需求

现在我们有一组从2006年到2016年1000部最流行的电影数据

数据来源：https://www.kaggle.com/damianpanek/sunday-eda/data

• 问题1：我们想知道这些电影数据中评分的平均分，导演的人数等信息，我们应该怎么获取？
• 问题2：对于这一组电影数据，如果我们想rating，runtime的分布情况，应该如何呈现数据？
• 问题3：对于这一组电影数据，如果我们希望统计电影分类(genre)的情况，应该如何处理数据？

工具

• python3.8
• jupyter notebook

实现

导包

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

读取数据

movies = pd.read_csv("./IMDB-Movie-Data.csv")

1、获取平均分直接调用mean()函数。获得导演数量：需要先把导演数据提取，然后去重，最后通过shape[0]获取 （不懂shape函数可以看我numpy数组属性那）

### 获取平均分
movies["Rating"].mean()
### 获取导演人数
np.unique(movies["Director"]).shape[0]

2、呈现数据用的是matplotlib，如果用pandas绘图，间隔会体现不出来，如下图

matplotlib画图三步骤：

• 创建画布
• 绘制图像
• 显示图像

Rating的分布情况

## Rating的分布情况
## 用 plt画图

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

## 2、绘制图像
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添加网格
plt.grid()

## 3、显示
plt.show()

同理Runtime (Minutes)的分布情况

## Runtime (Minutes)的分布情况

## 1、创建画布
    
plt.figure(figsize=(20,8),dpi=100)
    
## 2、绘制图像

plt.hist(movies["Runtime (Minutes)"],bins=20)
    
    ## 2.1、添加x轴刻度
    
x_max = movies["Runtime (Minutes)"].max()
x_min = movies["Runtime (Minutes)"].min()
    ## 生成20个区间，需要21个数字
t = np.linspace(x_min,x_max,num=21)
plt.xticks(t)
    ## 2.2、添加网格
plt.grid()
## 3、显示图像
plt.show()

3、统计电影分类情况

3.1 每个电影有多种类型，先把个电影类型提取出来，然后进行分割，放到一个列表，将列表进行去重得到所有电影类型。

3.2 生成一个一电影个数为行，电影类型数为列的全0矩阵，最后再将矩阵转换成DataFrame,并以电影类型为列

3.3 for循环遍历，通过索引操作将对应电影类型变为1

3.1代码

## 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代码

zeros = np.zeros([movies.shape[0],type_list.shape[0]])
temp_movie = pd.DataFrame(data=zeros,columns=type_list)

3.3代码

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)
## 画图
genre.plot(kind="bar",figsize=(20,8),fontsize=20,colormap="cool")

结尾

上述案例是对numpy、matplotlib、pandas的使用案例。也是对自己学的知识的一个总结