# -*- coding: utf-8 -*-
"""
Created on Mon Nov 14 22:56:30 2022
@author: GD005
"""
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl
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 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
genresdf = genre_year.groupby('year').sum()
genres_count = genresdf.sum(axis=0).sort_values(ascending=False) # 升序
# print(genres_count.index)
# print(genres_count.values)
# print(len(genres_count.values))
# 设置中文显示
mpl.rcParams['font.family'] = 'SimHei'
# 设置大小 像素
plt.figure(figsize=(12, 8), dpi=100)
plt.axes(aspect='equal') # 保证饼图是个正圆
explodes = [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.1, 0.25, 0.4, 0.55, 0.7, 0.85]
#genres_count.values只是数值部分
plt.pie(genres_count.values, labels=genres_count.index,
autopct='%.2f%%', shadow=True, explode=explodes,
startangle=15, labeldistance=1.1,
)
plt.title('各种电影类型所占比例', fontsize=18)
plt.savefig('test_002.png')
plt.show()
代码解释:
这段代码首先从Excel数据集中读取已清洗的数据,然后清除了空值行。接着根据电影类型在数据集中创建了新的列,并计算了各种电影类型的数量。最后,使用Matplotlib库绘制了一个饼图,展示了各种电影类型在数据集中所占比例,并将图表保存为test_002.png文件。 整体而言,这段代码的主要功能是数据处理和可视化,通过饼图直观地展示了各种电影类型在数据集中的分布情况。
结果: