TMDB Top300 电影榜单可视化报表设计思路------一块画布上的四宫格

写在前面

学完折线图、柱状图、饼图，到了第十章实战：基于 movies.csv 里的 TMDB Top300 数据，在一张画布上搞个 2×2 四宫格，给业务部门做份数据报表。

这篇记录一下我是怎么从零把这张报表"想"出来又"敲"出来的。

1. 图表选型与画布骨架

动手前先定图型，四个维度性质不同，配图得对症下药：

时间趋势（每年上映数量） → 折线图
分类对比（语言、类型） → 柱状图
占比构成（评分分布） → 饼图

骨架部分，直接用 plt.subplots() 切出四个独立的坐标系，后续画图互不干扰：

import pandas as pd

import matplotlib.pyplot as plt

配置中文显示，解决负号乱码

plt.rcParams $'font.sans-serif'$ = $'SimHei'$

plt.rcParams $'axes.unicode_minus'$ = False

创建 2×2 子图画布，解开成四个对象方便单点操作

fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(14, 10), dpi=100)

ax1, ax2 = axes $0$ # 第一行左右

ax3, ax4 = axes $1$ # 第二行左右

movies = pd.read_csv("data/movies.csv")

2. 数据清洗：能用数据救的，绝不轻易 dropna

"年份"列有缺失，最省事的是直接 dropna()，但这会让那一年的统计数据失真。既然有"上映时间"，年份完全是可以截取出来的。我选择补全：

截取"上映时间"前4位作为年份，格式不对的给 NaN（不报错）

year_from_date = pd.to_numeric(movies $"上映时间"$ .astype(str).str $:4$ , errors="coerce")

只填补缺失值，原有的正确年份不动

movies $"年份"$ = movies $"年份"$ .fillna(year_from_date)

两步校验：先查异常（<0或>3000），再查缺失是否清零

print("异常年份数:", len(movies $(movies\["年份"$ < 0) | (movies $"年份"$ > 3000)]))

print("填充后缺失数:", movies $"年份"$ .isnull().sum())

验证通过才转 int，否则 NaN 转 int 会报错

movies $"年份"$ = movies $"年份"$ .astype(int)

3. 折线图：连续年份 + 补零，专治"断线"

groupby 统计有一个坑：某一年没电影上榜，那年就不会出现在索引里。直接画图，折线会"跳接"。

解决办法是强行把 X 轴和 Y 轴拉齐：X 轴用 range 生成完整年份序列，Y 轴去查字典，查不到直接补 0。

year_counts = movies.groupby("年份") $"电影名"$ .count()

min_year, max_year = year_counts.index.min(), year_counts.index.max()

x_years = list(range(min_year, max_year + 1)) # 连续X轴

y_counts = $year_counts.get(year, 0) for year in x_years$ # 没数据补0

ax1.plot(x_years, y_counts, color="green")

ax1.set_title("每一年上映电影数量变化", fontsize=14)

ax1.set_xticks(range(min_year, max_year + 1, 8)) # 每隔8年标一个，防拥挤

ax1.set_ylim(0, 30)

ax1.grid(True, linestyle="--", alpha=0.5)

4. 柱状图：排序与"拆行"魔法

语言图 ：核心是让业务一眼看明白谁排第一，所以加上 sort_values 降序，并用 bar_label 把数字标在柱顶。网格只开横向（axis="y"），免得竖线穿过柱子辣眼睛。

lang_counts = movies.groupby("语言") $"电影名"$ .count().sort_values(ascending=False)

ax2.bar(lang_counts.index, lang_counts.values, color="skyblue", width=0.6)

ax2.bar_label(ax2.containers $0$ )

ax2.grid(True, axis="y", linestyle="--", alpha=0.5)

类型图 ：一部电影可能有多个类型（如"剧情,犯罪"）。如果直接 groupby，它会变成一个独立类型，统计就废了。

用 str.split(",").explode() 把一行炸成多行，一部电影有几个类型就计入几次，最后 value_counts 统计。

genre_series = movies $"类型"$ .str.split(",").explode().str.strip()

genre_counts = genre_series.value_counts()

ax3.bar(genre_counts.index, genre_counts.values, color="orange", width=0.6)

ax3.bar_label(ax3.containers $0$ )

ax3.tick_params(axis="x", rotation=45) # 标签倾斜防重叠

ax3.grid(True, axis="y", linestyle="--", alpha=0.5)

5. 饼图：统计与展示分离

"评分"列存的是 87、86，实际代表 8.7、8.6。如果直接用原始值当标签会误导读者。

所以分组用原始整数做键（干净），生成标签时再除以 10 还原，顺手用 int(score) 消除类型检查器的警告。

rating_counts = movies.groupby("评分") $"电影名"$ .count()

rating_labels = \[\]

for score in rating_counts.index:

display_score = int(score) / 10

rating_labels.append(f"{display_score:.1f}")

ax4.pie(rating_counts.values, labels=rating_labels, autopct="%1.1f%%", startangle=90)

ax4.set_title("不同电影评分占比统计", fontsize=14)

6. 收尾与布局防重叠

加总标题时最怕跟子图标题打架，tight_layout 的 rect 参数派上用场，把图区压缩到画布下方 94%，给上方留出物理空间。

fig.suptitle("TMDB Top300 电影榜单数据统计", fontsize=20, fontweight="bold", y=0.98)

rect 给总标题预留空间，且必须传元组，传列表会报警告

plt.tight_layout(rect=(0, 0, 1, 0.94))

plt.show()

7. 回头看：沉淀的通用流水线

这个四宫格写完，其实摸出了一套通用的数据分析流水线：

读数据 → 查缺失 → 补全验证 → 按口径统计（多值先拆） → 补齐坐标轴 → 选图绘制 → 局部美化 → 布局收尾。

以后换个数据集（比如销售、天气），变的只是列名和具体业务口径，这套流水线直接套用就行。画图本身是小事，怎么把脏数据洗干净、怎么把统计口径搞对 ，才是报表能不能用的关键。

数据分析（案例实战）