Python对电影数据简单分析

文章说明：对movie_metadata数据做简单的分析处理，做了三个简单的案例分析，可在此基础上进行拓展和更好的分析。
movie_metadata数据下载链接

1、电影排行榜

import pandas as pd

# 数据预处理
movies_df = pd.read_csv('movie_metadata.csv')
movies_df = movies_df.drop_duplicates()  # 数据清洗去重
movies_df = movies_df.dropna()  # 删除缺失值


""" 字段说明
  imdb_score      电影在imdb上的评分
  movie_title     电影名称
"""

# 获取最大评分的电影
movie_sort_imdb_score = movies_df.sort_values(['imdb_score'], ascending=False).head(10)
movie_max_series = pd.Series(data=movie_sort_imdb_score['imdb_score'].values,
                             index=movie_sort_imdb_score['movie_title'])

print(movie_max_series)

"""写自己对这个结果的分析

"""

2、词云

from wordcloud import WordCloud
import pandas as pd
""" 对【plot_keywords】词云分析
1、提取字段数据并转为一行
2、生成词云
"""

# 数据预处理
movies_df = pd.read_csv('movie_metadata.csv')
movies_df = movies_df.drop_duplicates()  # 数据清洗去重
movies_df = movies_df.dropna()  # 删除缺失值

movies_plot_keywords = movies_df['plot_keywords']  # 提取plot_keywords数据
# print(movies_plot_keywords)
plot_keywords = ''
# 遍历数据
for word in movies_plot_keywords:
    plot_keywords += '|' + word

# print(plot_keywords)
wc = WordCloud().generate(plot_keywords)  # 生成词云
wc.to_file('xiaomu.jpg')  # 保存图片

"""写自己对这个结果的分析

"""

3、相关性分析

import pandas as pd

"""
1、将电影imdb上的评分和各个因素进行相关性分析
2、将相关性的占比做成百分比形式
"""

# 数据预处理（自己考量怎那么处理）
movies_df = pd.read_csv('movie_metadata.csv')
movies_df = movies_df.drop_duplicates()  # 数据清洗去重
movies_df = movies_df.dropna()  # 删除缺失值
drop_list = ['movie_imdb_link', 'num_voted_users', 'num_critic_for_reviews', 'num_user_for_reviews']
print(movies_df)
# movies_df.drop(labels=[drop_list], axis=1, inplace=True)  # 删除列

""" 字段说明
    facenumber_in_poster：      海报中的人脸数量
    director_name：             导演姓名 
    movie_title：               电影片名
    director_facebook_likes：   脸书喜欢该导演的人数 
    title_year：                电影年份
    duration：                  电影时长
    actor_1_name：              男一号姓名 
    country：                   国家
    actor_1_facebook_likes：    脸书上喜爱男一号的人数 
    genres：                    电影题材
    color：                     画面颜色。
    actor_2_name：              男二号姓名 
    aspect_ratio：              画布的比例
    actor_2_facebook_likes：    脸书上喜爱男二号的人数 
    content_rating：            电影分级
    plot_keywords：             剧情关键字
    actor_3_name：              三号男演员姓名 
    language：                  语言
    actor_3_facebook_likes：    脸书上喜爱3号男演员的人数 
    budget：                    制作成本
    cast_total_facebook_likes： 脸书上投喜爱的总数 
    gross：                     总票房
    movie_facebook_likes：      脸书上被点赞的数量 
    movie_imdb_link：           imdb地址
    imdb_score：                imdb上的评分
    num_voted_users：           参与投票的用户数量
    num_critic_for_reviews：    评论家评论的数量
    num_user_for_reviews：      用户的评论数量
"""
# 将所有的字段和 【imdb_score】 字段做相关性分析
movies_imdb_score = movies_df.corr()['imdb_score']
# 将imdb_score删除并排序（降序）
movies_imdb_score = movies_imdb_score.sort_values(ascending=False).drop("imdb_score")
# 将类型转为DataFrame
movies_imdb_score = movies_imdb_score.to_frame()
# 重置索引（将索引构造出来）
movies_imdb_score = movies_imdb_score.reset_index()
# 改列名为【field】和【imdb上的评分】
movies_imdb_score.rename(columns={'index': 'field', 'imdb_score': 'imdb_score_corr'}, inplace=True)
print(movies_imdb_score)

"""写自己对这个结果的分析

"""