假设现在我们有一组从2006年到2016年1000部最流行的电影数据,我们想知道这些电影数据中评分的平均分,导演的人数等信息,我们应该怎么获取?
数据来源:https://www.kaggle.com/damianpanek/sunday-eda/data
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
file_path='C:/Users/ming/Desktop/DataAnalysis-master/day05/code/IMDB-Movie-Data.csv'
df=pd.read_csv(file_path)
print(df.info())
#print(df.head(1))
# 获取平均评分
print(df['Rating'].mean())
# 获取导演的人数
# set将列表转化成集合,集合的特点是元素不重复
print(len(set(df['Director'].tolist())))
# 另一个获取导演人数的方法
print(len(df['Director'].unique()))
# 获取演员的人数
temp_actor_list=df['Actors'].str.split(',').tolist()
# 因为tolist是生成一个大列表,里面的每个小列表内才是多个演员的姓名
# actor_list=[i for j in temp_actor_list for i in j]
# actor_num=len(set(actor_list))
# print(actor_num)
# flatten将矩阵展开,np.array为转化成矩阵,因为不能处理字符串所以废弃
# actor_list=list(np.array(temp_actor_list).flatten())