数据分析案例：统计电影分类情况

本文通过一个电影分类统计的案例来对python数据分析形成一个初步的理解。以下是我在写代码时记录下的一些东西。

数据来源：IMDB data from 2006 to 2016 | Kaggle

取消PyCharm在打印时数据的省略

复制下面两行代码放在最前面即可

# 取消行和列的省略
pd.set_option('display.max_columns', None)
pd.set_option('display.max_rows', None)

将分类一栏的数据展开成一维数组

26行的temp_type_list是一个列表，每一项也是一个列表，每一个列表项存放每一部电影的分类信息。

在30行中使用两层循环将temp_type_list展开成一位数组。

对分类信息计数

首先要拿出一组数据表示这些电影有哪几种分类，这里就用到了set集合这个数据类型不重复的特性（34行）。

因为一部电影不会有两个一样的分类信息，所以在30行的type_list（统计出来的电影的所有分类信息，有重复）中直接进行每种分类的计数即可，这里定义一个函数CountItemNum(item,list)以方便后面代码使用。

38行的genre_count_list为数量的列表，与genre_list中分类一一对应。

生成数据图

使用条形图或直方图（plt.hist()），0轴为分类名，1轴为该分类的电影数量。

（因为前面使用了set集合，集合具有无序性，每一次运行的时候数据图中的数据顺序不一样，但数量对应上了，问题不大）

Code

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

# 取消行和列的省略
pd.set_option('display.max_columns', None)
pd.set_option('display.max_rows', None)


###########################################
def CountItemNum(item_1, list_1):
    count_num = 0
    for i in list_1:
        if i == item_1:
            count_num += 1
    return count_num


movieDataFile = 'dataFiles/IMDB-Movie-Data.csv'
mov_df = pd.read_csv(movieDataFile)

print(mov_df.head(1))
# print(mov_df['Genre'])

# 获得电影分类列表
temp_type_list = mov_df['Genre'].str.split(',').tolist()
print(temp_type_list)

# 所有分类的列表（重复）
type_list = [i for j in temp_type_list for i in j]
print(type_list)

# 所有分类的列表（不重复）
genre_list = list(set(type_list))
print(genre_list)

# 分类对应的数量
genre_count_list = []
for item in genre_list:
    # item为分类名,由于一部电影不会有两个一样的分类名，直接计数即可
    genre_count_list.append(CountItemNum(item, type_list))

print(genre_count_list)

# 生成数据图
matFont = {
    'family': 'Microsoft Yahei'
}
plt.rc('font', **matFont)

plt.figure(figsize=(20, 8), dpi=80)
plt.bar(genre_list, genre_count_list, color='pink') # 生成条形图
plt.xticks(genre_list)

plt.show()