# -*- coding: utf-8 -*-
"""
Created on Fri Nov 4 01:23:54 2022
@author: GD005
"""
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl
# 读取数据
df = pd.read_excel('已清洗数据.xlsx')
# 有个别行提取类型时不是nan 但为空列表 再提取后为nan
df.dropna(inplace=True)
# 建立genres列表,提取电影的类型
genres_set = set()
for genre in df['genres'].str.split('|'):
for item in genre:
genres_set.add(item)
genres_list = list(genres_set)
for genre in genres_list:
# 判断每行 有这个类型 对应类型的列下添个1
df[genre] = df['genres'].str.contains(genre).apply(lambda x: 1 if x else 0)
genre_year = df.loc[:, genres_list]
# 将年份作为索引标签
genre_year.index = df['year']
# 将数据集按年份分组并求和,得出每个年份,各电影类型的电影总数,对于二维数组
#erwei,axis=1表示按行相加 , axis=0表示按列相加
genresdf = genre_year.groupby('year').sum()
#genresdf.sum(axis=0) 按行求和
genres_count = genresdf.sum(axis=0).sort_values(ascending=False) # 升序
#可替换为
#genres_count = genre_year.sum(axis=0).sort_values(ascending=False) # 升序
# print(genres_count.index)
# print(genres_count.values)
colors = ['#FF0000', '#FF1493', '#00BFFF', '#9932CC', '#0000CD', '#FFD700', '#FF4500', '#00FA9A', '#191970',
'#006400']
# 设置大小 像素
plt.figure(figsize=(12, 8), dpi=100)
# 设置中文显示
mpl.rcParams['font.family'] = 'SimHei'
plt.style.use('ggplot')
# 绘制t条形图 设置柱条的宽度和颜色,fanzhuang
plt.barh(genres_count.index[9::-1], genres_count.values[9::-1], height=0.6, color=colors[::-1])
plt.xlabel('电影数量', fontsize=12)
plt.ylabel('电影类型', fontsize=12, color='red')
plt.title('数量最多的电影类型Top10', fontsize=18, x=0.5, y=1.05)
plt.savefig('test_001.png')
plt.show()
python数据分析:数量最多的电影类型Top10
最新推荐文章于 2024-09-27 17:31:02 发布