IMDB电影数据分析实践

Abstract: IMDB电影数据分析练习。

1.项目简介

数据集

• 包含来自MovieLens 电影推荐服务的5星评分和文本标记数据和来自IMDB1950-2012年IMDB TOP10000排行榜数据

• MovieLens数据集包含27278部电影的20000263份评分和465564次标签应用

  ​

实践内容

• 1.什么样题材的电影评分会相对较高（较低）

• 2.电影时长对评分是否有影响

• 3.不同年代什么类型电影较受欢迎

• 4.其他自选角度

2.数据整理步骤

1.构建数据框：理想情况下，把所有数据放入这个数据框中

2.清洗数据：对构建的数据框进行数据清理，它应该具有以下属性:

• Each row describes a single object

• Each column describes a property of that object

• Columns are numeric whenever appropriate

  ​

3.探索全局特征：通过直方图，散点图，聚合函数等获得一个数据的全局的了解

4.探索分组特征。通过一些分组操作分析数据集

3.实践

3.1 数据整理与探索

  %matplotlib inline
  ​
  import matplotlib.pyplot as plt
  import pandas as pd
  import numpy as np
  #tell pandas to display wide tables as pretty HTML tables
  pd.set_option('display.width', 500)
  pd.set_option('display.max_columns', 100)
  ​
  def remove_border(axes=None, top=False, right=False, left=True, bottom=True):
      """
      Minimize chartjunk by stripping out unnecesasry plot borders and axis ticks
      
      The top/right/left/bottom keywords toggle whether the corresponding plot border is drawn
      """