# coding: utf-8
# In[3]:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
#首先把数据导入进来
imdb = pd.read_csv('e:/dataset/tmdb_5000_movies.csv')
#大概看一下数据是什么样的
imdb.head(3)
#imdb.info()
# In[4]:
#首先我们查询缺失了上映日期的是哪一部电影
imdb[imdb.release_date.isnull().values == True]
#然后查询这个电影的上映日期
#填充缺失值
imdb.release_date = imdb.release_date.fillna('2014-06-01')
#把这一个字段的数据转化为时间格式
imdb.release_date = pd.to_datetime(imdb.release_date)
#把上映的年份提取出来,新建一个列
imdb.loc[:, 'year'] = [i.year for i in imdb.release_date]
imdb.head(2)
# In[5]:
#导入正则包
import re
#建立函数
def fenge(str):
pattern = re.compile(r'\b[A-Z]\w+') # 查找首字母大写
strr = pattern.findall(str)
return strr
#将函数应用到整列
#再将其添加到原来的数据中
imdb['generss'] = list(map(fenge, imdb.genres))
#由于目前解决的是问题1,所以先把这两列单独拿出来计算
q1 = pd.DataFrame({'generss': imdb.generss, 'year':imdb.year})
q1.info()
q1.head(5)
# In[6]:
#可以发现,电影类型的数据是以列表形式存储的,这不利于我们接下来的运算
#首先把电影类型和年份做成一个新的列表,再重新组合
lis1 = []
lis2 = []
for i in range(len(q1.year)):
for j in q1.generss[i]:
lis1.append(j)
lis2.append(q1.year[i])
q11 = pd.DataFrame({'genress':lis1, 'years':lis2, 'counts':1})
#先简单的看一下数据情况
#可以发现我们成功的分离了电影类型
q11.head(8)
# In[7]:
#对数据进行处理,得出每年份电影总数
q12 = q11.groupby('years').agg(np.sum)
#把年份重新变成列
q12['years'] = q12.index.get_level_values('years')
#绘图
plt.plot(q12.years, q12.counts,'c')
#设置坐标轴范围和标签
plt.axis([1916, 2016, 0, 700])
#坐标轴使用中文
plt.xlabel('时间', fontproperties = 'SimHei', fontsize = 15, color = 'black')
plt.ylabel('电影类型数', fontproperties = 'SimHei', fontsize = 15, color = 'black')
#设置图例和网格
plt.grid()
plt.legend()
plt.show()
# In[8]:
#在接下来绘图中,为了方便,先统一设置一下中文字体
import matplotlib
matplotlib.rcParams['font.family'] = 'STsong'
matplotlib.rcParams['font.size'] = 15
matplotlib.rcParams['font.style'] = 'normal'
# In[9]:
#将所要电影按类型统计
q13 = q11.groupby('genress').agg(np.sum)
#设置一下饼图的风格
plt.style.use('ggplot')
#绘图
plt.pie(q13.counts/q13.counts.sum(),#绘制的是百分比的图
labels = q13.index, #标签为电影类型
autopct='%.1f%%', #百分比的格式
radius = 3, #饼图的半径
textprops = {'fontsize': 20, 'color' : 'black'}#标签字体的颜色和大小
)
plt.title('总体IMDB电影类型分布') #标题
plt.show()
# In[10]:
#那么如何观察这么多年来电影类型的变化呢
#首先还是对数据进行一个透视
q14 = pd.pivot_table(q11, index = ['genress', 'years'], values = ['counts'], aggfunc = np.sum)
#把年份和类型重新变成列
q14['years'] = q14.index.get_level_values('years')
q14['genress'] = q14.index.get_level_values('genress')
#把画布设置大一些
plt.figure(figsize = (20, 10))
#循环画出每一个电影类型随着时间变化的折线图
#list1是之前对电影类型的统计
for i in set(lis1):
plt.plot(q14[q14.genress == i].years, q14[q14.genress == i].counts, label = i)
#label用来设置图例
plt.legend()
#设置标题和坐标轴的字体大小和颜色
plt.title('电影类型随时间的变化', fontsize = 20, color = 'blue')
plt.xlabel('时间', fontsize = 20, color = 'blue')
plt.ylabel('数量', fontsize = 20, color = 'blue')
plt.show()
# In[11]:
#但是这样因为种类太多,其实不方便观察的
#这里我们选取几个类型的片子作为代表去观察
a = ['Action','Drama','Thriller','Comedy','Romance']
plt.figure(figsize = (15, 8))
for i in set(a):
plt.plot(q14[q14.genress == i].years, q14[q14.genress == i].counts, label = i)
#label用来设置图例
plt.legend()
#设置标题和坐标轴的字体大小和颜色
plt.title('电影类型随时间的变化', fontsize = 20, color = 'blue')
plt.xlabel('时间', fontsize = 20, color = 'blue')
plt.ylabel('数量', fontsize = 20, color = 'blue')
plt.show()
TMDB500电影数据分析
需积分: 34 45 浏览量
2018-05-09
11:33:44
上传
评论 1
收藏 1.09MB RAR 举报
witzgf2
- 粉丝: 3
- 资源: 8
最新资源
- 徐州市区shp边界文件
- 简易数字频率计设计(原理图、PCB、源码、分析报告)
- 20225207038罗丽文财管专2201班.rar
- Golang:通过Gin框架+Redis+责任链,实现一个简单的钉钉机器人,进行消息处理 ps:多应用版
- 基于cnn和AlexNet的铝材缺陷检测内含数据集和demo原型2种方法
- 2023年各城市PM2.5, PM10, SO2, NO2等环境空气质量数据
- go 语言 实现的 使用modbus 协议 通过DTU tcp 链接 采集数据
- SHELL脚本(全是干货)
- Windows屏幕录屏软件
- 2022年各城市PM2.5, PM10, SO2, NO2等环境空气质量数据
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈