影视剧数据分析与可视化

数据入口：影视剧数据集 - Heywhale.com

读取的数据包含750条条目，分布在6个列中。以下是数据的列和它们的数据类型：

• 影视剧名称（object）：表示影视剧的名称。
• 影视剧标签（object）：包含关于影视剧的标签信息，如类型、年份、主演等。
• 弹幕数量（object）：表示影视剧的弹幕数量，需要注意的是这一列的数据类型为 object，可能是因为数值前有单位（例如“万条弹幕”）。
• 热度（int64）：表示影视剧的热度，为一个整数数值。
• 关键词描述（object）：包含关于影视剧的关键词描述。
• 高清图片网址（object）：包含指向影视剧高清图片的网址。

一：数据预处理

数据概览如下：

首先读取数据，观察数据的大致情况：

import pandas as pd
# 读取上传的Excel文件
file_path = '影视剧信息.xlsx'
data_df = pd.read_excel(file_path)

data_df.info()

观测出“弹幕数量”有空值，所以可以去除含有空值的行：

# 删除含有空值的行
df1 = data_df.dropna(axis=0, how='any')
df1.info()

由于“弹幕数量”的单位存在不一致且“影视剧标签”含有多列，因此可以对这两列进行数据预处理。

由于大部分弹幕数量以万计，所以我们可以只提取含有“万条弹幕”的行，然后以“/”分隔符对影视剧标签进行分割：

#