python统计电影分类（字符串离散化案例）

# coding=utf-8
import pandas as pd
from matplotlib import pyplot as plt
import numpy as np
# 以下两句是显示中文的方法
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei'] #有效的方法
file_path = "C:/Users/ming/Desktop/DataAnalysis-master/day05/code/IMDB-Movie-Data.csv"
df = pd.read_csv(file_path)
print(df["Genre"].head(3))
# 统计分类的列表，tolist合成一个大列表输出
temp_list = df["Genre"].str.split(",").tolist()  #[[],[],[]]列表嵌套列表
print(temp_list)
# set是集合可以去重，也就是所说的唯一化，用双重for循环才能把嵌套列表展开
genre_list = list(set([i for j in temp_list for i in j]))
print(genre_list)
# 构造全为0的数组，df.shape[0]表示行数，len(genre_list)表示列数，用columns修改列名
zeros_df = pd.DataFrame(np.zeros((df.shape[0],len(genre_list))),columns=genre_list)
print(zeros_df)

# 给每个电影出现分类的位置赋值1
# df.shape[0]表示行数
for i in range(df.shape[0]):
    #zeros_df.loc[0,["Sci-fi","Mucical"]] = 1
    zeros_df.loc[i,temp_list[i]] = 1

print(zeros_df.head(3))

#统计每个分类的电影的数量和
genre_count = zeros_df.sum(axis=0)
print(genre_count)

#排序
genre_count = genre_count.sort_values()
_x = genre_count.index
_y = genre_count.values
#画图
plt.figure(figsize=(10,6),dpi=80)
plt.bar(range(len(_x)),_y,width=0.4,color="orange")
plt.xticks(range(len(_x)),_x)
# 添加描述信息
plt.xlabel("电影类型")
plt.ylabel("数量")
plt.title("不同电影类型数量分布条形图")

plt.show()