设为首页收藏本站
开启辅助访问

【Python】豆瓣电影TOP250数据规律分析（Pearson相关系数、折线图、条形图、直方图）

 您所在的位置：网站首页 › python数据分布规律和相互关系 › 【Python】豆瓣电影TOP250数据规律分析（Pearson相关系数、折线图、条形图、直方图）

【Python】豆瓣电影TOP250数据规律分析（Pearson相关系数、折线图、条形图、直方图）

2024-01-13 12:14| 来源: 网络整理| 查看: 265

1、数据集预览

在这里插入图片描述 部分数据说明： 豆瓣排名num 评分rating_num 评分人数comment_num 电影时长movie_duration

2、查看电影数据集基本数据信息 import numpy as np import pandas as pd import matplotlib.pyplot as plt data = pd.read_csv('电影排名.csv') #读取数据 #1.查看电影数据集基本数据信息 print(data.describe())

在这里插入图片描述

3、Pearson相关系数分析数据之间的关系 #2.分析数据集中的数据项和电影排名的关系。 #输出Pearson相关系数，并保留两位小数 print('相关系数矩阵为：','\n',np.round(data.iloc[1:,1:].corr(method = 'pearson'), 2))

在这里插入图片描述 分析： 相关系数的绝对值越大，相关性越强：相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。 通常情况下通过以下取值范围判断变量的相关强度： 0.8-1.0 极强相关 0.6-0.8 强相关 0.4-0.6 中等程度相关 0.2-0.4 弱相关 0.0-0.2 极弱相关或无相关

（1）豆瓣排名num和评分rating_num之间的相关系数为：-0.69，可见其存在强相关关系。即评分越高，排名数越小（排名越靠前） （2）豆瓣排名num和评分人数comment_num之间的相关系数为：-0.65，强相关，即评分人数越多，排名越靠前！ （3）豆瓣排名num和电影时长movie_duration的相关系数为：-0.26，关系为弱相关，可以认为这两者并没什么关系。（常识亦可知，一个电影的好坏，排名是否靠前，与其时长确实关系不大）

4、分析结果并使用图形说明 折线图 import matplotlib.pyplot as plt #(1)豆瓣排名num和评分rating_num之间的关系折线分布图 plt.plot(data['num'],data['rating_num'],'ro-') plt.show() #(2)豆瓣排名num和评分人数comment_num之间的关系折线分布图 plt.plot(data['num'],data['comment_num'],'b*-') plt.bar(data['num'],data['comment_num']) plt.show() #（3）豆瓣排名num和电影时长movie_duration的关系折线分布图 plt.plot(data['num'],data['movie_duration'],'gD-') plt.show()

（1）豆瓣排名num和评分rating_num之间的关系折线图分布图 在这里插入图片描述

（2）豆瓣排名num和评分人数comment_num之间的关系折线分布图 在这里插入图片描述 （3）豆瓣排名num和电影时长movie_duration的关系分布折线图 在这里插入图片描述

条形图 #条形图 #plt.bar(data['num'],data['rating_num']-8) #通过减8的方法来控制范围 plt.ylim(8,10) plt.bar(data['num'],data['rating_num']) plt.bar(data['num'],data['comment_num'],color='pink') plt.bar(data['num'],data['movie_duration'],color='green')

(1)豆瓣排名num和评分rating_num之间条形分布图 直接绘制效果不明显 在这里插入图片描述

设置y轴范围后效果不错： 在这里插入图片描述

（2）豆瓣排名num和评分人数comment_num之间关系条形图 在这里插入图片描述

（3）豆瓣排名num和电影时长movie_duration的关系分布直方图 在这里插入图片描述

直方图 #直方图（反映数据分布规律，不反映数据之间的关系） plt.hist(data['rating_num']) plt.hist(data['comment_num'], bins=100, normed=0, facecolor="blue", edgecolor="black", alpha=0.7) plt.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文 plt.rcParams['axes.unicode_minus']=False # 正常显示负号 plt.xlabel("区间") plt.ylabel("频数/频率") plt.title("频数/频率分布直方图") plt.hist(data['movie_duration'], 40, histtype='stepfilled', facecolor='r', alpha=0.65)

（1）评分分布规律 在这里插入图片描述

（2）评分数目分布规律直方图 在这里插入图片描述 （3）电影时长分布直方图 在这里插入图片描述

标准化后对比分析 #4.附加实验：标准化后，对比分析评分、评论人数、时长数据的差异 def MaxMinNormalization(x): #0/1标准化 x = (x - np.min(x)) / (np.max(x) - np.min(x)) return x d1 = MaxMinNormalization(data['rating_num']) d2 = MaxMinNormalization(data['comment_num']) d3 = MaxMinNormalization(data['movie_duration']) plt.plot(data['num'],d1,'r-',d2,'b-',d3,'g-') plt.legend(['评分rating_num','评分人数comment_num','电影时长movie_duration'])

、在这里插入图片描述



【本文地址】


今日新闻

推荐新闻

CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3