利用python中的pandas和matplotlib进行电影数据分析

项目案例

数据集介绍

电影数据集百度云链接 提取码: 4anq

这是一份好莱坞电影数据，有28个特征，五千多个样本，特征有电影时长、导演、票房、语言、评分等，样本中有缺失值，需要进行处理。

项目任务

• 查看票房收入统计
  • 导演vs票房总收入
  • 主演vs票房总收入
  • 导演+主演vs票房收入

• 查看imdb评分统计
  • 查看各imdb评分的电影个数
  • 查看平均imdb评分最高的前20导演

• 电影产量年份趋势
• 电影类型分析
  • 按题材分类，统计个数
  • 按题材统计票房

涉及知识点

• pandas缺失值处理
• pandas分组、排序、统计
• pandas绘图
• pandas读取与输出
• DataFrame扩充

任务实现过程

1. 读取并处理缺失值

   import pandas as pd
   import matplotlib.pyplot as plt
   # 1.1、加载数据
   data = pd.read_csv('movie_data.csv')
   print('数据的形状：', data.shape)
   

   数据的形状： (5043, 28)
      color      director_name  num_critic_for_reviews  duration  \
   0  Color      James Cameron                   723.0     178.0   
   1  Color     Gore Verbinski                   302.0     169.0   
   2  Color         Sam Mendes                   602.0     148.0   
   3  Color  Christopher Nolan                   813.0     164.0   
   4    NaN        Doug Walker                     NaN       NaN   
   
      director_facebook_likes  actor_3_facebook_likes      actor_2_name  \
   0                      0.0                   855.0  Joel David Moore   
   1                    563.0                  1000.0     Orlando Bloom   
   2                      0.0                   161.0      Rory Kinnear   
   3                  22000.0                 23000.0    Christian Bale   
   4                    131.0                     NaN        Rob Walker   
   
      actor_1_facebook_likes        gross