数据分析实战（八十一）：Python 数据处理 —— 关系网络数据可视化：导演与演员的合作次数统计

版权声明：本文为博主原创文章，未经博主允许不得转载。

---

---

• 将数据中导演与演员的关系整理出来，得到导演与演员的关系数据，并统计合作次数

一、导入模块

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

# 不发出警告
import warnings
warnings.filterwarnings('ignore')

二、读取数据

import os
os.chdir('C:/Users/lsj/Desktop/')

df = pd.read_excel('豆瓣电影数据.xlsx', sheet_name = 0, header = 0)

# 数据总条数
l = len(df)
print('数据总共%i条'% l)

# 数据字段
cols = df.columns.tolist()
print('数据字段为：\n', cols)

三、数据清洗

data = df[['name', '导演', '主演']]

data.dropna(inplace = True)

data.head()

data_yy = data['主演'].str.split('/', expand = True)

col_len_1 = len(data_yy.columns)

data_yy.columns = ['yy'+ str(i) for i in range(col_len_1)]

print(data_yy.head())

data_dy = data['导演'].str.split('/', expand = True)

col_len_2 = len(data_dy.columns)

data_dy.columns = ['dy' + str(i) for i in range(col_len_2)]

print(data_dy.head())

data_2 = data_dy.join(data_yy).join(data['name'])

print(data_2.head())

四、合并数据

data_re = pd.DataFrame(columns = ['name', '导演', '演员'])

# 创建一个空的 DataFrame
col_yy = data_yy.columns
col_dy = data_dy.columns

for dy in col_dy:
    for yy in col_yy:
        # 提取数据
        data_i = data_2[['name', dy, yy]].dropna()
        # 列名重命名
        data_i.columns = ['name', '导演', '演员']
        # 添加数据
        data_re = pd.concat([data_re, data_i])
print(data_re)

# 遍历数据后，得到一个导演与演员的关系数据，并做去重处理
# 这里index是有重复的，但作为过程数据可忽略

五、汇总数据

# 汇总统计导演和演员的合作次数

# 按照导演——演员进行计数统计，得到结果数据     

result = data_re.groupby(['导演', '演员']).count()

result.reset_index(inplace = True)     # 将所有索引级别转换为列

result.columns = ['导演', '演员', '合作次数']



# 存为excel
# 注意：output.xlsx 文件不能是打开状态
writer = pd.ExcelWriter('output.xlsx')

result.to_excel(writer, 'sheet1')

writer.save()

print('Finished !')

---

版权声明：本文为博主原创文章，未经博主允许不得转载。