数据分析案例源码级教程：TMDB-TOP100电影数据统计分析

1 项目需求

需求 1：统计 TOP300 的电影中，每一年上映的电影数量的变化。（折线图）
需求 2：统计对比不同语言电影数量。（柱状图）
需求 3：统计对比不同类型电影数量。（柱状图）
需求 4：统计对比各个电影评分的比例。（饼状图）

2 项目流程

准备工作：导入依赖库、配置运行时参数、创建子图完成基本布局、加载数据
统计 TOP100 的电影中，每一年上映的电影数量的变化（折线图）
统计对比不同语言电影数量（柱状图）
统计对比不同类型电影数量（柱状图）
统计对比各个电影评分的比例（饼状图）

2.1 准备工作

导入依赖库、配置运行时参数、创建子图完成基本布局、加载数据.

2.2 统计 TOP100 的电影中，每一年上映的电影数量的变化

2.3 统计对比不同语言电影数量

2.4 统计对比不同类型电影数量

2.5 统计对比各个电影评分的比例

相关操作代码如下：

复制代码

from matplotlib.axes import Axes
import pandas as pd
import matplotlib.pyplot as plt

#展示中文
plt.rcParams['font.sans-serif'] = ['SimHei']

#创建子图
fig,ax = plt.subplots(nrows=2, ncols=2, figsize=(20, 12), dpi=100)
fig.subplots_adjust(hspace=0.4, wspace=0.2) #调整子图间距,hspace:控制垂直间距;wspace:控制水平间距
fig.suptitle('TMDB-TOP100电影榜单数据统计', x=0.5, y=0.95, fontsize=23) #添加画布标题 x:X轴位置;y:Y轴位置

#获取子图
ax1: Axes = ax[0,0]
ax2: Axes = ax[0,1]
ax3: Axes = ax[1,0]
ax4: Axes = ax[1,1]

#加载数据
data = pd.read_csv('../Data/movie_list3.csv', usecols=['电影名', '年份', '上映时间', '类型', '时长', '评分', '语言'])

#1.统计TOP100电影中每一年上映的电影数量的变化(折线图)

#1.1 缺失值,异常值查询与处理
data.isnull().sum()   #查询缺失值
data[data['年份']>2027] #查询异常值

#1.2 分组统计
year_count = data.groupby('年份')['年份'].count()

#1.3 组装数据
#x轴数据
min_year = year_count.index.min()
max_year = year_count.index.max()
x = [i for i in range(min_year, max_year+1)]

#y轴数据
y = [int(year_count.get(i, 0)) for i in x] #get(i,0):获取i对应的值，如果不存在则返回0

#1.4 绘制折线图
ax1.plot(x, y, color='g')
ax1.set_title('TOP100电影中每一年上映的电影数量的变化', fontsize=18)
ax1.set_xlabel('年份', fontsize=12)
ax1.set_ylabel('电影数量', fontsize=12)
ax1.set_xticks(x[::5]) #设置x轴刻度
y_ticks = [i for i in range(0,10,2)]
ax1.set_yticks(y_ticks) #设置y轴刻度
ax1.grid(linestyle='--', alpha=0.5) #添加网格线

#2.不同语言电影数量统计(柱状图)

#2.1 获取不同语言对应的电影数量
language_count = data.groupby('语言')['语言'].count().sort_values(ascending=False)

#2.2 组装数据
x = language_count.index.tolist()
y = language_count.values.tolist()

#2.3 绘制柱状图
ax2.bar(x, y, color='g', width=0.6)
ax2.set_title('不同语言电影数量统计', fontsize=18) #添加子图标题
ax2.set_xlabel('语言', fontsize=12) #添加x轴标签
ax2.set_ylabel('电影数量', fontsize=12) #添加y轴标签
ax2.grid(linestyle='--', alpha=0.5) #添加网格线
ax2.tick_params(axis='x', rotation=45) #旋转x轴刻度标签

#3.统计对比不同类型电影数量（柱状图）

#3.1 获取不同类型对应的电影数量
type_count = {} #{'类型1':数量, '类型2':数量, ...}
for types in data['类型'].str.split(','):
    for type in types:
        if type in type_count:
            type_count[type] += 1
        else:
            type_count[type] = 1

#3.2 组装数据
x = list(type_count.keys())
y = list(type_count.values())

#3.3 绘制柱状图
ax3.bar(x, y, color='g', width=0.8)
ax3.set_title('不同类型电影数量统计', fontsize=18)
ax3.set_xlabel('类型', fontsize=12)
ax3.set_ylabel('电影数量', fontsize=12)
ax3.grid(linestyle='--', alpha=0.5)

#4.统计不同评分电影数量占比

#4.1 获取不同评分对应的电影数量
rating_count = data.groupby('评分')['评分'].count()

#4.2 组装数据
ratings = rating_count.index.tolist() #评分列表
rating_values = rating_count.values.tolist()

#4.2 绘制饼状图
ax4.pie(rating_values, labels=ratings, autopct='%1.2f%%', startangle=90) #startangle:起始角度
ax4.set_title('不同评分电影数量占比', fontsize=18) #添加子图标题
ax4.legend(loc='lower center', ncol=4, fontsize=10, bbox_to_anchor=(0.5, -0.1))

最终输出结果如下：

3 饼状图优化

由最终输出结果可以直观看出第 4 张饼状图部分数据展示过于密集而造成展示不清晰，本节将对该问题进行优化。

核心思路是：将小数据（比例小于5%）进行合并

复制代码

from matplotlib.axes import Axes
import pandas as pd
import matplotlib.pyplot as plt

#展示中文
plt.rcParams['font.sans-serif'] = ['SimHei']

#创建子图
fig,ax = plt.subplots(nrows=2, ncols=2, figsize=(20, 12), dpi=100)
fig.subplots_adjust(hspace=0.4, wspace=0.2) #调整子图间距,hspace:控制垂直间距;wspace:控制水平间距
fig.suptitle('TMDB-TOP100电影榜单数据统计', x=0.5, y=0.95, fontsize=23) #添加画布标题 x:X轴位置;y:Y轴位置

#获取子图
ax1: Axes = ax[0,0]
ax2: Axes = ax[0,1]
ax3: Axes = ax[1,0]
ax4: Axes = ax[1,1]

#加载数据
data = pd.read_csv('../Data/movie_list3.csv', usecols=['电影名', '年份', '上映时间', '类型', '时长', '评分', '语言'])

#1.统计TOP100电影中每一年上映的电影数量的变化(折线图)

#1.1 缺失值,异常值查询与处理
data.isnull().sum()   #查询缺失值
data[data['年份']>2027] #查询异常值

#1.2 分组统计
year_count = data.groupby('年份')['年份'].count()

#1.3 组装数据
#x轴数据
min_year = year_count.index.min()
max_year = year_count.index.max()
x = [i for i in range(min_year, max_year+1)]

#y轴数据
y = [int(year_count.get(i, 0)) for i in x] #get(i,0):获取i对应的值，如果不存在则返回0

#1.4 绘制折线图
ax1.plot(x, y, color='g')
ax1.set_title('TOP100电影中每一年上映的电影数量的变化', fontsize=18)
ax1.set_xlabel('年份', fontsize=12)
ax1.set_ylabel('电影数量', fontsize=12)
ax1.set_xticks(x[::5]) #设置x轴刻度
y_ticks = [i for i in range(0,10,2)]
ax1.set_yticks(y_ticks) #设置y轴刻度
ax1.grid(linestyle='--', alpha=0.5) #添加网格线

#2.不同语言电影数量统计(柱状图)

#2.1 获取不同语言对应的电影数量
language_count = data.groupby('语言')['语言'].count().sort_values(ascending=False)

#2.2 组装数据
x = language_count.index.tolist()
y = language_count.values.tolist()

#2.3 绘制柱状图
ax2.bar(x, y, color='g', width=0.6)
ax2.set_title('不同语言电影数量统计', fontsize=18) #添加子图标题
ax2.set_xlabel('语言', fontsize=12) #添加x轴标签
ax2.set_ylabel('电影数量', fontsize=12) #添加y轴标签
ax2.grid(linestyle='--', alpha=0.5) #添加网格线
ax2.tick_params(axis='x', rotation=45) #旋转x轴刻度标签

#3.统计对比不同类型电影数量（柱状图）

#3.1 获取不同类型对应的电影数量
type_count = {} #{'类型1':数量, '类型2':数量, ...}
for types in data['类型'].str.split(','):
    for type in types:
        if type in type_count:
            type_count[type] += 1
        else:
            type_count[type] = 1

#3.2 组装数据
x = list(type_count.keys())
y = list(type_count.values())

#3.3 绘制柱状图
ax3.bar(x, y, color='g', width=0.8)
ax3.set_title('不同类型电影数量统计', fontsize=18)
ax3.set_xlabel('类型', fontsize=12)
ax3.set_ylabel('电影数量', fontsize=12)
ax3.grid(linestyle='--', alpha=0.5)

#4.统计不同评分电影数量占比

#4.1 获取不同评分对应的电影数量
rating_count = data.groupby('评分')['评分'].count()

#4.2 合并小数据(比例小于5%的数据进行合并)
threshold = 0.05
total = rating_count.sum()
large_rating_count = rating_count.loc[rating_count >= total * threshold]  #大数据,比例 >= 5%
small_rating_count = rating_count.loc[rating_count < total * threshold]  #小数据,比例 < 5%

if small_rating_count.shape[0] > 0:
    large_rating_count['其他'] = small_rating_count.sum()

#4.3 组装数据
ratings = large_rating_count.index.tolist() #评分列表
rating_values = large_rating_count.values.tolist()

#4.4 绘制饼状图
ax4.pie(rating_values, labels=ratings, autopct='%1.2f%%', startangle=90) #startangle:起始角度
ax4.set_title('不同评分电影数量占比', fontsize=18) #添加子图标题
ax4.legend(loc='lower center', ncol=4, fontsize=10, bbox_to_anchor=(0.5, -0.1))

#5.保存图片
plt.savefig('../Data/02.png')

最终输出结果如下：

4.🎇更多干货

🥰关注我学习更多AI知识~

🥰支持我，请点赞 + 好评 + 收藏三连，带来更多文章~

🥰有需要完整源码的同学可以留言、后台私信我