数据分析——实战|IMDB-Movie分析案例

一、项目背景

本数据报告以IMDB-Movie为数据集，通过相关的指标对电影进行分析，具体指标包括：电影时长和评分分布，评分平均数，导演人数，演员人数等，本例主要围绕pandas在实际中的应用为主（字符串离散化、数据合并、数据分组聚合，数据索引）。

二、数据来源

链接：https://pan.baidu.com/s/1P6MF3JEMJdC1I-sg5bCsAw
提取码：enz7

三、提出问题

1.电影时长分布

2.评分分布

3.评分平均数

4.导演人数

5.演员人数

四、理解数据

# coding:utf-8
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
pd.set_option('display.max_columns', None)
pd.set_option('display.max_rows', None)
file_path = r'.\IMDB-Movie-Data.csv'
df = pd.read_csv(file_path)
# 查看数据
df.head(5)

df.info()

image.png

五、电影时长分布

# 查看电影时长
runtime_data = df["Runtime (Minutes)"]
# 创建画布
plt.figure(figsize=(20,8),dpi=80)

# 最大值 最小值
max_ = runtime_data.max()
min_ = runtime_data.min()
num_bin = (max_-min_)//5
num_bin

# 绘制图像
plt.hist(runtime_data,num_bin)
# 添加刻度
plt.xticks(range(min_,max_+5,5))
# 添加网格
plt.grid()
plt.show()

image.png

六 、评分分布

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制图像
plt.hist(df["Rating"].values, bins=20)

# 2.1 添加刻度
max_ = df["Rating"].max()
min_ = df["Rating"].min()

t1 = np.linspace(min_, max_, num=21)

plt.xticks(t1)

# 2.2 添加网格
plt.grid()

# 3.显示
plt.show()

image.png

七、评分平均数、导演人数、演员人数

# 查看评分平均数
df["Rating"].mean()
# 查看导演人数
np.unique(df["Director"]).shape[0]
len(set(df["Director"].tolist()))
# 查看演员人数
num = df["Actors"].str.split(',').tolist()
actor_nums = [j for i in num for j in i]
len(set(actor_nums))

结果再次不显示了

八、统计电影分类情况

一部电影多个分类，要统计电影分类情况

df["Genre"]

image.png

思路：取每一个分类名为列名，行填充为0，当属于分类时，替换成1，如下：

image.png

# 统计分类的列表
temp_list = df["Genre"].str.split(',').tolist()
temp_list = [j for i in temp_list for j in i]
genre_list = list(set(temp_list))
# 构造全为0的数组
zeros_df = pd.DataFrame(np.zeros((df.shape[0],len(genre_list))),columns=genre_list)
zeros_df

image.png

# 给每个电影出现的分类的位置赋值1
for i in range(df.shape[0]):
    zeros_df.loc[i,temp_lists[i]] = 1
zeros_df.head(5)

image.png

# 每个分类电影的和
new_zeros = zeros_df.sum(axis=0)
new_zeros 

image.png

# 每个分类电影的和
new_zeros = zeros_df.sum(axis=0)
# 排序 画图
genre_count = new_zeros.sort_values(ascending=False)
x_ = genre_count.index
y_ = genre_count.values
plt.figure(figsize=(20,8),dpi=80)
plt.bar(range(len(x_)),y_,width=0.4,color="orange")
plt.xticks(range(len(x_)),x_)
plt.show()

image.png

总结

image.png

参考链接：https://mp.weixin.qq.com/s?__biz=MzIyNTg3ODM0Ng==&mid=2247483699&idx=1&sn=67826b5afdfb7cc7d924601edf6a6acb&chksm=e8784916df0fc000769969be83de5f4268f9e49657495b93f417d9b714393c08aeb38eb61925&token=498825246&lang=zh_CN&scene=21#wechat_redirect