Pandas基础案例--电影数据分析

一、获取数据

2006~2016年1000部最流行的电影IMDB-Movie-Data.csv数据下载：链接：https://pan.baidu.com/s/1VWR_MaEnh1pkXQMtVscpyQ 
提取码：1bt0

参考博客：matplotlib、numpy和pandas综合案例数据分析-CSDN博客

 问题一：

计算电影平均分，计算导演人数

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

move = pd.read_csv('./data/IMDB-Movie-Data.csv')
'''
问题一：
求平均分，导演人数
'''
#平均分
print(f"平均分：{move["Rating"].mean()}")
#导演人数信息
#去重
print(f"导演人数：{move["Director"].unique().shape[0]}")

 

问题二：

 查看电影评分和电影分布情况

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

move = pd.read_csv('./data/IMDB-Movie-Data.csv')
#绘制Rating直方图
#创建画布
plt.figure(figsize=(12,6),dpi=100)
#绘制图像
plt.hist(move["Rating"].values, 20)
#增加刻度
max_ = move["Rating"].max()
min_ = move["Rating"].min()
x1 = np.linspace(min_, max_, 21)#均匀分布
plt.xticks(x1)
#添加网格
plt.grid()
#显示图像
plt.show()

电影评分的分布情况运行结果

 

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

move = pd.read_csv('./data/IMDB-Movie-Data.csv')
#绘制Runtime(Minutes)时长分布直方图
#创建画布
plt.figure(figsize=(12,6),dpi=100)
#绘制图像
plt.hist(move["Runtime (Minutes)"].values, 20)
#增加刻度
max_ = move["Runtime (Minutes)"].max()
min_ = move["Runtime (Minutes)"].min()
x1 = np.linspace(min_, max_, 21)#均匀分布
plt.xticks(x1)
#添加网格
plt.grid()
#显示图像
plt.show()

电影时长分布情况运行结果：

 问题三：

对于一组电影数据，统计电影分类情况，处理数据

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

move = pd.read_csv('./data/IMDB-Movie-Data.csv')

#统计电影种类
temp_list = [i.split(",") for i in move["Genre"]]
array_list = np.unique([i for j in temp_list for i in j])
#创建全为0的DataFrame
genre_zero = pd.DataFrame(np.zeros([move.shape[0], array_list.shape[0]]),columns=array_list)

#遍历每行数据，在所属类型列表下置1
for i in range(1000):
    genre_zero.loc[i,temp_list[i]] = 1
#求每列的和,绘图

genre_zero.sum().sort_values(ascending=False).plot(kind='bar',figsize=(12,6))
plt.show()

运行结果：