需求
現在我們有一組從2006年到2016年1000部最流行的電影數據
- 問題1：我們想知道這些電影數據中評分的平均分，導演的人數等信息，我們應該怎么獲取？
- 問題2：對於這一組電影數據，如果我們想rating，runtime的分布情況，應該如何呈現數據？
- 問題3：對於這一組電影數據，如果我們希望統計電影分類(genre)的情況，應該如何處理數據？
工具
- python3.8
- jupyter notebook
實現
導包
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
讀取數據
movies = pd.read_csv("./IMDB-Movie-Data.csv")
1、獲取平均分直接調用mean()函數。獲得導演數量：需要先把導演數據提取，然后去重，最后通過shape[0]獲取 （不懂shape函數可以看我numpy數組屬性那）
### 獲取平均分
movies["Rating"].mean()
### 獲取導演人數
np.unique(movies["Director"]).shape[0]
2、呈現數據用的是matplotlib，如果用pandas繪圖，間隔會體現不出來，如下圖
matplotlib畫圖三步驟：
Rating的分布情況
## Rating的分布情況
## 用 plt畫圖
## 1、創建畫布
plt.figure(figsize=(20,8),dpi=100)
## 2、繪制圖像
plt.hist(movies["Rating"], bins=20)
## 2.1 添加x刻度
x_max = movies["Rating"].max()
x_min = movies["Rating"].min()
t1 = np.linspace(x_min,x_max,21)
plt.xticks(t1)
## 2.2添加網格
plt.grid()
## 3、顯示
plt.show()
同理Runtime (Minutes)的分布情況
## Runtime (Minutes)的分布情況
## 1、創建畫布
plt.figure(figsize=(20,8),dpi=100)
## 2、繪制圖像
plt.hist(movies["Runtime (Minutes)"],bins=20)
## 2.1、添加x軸刻度
x_max = movies["Runtime (Minutes)"].max()
x_min = movies["Runtime (Minutes)"].min()
## 生成20個區間，需要21個數字
t = np.linspace(x_min,x_max,num=21)
plt.xticks(t)
## 2.2、添加網格
plt.grid()
## 3、顯示圖像
plt.show()
3、統計電影分類情況
3.1 每個電影有多種類型，先把個電影類型提取出來，然后進行分割，放到一個列表，將列表進行去重得到所有電影類型。
3.2 生成一個一電影個數為行，電影類型數為列的全0矩陣，最后再將矩陣轉換成DataFrame,並以電影類型為列
3.3 for循環遍歷，通過索引操作將對應電影類型變為1
3.1代碼
## 用列表生成式
temp_list = [i.split(",") for i in movies["Genre"]]
type_list = np.unique([i for j in temp_list for i in j])
3.2代碼
zeros = np.zeros([movies.shape[0],type_list.shape[0]])
temp_movie = pd.DataFrame(data=zeros,columns=type_list)
3.3代碼
for i in range(1000):
temp_movie.loc[i,temp_list[i]] = 1
## 按降序排序
genre = temp_movie.sum().sort_values(ascending=False)
## 畫圖
genre.plot(kind="bar",figsize=(20,8),fontsize=20,colormap="cool")
結尾
上述案例是對numpy、matplotlib、pandas的使用案例。也是對自己學的知識的一個總結
