imdb数据集_数据分析Day7——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/1R2dTotKIccLQzweNwjiGsg 提取码：p2og

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-8import numpy as npimport pandas as pdfrom matplotlib import pyplot as pltpd.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()

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_)//5num_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()

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()

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"]

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：

# 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

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

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

# 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.indexy_ = genre_count.valuesplt.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()

总结