电影数据分析

项目案例

数据集介绍

数据集链接：https://pan.baidu.com/s/1qg7Z2ZJUi5pk9RIZN32srg
提取码：bhdz
复制这段内容后打开百度网盘手机App，操作更方便哦
这是一份好莱坞电影数据，有28个特征，五千多个样本，特征有电影时长、导演、票房、语言、评分等，样本中有缺失值，需要进行处理。

项目任务

1. 查看票房收入统计
   • 导演vs票房总收入
   • 主演vs票房总收入
   • 导演+主演vs票房收入
2. 查看imdb评分统计
   • 查看各imdb评分的电影个数
   • 查看平均imdb评分最高的前20导演
3. 电影产量年份趋势
4. 电影类型分析
   • 按题材分类，统计个数
   • 按题材统计票房

涉及知识点

• pandas缺失值处理
• pandas分组、排序、统计
• pandas绘图
• pandas读取与输出
• DataFrame扩充

任务实现过程

1. 读取并处理缺失值

   import pandas as pd
   import matplotlib.pyplot as plt
   # 1.1、加载数据
   data = pd.read_csv('movie_data.csv')
   print('数据的形状：', data.shape)
   # 1.2、处理缺失值
   data = data.dropna(how='any')
   data.head()
   

数据的形状： (5043, 28)
…

2. 任务1、查看票房收入统计

   # 1.1 导演vs票房总收入
   group_director = data.groupby(by='director_name')['gross'].sum()
   group_director.sort_values(ascending=False)
   

   # 1.2 主演vs票房总收入
   group_actor = data.groupby(by=<