时间：2021-07-01 10:21:17 帮助过：23人阅读
# 把年份作为索引标签 genre_year.index = moviesdf[‘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() # 查看数据集,tail默认查看后5行的数据 genresdf.tail()
# 汇总电影类型的数量 # axis=0 列求和 genresdfSum = genresdf.sum(axis=0).sort_values(ascending=False) genresdfSum
#数据可视化 #绘制柱状图 # 设置画板大小 plt.figure(figsize=(12,8)) #创建画纸 plt.subplot(111) #绘图 genresdfSum.sort_values().plot(kind=‘barh‘,label=‘genres‘) plt.title("电影类型数量排名统计图") plt.xlabel(‘movies number‘) plt.ylabel("movies type") plt.show()
#计算百分比 genres_pie = genresdfSum / genresdfSum.sum() # 设置other类，当电影类型所占比例小于%1时，全部归到other类中 others = 0.01 genres_pie_otr = genres_pie[genres_pie >= others] genres_pie_otr[‘Other‘] = genres_pie[genres_pie < others].sum() # 所占比例小于或等于%2时，对应的饼状图往外长高一截 explode = (genres_pie_otr <= 0.02) / 10 + 0.04 # 设置饼状图的参数 genres_pie_otr.plot(kind=‘pie‘,label=‘‘,startangle=50,shadow=False,figsize=(10,10),autopct=‘%1.1f%%‘,explode=explode) plt.title(‘各种电影类型所占的比例pie‘)
# 电影类型随时间变化的趋势分析 #绘图 plt.figure(figsize=(12,8)) plt.plot(genresdf,label=genresdf.columns) #横轴绘制, 格式 plt.xticks(range(1910,2020,5)) #图例 plt.legend(genresdf) #标签标题 plt.title(‘电影类型随时间的变化趋势‘,fontsize=15) plt.xlabel(‘year‘,fontsize=15) plt.ylabel(‘movies number‘,fontsize=15) #设置格子 plt.grid(True) plt.show()
# 电影类型与利润的关系？ #先求出各个电影的类型的平均利润 # 把电影类型作为索引 mean_genre_profit = pd.DataFrame(index=genres_list) mean_genre_profit.head(2) # 求出各种电影类型的平均值 # mean() 求均值 #groupby 依据某个columns对整个DataFrame对象分组 # 这里 依据某个columns(genre)对另一个columns(profit)数据分组 # 然后取出需要的列 profit newarray = [] for genre in genres_list: newarray.append(moviesdf.groupby(genre,as_index=True)[‘profit‘].mean()) # a=moviesdf.groupby(genre,as_index=True)[‘profit‘] # newarray #查看一下 # type(a) newarray2 = [] for i in range(len(genres_list)): newarray2.append(newarray[i][1]) mean_genre_profit[‘mean_profit‘] = newarray2 mean_genre_profit.head() # 绘制电影类型与平均利润关系图 plt.figure(figsize=(12,8)) mean_genre_profit.sort_values(by=‘mean_profit‘).plot(kind=‘barh‘) plt.xlabel("avg_profit") plt.ylabel("movies_type") plt.title("type & avg_profit")
# Universal Pictures(环球影业)和Paramount Pictures(派拉蒙影业)是美国两家电影巨头公司。 # Universal Pictures和Paramount Pictures两家影视公司发行电影的对比情况如何？从数量 # 先解析 production_companies 格式化 moviesdf[‘production_companies‘] = moviesdf["production_companies"].apply(json.loads) #调用刚才自定义函数, 解析 moviesdf[‘production_companies‘] = moviesdf["production_companies"].apply(decode) moviesdf.head(2) #查询两家公司数据列中是否含有并标记, 发行一部记1 moviesdf[‘Universal Pictures‘] = moviesdf["production_companies"].str.contains(‘Universal Pictures‘).apply(lambda x:1 if x else 0) moviesdf[‘Paramount Pictures‘] = moviesdf["production_companies"].str.contains(‘Paramount Pictures‘).apply(lambda x:1 if x else 0) moviesdf.head(1) #统计两家公司数据 a=moviesdf["Paramount Pictures"].sum() b=moviesdf["Universal Pictures"].sum() # 转化为一维数组 dict_companies = {"Universal Pictures": b,‘Paramount Pictures‘:a} companies_number = pd.Series(dict_companies) companies_number
# 可视化 饼图 比较两家公司发行的电影占比 companies_number.plot(kind=‘pie‘,label=‘‘,autopct=‘%11.1f%%‘)
# 分析Universal Pictures和Paramount Pictures两家影视公司电影发行数量的走势, 从时间上看公司发行电影数量 # 将date 作为行索引, 公司作为列索引, 记发行数量 company=moviesdf[[‘Universal Pictures‘,‘Paramount Pictures‘]] company.index=moviesdf[‘year‘] companydf=company.groupby(‘year‘).sum() companydf.tail() plt.figure(figsize=(14,8)) plt.plot(companydf,label = companydf.columns)
# 改编电影和原创电影的对比情况如何？ # keywords列数据格式化 moviesdf[‘keywords‘] = moviesdf[‘keywords‘].apply(json.loads) # 调用自定义函数decode处理keywords列数据 moviesdf[‘keywords‘] = moviesdf[‘keywords‘].apply(decode) moviesdf[‘keywords‘].tail() # 提取关键字 # 是否基于小说 a = ‘based on novel‘ moviesdf[‘if_original‘] = moviesdf[‘keywords‘].str.contains(a).apply(lambda x: ‘no original‘ if x else ‘original‘) moviesdf[‘if_original‘].value_counts() original_profit = moviesdf[[‘if_original‘,‘budget‘,‘revenue‘,‘profit‘]] original_profit = original_profit.groupby(by=‘if_original‘).mean() original_profit # 数据可视化 plt.figure(figsize=(12,8)) original_profit.plot(kind=‘bar‘) plt.title(‘改编电影与原创电影在预算、收入和利润的比较‘) plt.xlabel(‘original or no original‘) plt.ylabel(‘$‘)
# 问题五：电影时长与电影票房及评分的关系 # 电影时长与电影票房的关系 # 绘制散点图 moviesdf.plot(kind=‘scatter‘, x=‘runtime‘, y=‘revenue‘, figsize=(8, 6)) plt.title(‘电影时长与电影票房的关系‘,fontsize=15) plt.xlabel(‘minute‘,fontsize=15) plt.ylabel(‘$‘,fontsize=15) plt.grid(True)
# 电影时长与评分的关系 moviesdf.plot(kind=‘scatter‘, x=‘runtime‘, y=‘vote_average‘, figsize=(8, 6)) plt.title(‘电影时长与电影平均评分的关系‘,fontsize=15) plt.xlabel(‘minute‘,fontsize=15) plt.ylabel(‘avg_score‘,fontsize=15) plt.grid(True) plt.show()
# 问题六：分析电影关键字 # 利用电影关键字制作词云图 # 建立keywords_list列表 keywords_list = [] for i in moviesdf[‘keywords‘]: keywords_list.append(i) keywords_list = list(keywords_list) # 把字符串列表连接成一个长字符串 lis = ‘‘.join(keywords_list) # 使用空格替换中间多余的字符串‘\‘s‘ lis.replace(‘\‘s‘,‘‘)
#制作图云
# 生成词云
wc = WordCloud( background_color="black", # 背景颜色
max_words=2000, # 词云显示的最大词数
max_font_size=100, # 字体最大值
random_state=12, # 设置一个随机种子，用于随机着色
)
# 根据字符串生成词云
wc.generate(lis)
plt.figure(figsize=(16, 8))
# 以下代码显示图片
plt.imshow(wc)
plt.axis("off")
plt.show()
从上面的结果可以看出，在所有的电影类型中，Drama(戏剧)类型电影最多，占所有电影类型的18.9%，其次为Comedy(喜剧)，占所有电影类型的14.2%。
在所有电影类型中，电影数量排名前5的电影类型分别为：Drama(戏剧)、Comedy(喜剧)、Thriller(惊悚)、Action（动作）、Romance（冒险）。
keggle项目 之 TMDb电影最赚钱电影有那特征
标签：转换 问题 mil 制作 生成 返回 pandas 总数 汇总