pandas之字符串离散化

# coding=utf-8
from matplotlib import  pyplot as plt
import pandas as pd
import numpy as np

# 数据地址
file_path = "./IMDB-Movie-Data.csv"

# 获取数据 ['', '', '']结构
df = pd.read_csv(file_path)

# 分割数据 [[],[],[]]结构
genre = df["Genre"].str.split(",").tolist()


# 1.合并数组
genre_list = list(set([i for j in genre for i in j]))

# 2.创建模型
zero_df = pd.DataFrame(np.zeros((df.shape[0], len(genre_list))), columns=genre_list)

# 3.赋值
for i in range(df.shape[0]):
    zero_df.loc[i, genre[i]] = 1

# 4.统计每一列的数据
genre_count = zero_df.sum(axis=0)

# 5.排序 默认是从小到大
genre_count = genre_count.sort_values()

# 6.设置图片尺寸与精度
plt.figure(figsize=(20, 8), dpi=80)

# 7.设置条形图
plt.bar(range(len(genre_count.index)), genre_count.values)

# 8.设置x轴数据
plt.xticks(range(len(genre_count.index)), genre_count.index)

# 9.设置网格
plt.grid(alpha=0.2)

# 展示图形
plt.show()

数据: