【Python】豆瓣电影TOP250数据规律分析（Pearson相关系数、折线图、条形图、直方图）

1、数据集预览

部分数据说明：
豆瓣排名num
评分rating_num
评分人数comment_num
电影时长movie_duration

2、查看电影数据集基本数据信息

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
data = pd.read_csv('电影排名.csv') #读取数据

#1.查看电影数据集基本数据信息
print(data.describe())

3、Pearson相关系数分析数据之间的关系

#2.分析数据集中的数据项和电影排名的关系。
#输出Pearson相关系数，并保留两位小数
print('相关系数矩阵为：','\n',np.round(data.iloc[1:,1:].corr(method = 'pearson'), 2))

分析：
相关系数的绝对值越大，相关性越强：相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。
通常情况下通过以下取值范围判断变量的相关强度：
0.8-1.0 极强相关
0.6-0.8 强相关
0.4-0.6 中等程度相关
0.2-0.4 弱相关
0.0-0.2 极弱相关或无相关

（1）豆瓣排名num和评分rating_num之间的相关系数为：-0.69，可见其存在强相关关系。即评分越高，排名数越小（排名越靠前）
（2）豆瓣排名num和评分人数comment_num之间的相关系数为：-0.65，强相关，即评分人数越多，排名越靠前！
（3）豆瓣排名num和电影时长movie_duration的相关系数为：-0.26，关系为弱相关，可以认为这两者并没什么关系。（常识亦可知，一个电影的好坏，排名是否靠前，与其时长确实关系不大）

4、分析结果并使用图形说明

折线图

import matplotlib.pyplot as plt
#(1)豆瓣排名num和评分rating_num之间的关系折线分布图
plt.plot(data['num'],data['rating_num'],'ro-')
plt.show()

#(2)豆瓣排名num和评分人数comment_num之间的关系折线分布图
plt.plot(data['num'],data['comment_num'],'b*-')
plt.bar(data['num'],data['comment_num'])
plt.show()

#（3）豆瓣排名num和电影时长movie_duration的关系折线分布图
plt.plot(data['num'],data['movie_duration'],'gD-')
plt.show()

（1）豆瓣排名num和评分rating_num之间的关系折线图分布图

（2）豆瓣排名num和评分人数comment_num之间的关系折线分布图

（3）豆瓣排名num和电影时长movie_duration的关系分布折线图

条形图

#条形图
#plt.bar(data['num'],data['rating_num']-8) #通过减8的方法来控制范围
plt.ylim(8,10)
plt.bar(data['num'],data['rating_num']) 

plt.bar(data['num'],data['comment_num'],color='pink')

plt.bar(data['num'],data['movie_duration'],color='green')

(1)豆瓣排名num和评分rating_num之间条形分布图
直接绘制效果不明显

设置y轴范围后效果不错：

（2）豆瓣排名num和评分人数comment_num之间关系条形图

（3）豆瓣排名num和电影时长movie_duration的关系分布直方图

直方图

#直方图（反映数据分布规律，不反映数据之间的关系）
plt.hist(data['rating_num'])

plt.hist(data['comment_num'], bins=100, normed=0, facecolor="blue", edgecolor="black", alpha=0.7)

plt.rcParams['font.sans-serif']=['SimHei']   # 用黑体显示中文
plt.rcParams['axes.unicode_minus']=False     # 正常显示负号
plt.xlabel("区间")
plt.ylabel("频数/频率")
plt.title("频数/频率分布直方图")
plt.hist(data['movie_duration'], 40, histtype='stepfilled', facecolor='r', alpha=0.65)

（1）评分分布规律

（2）评分数目分布规律直方图

（3）电影时长分布直方图

标准化后对比分析

#4.附加实验：标准化后，对比分析评分、评论人数、时长数据的差异
def MaxMinNormalization(x):  #0/1标准化
    x = (x - np.min(x)) / (np.max(x) - np.min(x))
    return x

d1 = MaxMinNormalization(data['rating_num'])
d2 = MaxMinNormalization(data['comment_num'])
d3 = MaxMinNormalization(data['movie_duration'])

plt.plot(data['num'],d1,'r-',d2,'b-',d3,'g-')
plt.legend(['评分rating_num','评分人数comment_num','电影时长movie_duration'])

、