pandas基础操作--统计案例

案例一：统计电影演员

import numpy as np
import pandas as pd

df=pd.read_csv(r"E:\拜师\14100_HM数据科学库课件\14100_HM数据科学库课件\day05\code\IMDB-Movie-Data.csv")
df.head()

Actors中为电影演员，存在重复，需要统计所有演员（去重）人数

df.Actors

a=[]
for i in df.Actors:
i=i.split(’,’)
for j in range(len(i)):
a.append(i[j].strip()) # strip()很关键
len(set(a)) # 用集合去重

案例二：统计影片类型

df.Genre.head()

单部影片可能归类为多个类型，这里只对类型做统计，要求统计每种类型的电影出现次数（存在单部影片重复统计情况，由于数据源的关系暂不做处理）

思路：

• 先统计出所有的去重电影类型
• 创建字典，keys为所有电影类型，values统一设置为1（方便后期用sum统计，如设置不同值，后期则用count统计，效果一样）
• 巧用lambda函数及dict.get（）方法

a=[]
for i in df.Genre:
i=i.split(’,’)
for j in i :
a.append(j.strip())
b=set(a) # b为类型集合（去重后）
c=[1 for i in range(len(b))] # 创建字典的值（数量与类型集合相等）
d=dict(zip(b,c)) # zip方式快速组建字典
for i in d.keys(): # for循环快速创建新列
df[i]=df.Genre.apply(lambda x : d.get(i) if i in x else 0)
df[list(b)].sum() #索引新创建的多列进行sum（）汇总
统计结果：

*实际就是将各个影片类型新建列进行统计

df[list(b)]