python电影直方图绘制

最新推荐文章于 2024-09-02 23:29:14 发布

ljm_99

最新推荐文章于 2024-09-02 23:29:14 发布

阅读量604

点赞数

分类专栏： python数据分析文章标签： python 数据分析可视化

本文链接：https://blog.csdn.net/lijiaming_99/article/details/108022945

版权

python数据分析专栏收录该内容

18 篇文章 1 订阅

订阅专栏

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

file_path="C:/Users/ming/Desktop/DataAnalysis-master/day05/code/IMDB-Movie-Data.csv"

df=pd.read_csv(file_path)
# df.head()显示前几条数据
print(df.head(1))
# df.info()查看数据整体情况
print(df.info())
#rating,runtime分布情况
#选择图形，直方图
#准备数据
runtime_data = df["Runtime (Minutes)"].values

max_runtime=runtime_data.max()
min_runtime=runtime_data.min()

# 计算组数
print(max_runtime-min_runtime)
num_bin=(max_runtime-min_runtime)//5

# 设置图像大小
plt.figure(figsize=(10,8),dpi=80)
# 绘图
plt.hist(runtime_data,num_bin)
# 调整轴方法一
# plt.xticks(range(min_runtime,max_runtime+5,5))
# 调整轴方法二，步长可以设置为小数了
plt.xticks(np.arange(min_runtime,max_runtime+5,5))
plt.show()

在这里插入图片描述

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

file_path="C:/Users/ming/Desktop/DataAnalysis-master/day05/code/IMDB-Movie-Data.csv"

df=pd.read_csv(file_path)
# df.head()显示前几条数据
print(df.head(1))
# df.info()查看数据整体情况
print(df.info())
#rating,runtime分布情况
#选择图形，直方图
#准备数据
runtime_data = df["Rating"].values

max_runtime=runtime_data.max()
min_runtime=runtime_data.min()

# 计算组数
print(max_runtime-min_runtime)
num_bin=(max_runtime-min_runtime)//0.1
num_bin = num_bin.astype('int')
# 设置图像大小
plt.figure(figsize=(10,8),dpi=80)
# 绘图
plt.hist(runtime_data,num_bin)
plt.xticks(np.arange(min_runtime,max_runtime+0.1,0.1))
plt.show()

在这里插入图片描述

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

file_path="C:/Users/ming/Desktop/DataAnalysis-master/day05/code/IMDB-Movie-Data.csv"

df=pd.read_csv(file_path)
# df.head()显示前几条数据
print(df.head(1))
# df.info()查看数据整体情况
print(df.info())
#rating,runtime分布情况
#选择图形，直方图
#准备数据
runtime_data = df["Rating"].values

max_runtime=runtime_data.max()
min_runtime=runtime_data.min()

# 计算组数
print(max_runtime-min_runtime)
num_bin_list=[1.6+i*0.5 for i in range(12)]

# 设置图像大小
plt.figure(figsize=(10,8),dpi=80)
# 绘图
plt.hist(runtime_data,num_bin_list)
plt.xticks(num_bin_list)
plt.show()