数据分析之Pandas(十一)综合案例

本文通过一个综合案例展示了如何使用Pandas对电影数据进行分析,包括计算评分平均分、导演人数,以及展示Rating和Runtime的分布,并探讨了统计电影分类的方法。案例涉及数据获取、数据处理及可视化,提供了进一步的作业供读者实践。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

综合案例

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?
实现

首先获取导入包,获取数据
在这里插入图片描述
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?

  • 得出评分的平均分
    使用mean函数
    在这里插入图片描述
  • 得出导演人数信息
    求出唯一值,然后进行形状获取
    导演的人数
    在这里插入图片描述
    在这里插入图片描述

对于这一组电影数据,如果我们想看Rating,Runtime (Minutes)的分布情况,应该如何呈现数据?

  • 直接呈现,以直方图的形式
    在这里插入图片描述
    选择分数列数据,进行plot
df["Rating"].plot(kind='hist',figsize=(12,5))
  • Rating进行分布展示
    进行绘制直方图
plt.figure(figsize=(20,8),dpi=80)
plt.hist(df["Rating"].values,bins=20)

修改刻度的间隔

# 求出最大最小值
max_ = 
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值