机器学习-案例:流行电影统计

机器学习--案例:流行电影统计

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

python 复制代码
%matplotlib inline
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
python 复制代码
#文件的路径
path = "./IMDB-Movie-Data.csv"
#读取文件
df = pd.read_csv(path)

问题一:

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

python 复制代码
df["Rating"].mean()
  • 得出导演人数信息

求出唯一值,然后进行形状获取

python 复制代码
## 导演的人数
# df["Director"].unique().shape[0]
np.unique(df["Director"]).shape[0]

问题二:

对于这一组电影数据,如果我们想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

选择分数列数据,进行plot

python 复制代码
df["Rating"].plot(kind='hist',figsize=(20,8))
  • Rating进行分布展示

进行绘制直方图

python 复制代码
plt.figure(figsize=(20,8),dpi=80)
plt.hist(df["Rating"].values,bins=20)
plt.show()

修改刻度的间隔

python 复制代码
# 求出最大最小值
max_ = df["Rating"].max()
min_ = df["Rating"].min()
# 生成刻度列表
t1 = np.linspace(min_,max_,num=21)
# [ 1.9 2.255 2.61 2.965 3.32 3.675 4.03 4.385 4.74 5.095 5.45 5.805 6.16 6.515 6.87 7.225 7.58 7.935 8.29 8.645 9.]
# 修改刻度
plt.xticks(t1)
# 添加网格
plt.grid()
  • Runtime (Minutes)进行分布展示

进行绘制直方图

python 复制代码
plt.figure(figsize=(20,8),dpi=80)
plt.hist(df["Runtime (Minutes)"].values,bins=20)
plt.show()
  • 修改间隔
python 复制代码
# 求出最大最小值
max_ = df["Runtime (Minutes)"].max()
min_ = df["Runtime (Minutes)"].min()
# # 生成刻度列表
t1 = np.linspace(min_,max_,num=21)
# 修改刻度
plt.xticks(np.linspace(min_,max_,num=21))
# 添加网格
plt.grid()

问题三: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?

  • 思路
    • 1、创建一个全为0的dataframe,列索引置为电影的分类,temp_df
    • 2、遍历每一部电影,temp_df中把分类出现的列的值置为1
    • 3、求和
  • 1、创建一个全为0的dataframe,列索引置为电影的分类,temp_df
python 复制代码
# 进行字符串分割
temp_list = [i.split(",") for i in df["Genre"]]
# 获取电影的分类

genre_list = np.unique([i for j in temp_list for i in j])
# 增加新的列
temp_df = pd.DataFrame(np.zeros([df.shape[0],genre_list.shape[0]]),columns=genre_list)

2、遍历每一部电影,temp_df中把分类出现的列的值置为1

python 复制代码
for i in range(1000):
    temp_df.loc[i,temp_list[i]]=1
print(temp_df.sum().sort_values())

3、求和,绘图

python 复制代码
temp_df.sum().sort_values(ascending=False).plot(kind="bar",figsize=(20,8),fontsize=20,colormap="cool")
相关推荐
cylat1 分钟前
Day59 经典时序预测模型3
人工智能·python·深度学习·神经网络
萤火虫儿飞飞15 分钟前
从基础加热到智能生态跨越:艾芬达用创新重构行业价值边界!
大数据·人工智能·重构
aneasystone本尊16 分钟前
学习 RAGFlow 的系统架构
人工智能
Codebee19 分钟前
OneCode3.0低代码引擎核心技术:常用动作事件速查手册及注解驱动开发详解
人工智能·架构
AI大模型技术社20 分钟前
✅2025全网最具权威深度解析并手写RAG Pipeline
人工智能·llm·掘金·日新计划
mortimer35 分钟前
Whisper断句不够好?用AI LLM和结构化数据打造完美字幕
人工智能·openai
计算生物前沿1 小时前
单细胞分析教程 | (二)标准化、特征选择、降为、聚类及可视化
人工智能·机器学习·聚类
kyle~1 小时前
Opencv---深度学习开发
人工智能·深度学习·opencv·计算机视觉·机器人
运器1232 小时前
【一起来学AI大模型】PyTorch DataLoader 实战指南
大数据·人工智能·pytorch·python·深度学习·ai·ai编程
超龄超能程序猿2 小时前
(5)机器学习小白入门 YOLOv:数据需求与图像不足应对策略
人工智能·python·机器学习·numpy·pandas·scipy