的情况，应该如何处理数据？ ####

*  思路分析
    
     *  思路
        
         *  1、创建一个全为0的dataframe，列索引置为电影的分类，temp\_df
         *  2、遍历每一部电影，temp\_df中把分类出现的列的值置为1
         *  3、求和
 *  1、创建一个全为0的dataframe，列索引置为电影的分类，temp\_df

# 进行字符串分割
    temp_list = [i.split(",") for i in df["Genre"]]
    # 获取电影的分类
    genre_list = np.unique([i for j in temp_list for i in j]) 
    
    # 增加新的列
    temp_df = pd.DataFrame(np.zeros([df.shape[0],genre_list.shape[0]]),columns=genre_list)

*  2、遍历每一部电影，temp\_df中把分类出现的列的值置为1

for i in range(1000):
        #temp_list[i] ['Action','Adventure','Animation']
        temp_df.ix[i,temp_list[i]]=1
    print(temp_df.sum().sort_values())

*  3、求和,绘图

temp_df.sum().sort_values(ascending=False).plot(kind="bar",figsize=(20,8),fontsize=20,colormap="cool")
    
    
    Musical        5.0
    Western        7.0
    War           13.0
    Music         16.0
    Sport         18.0
    History       29.0
    Animation     49.0
    Family        51.0
    Biography     81.0
    Fantasy      101.0
    Mystery      106.0
    Horror       119.0
    Sci-Fi       120.0
    Romance      141.0
    Crime        150.0
    Thriller     195.0
    Adventure    259.0
    Comedy       279.0
    Action       303.0
    Drama        513.0
    dtype: float64

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 3]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center]: https://img-blog.csdnimg.cn/20201025114350789.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 1]: https://img-blog.csdnimg.cn/20201025114405305.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 2]: https://img-blog.csdnimg.cn/20201025114414586.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 3]: https://img-blog.csdnimg.cn/2020102511443382.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70#pic_center