对电影题材分析的案例-电影类型与电影利润之间的关系（2021/07/24）

如题，分析内容是电影题材和电影利润之间的关系。

其中电影题材的数据格式比较特殊，那么就用这个案例体现怎么处理此类数据格式。

从数据中看，每个电影对应好几种题材（genres）。

那么，我们的大概思路是，将数据处理成（一个电影对应）一个题材，对应一个利润。

话不多说我们先放代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

#读取数据
df = pd.read_csv('movie_metadata.csv',
                 usecols=[0,1,2,3,4,5,6,7,8,9,10,11,13,15,27])
data = df.dropna(how='any')

#处理数据
genres_data = pd.DataFrame(columns=['genres','gross'])
for i,row_data in data.iterrows():
    genres = row_data['genres'].split('|')
    n_geners = len(genres)
    dict_obj={}
    dict_obj['genres'] = genres
    dict_obj['gross'] = [row_data['gross']] * n_geners
    genres_df = pd.DataFrame(dict_obj)
    genres_data = genres_data.append(genres_df)
# genres_data.to_csv('genres_data.csv',index=None)
genres_data

#绘制图片1
genres_count = genres_data.groupby('genres').size()
plt.figure(figsize=(15.0,10.0))
genres_count.plot(kind='barh')
plt.savefig('genres_count.png')
plt.show()
#绘制图片2
genres_gross = genres_data.groupby('genres')['gross'].sum()
plt.figure(figsize=(15.0,10.0))
genres_gross.plot(kind='barh')
plt.savefig('genres_gross.png')
plt.show()

 其中处理数据的部分是特点。

1.新建一个空白的df用于存放结果，我们对于结果的设计如下图：

每一行的标识可以理解为 movie1+genres1，movie1+genres2.......movieN+genresN

genres_data = pd.DataFrame(columns=['genres','gross'])

 

 一开始对迭代器不太了解，可以通过下面一段代码测试查看迭代器取数的结果。

for i,row_data in data.iterrows():
    print(i)
    print(row_data)
    print('*'*20)

打印出来的row_data我理解上是一个series。

取出每行的genres，用split()拆分

for i,row_data in data.iterrows():
    genres = row_data['genres']
    print(genres)

拆分后

for i,row_data in data.iterrows():
    genres = row_data['genres'].split('|')
    print(genres)

 

准备新建一个空字典，后期通过字典将数据转换成dataframe，再将dataframe拼接就可以。 字典的预期效果如图

字典中‘gross’的数据

for i,row_data in data.iterrows():
    genres = row_data['genres'].split('|')
    n_genres = len(genres)
    dict_obj={}
    dict_obj['gross']=[row_data['gross']]*n_genres
    print(dict_obj['gross'])
    # print([row_data['gross']])

 用将字典转换成一个个的dataframe。

for i,row_data in data.iterrows():
    genres = row_data['genres'].split('|')
    n_genres = len(genres)
    dict_obj={}
    dict_obj['gross']=[row_data['gross']]*n_genres
    dict_obj['genres']=genres
    genres_df=pd.DataFrame(dict_obj)
    print(genres_df)

最终画出来的图的效果。