【python数据分析实战】国产烂片深度揭秘（2） |
您所在的位置：网站首页 › 电影题材类型分析论文 › 【python数据分析实战】国产烂片深度揭秘（2） |
【python数据分析实战】国产烂片深度揭秘（2）
|
1 前期准备
import os
os.chdir(r'C:\Users\86177\Desktop')
import warnings
warnings.filterwarnings('ignore')
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
from bokeh.models import ColumnDataSource,HoverTool
from bokeh.plotting import figure,show,output_file
导入相关的库和设置程序运行路径，并对部分警报信息进行忽视处理，设置图形在notebook内直接显示（%matplotlib inline） 2 筛选数据这个目标是找出什么不同题材的烂片，数据就涉及到两列，一列是豆瓣评分，用来判断是否为烂片，这一步在上一篇文章中已经处理过了，生成的数据为data；还有一列就是电影类型，用来分辨是哪种题材。因此这里要在data数据上进行电影‘类型’这里类的缺失值处理，最终获得目标数据 2.1 查看电影‘类型’数据 data_load = pd.read_excel('moviedata.xlsx') data = data_load[data_load['豆瓣评分'] >0] data['类型']–> 输出结果为： 对于遍历循环来说，要处理大量数据之前可以先进行试错 data[data['类型'].isnull() == False]['类型'][0].strip().split(' / ')–> 输出结果为： [‘剧情’, ‘儿童’] typelst = [x for x in data[data['类型'].isnull() == False]['类型'].str.strip().str.split(' / ')] typelst–> 输出结果为： –> 输出结果为： 电影类型一共有35种,分别为： [‘音乐’, ‘鬼怪’, ‘喜剧’, ‘运动’, ‘犯罪’, ‘动作’, ‘古装’, ‘短片’, ‘悬疑’, ‘冒险’, ‘戏曲’, ‘News’, ‘传记’, ‘恐怖’, ‘情色’, ‘舞台艺术’, ‘武侠’, ‘科幻’, ‘惊悚’, ‘历史’, ‘歌舞’, ‘脱口秀’, ‘灾难’, ‘剧情’, ‘黑色电影’, ‘家庭’, ‘儿童’, ‘同性’, ‘爱情’, ‘战争’, ‘奇幻’, ‘动画’, ‘真人秀’, ‘西部’, ‘纪录片’] 2.3（1）烂片中不同类型题材的电影数量和比例这里注意一下（1）的标题和（2）的标题的不同，关于烂片的数据，上一篇文章已经完成了data_lp,这里就不再写入代码了，直接查看data_lp的数据内容 data_lp–> 输出结果为： –> 输出结果为：31 data_lp = data_lp[data_lp['类型'].notnull()].set_index(np.arange(515)) data_lp–> 输出结果为： lp_one_info()函数是为了实现lp_info()的功能而创建的，也是在试错的前提下对一个数据进行的试验，type_i就是typelst里面的某一个数据，具体举例如下 lp_one_info(data_lp,typelst[0])–> 输出结果为： {‘lp_name’: ‘真人秀’, ‘lp_num’: 0, ‘lp_rate’: ‘0.00%’} def lp_info(data,ls): lp_ls = [] for type_i in ls: lp_ls.append(lp_one_info(data_lp, type_i)) return(lp_ls)lp_info()函数的功能就是对于typelst里面的每条数据进行逐条输出并保存在列表里面，运行结果如下 lp_info(data_lp,typelst)–> 输出结果为： lp_top_20()函数的功能是直接返回烂片数据类型的前20，运行代码如下 lp_top_20(lp_info(data_lp,typelst))–> 输出结果为： 仔细思考一下，那种题材电影容易出烂片，可以得出这个结论的前提就是：各种题材的烂片在全部数据data之间的占比的大小，占比越多越是倾向烂片，而不是与局部样本data_lp中对比,因此只要对函数lp_one_info()进行部分代码修改即可，这也是封装函数的便捷性,最后把第三个函数进行了拆分，后面的操作还会使用，觉得还是不封装三个函数比较方便 def lp_one_info(data,type_i): dic = {} data_i = data[data['类型'].str.contains(type_i)] data_lp = data_i[data_i['豆瓣评分'] 输出结果为：
4 Bokeh制图
df_lp_20["size"] = df_lp_20['type_num']**0.5*2
#设置点的大小
source = ColumnDataSource(df_lp_20)
ls_type = df_lp_20['lp_name'].tolist()
hover = HoverTool(tooltips = [("数据量","@type_num"),
("烂片比例","@lp_rate")])
output_file("1.html")
p = figure(x_range = ls_type, plot_width = 900, plot_height = 500, title = "不同题材电影的烂片比例",
tools = [hover, 'reset, xwheel_zoom, pan, crosshair, box_select'])
p.circle(x = 'lp_name', y ="lp_rate",source = source, size = "size", line_color = "black",
line_dash = [6,4], fill_color = "red",fill_alpha = 0.5)
show(p)
#为什么当y='lp_rate'一直输出空白，然而当y=lp_num或者y=type_num时都有图形输出，调试了半天，最终的结果在def lp_one_info（）函数里面，lp_rate的结果
#不能格式化输出，否则无法识别
–> 输出结果为： |
根据提示可知，‘类型‘里面的内容字段包含了空格和/字符以及缺失值等内容
直接使用列表推导式，没有办法将数据生成我想要的样子，因此还是要按照原来简单的方式进行操作，只能拆开分布运行了，下面的代码可以充分的展示.append()和.extend()方法之间的区别
2.2获取的是全部电影的所有类型，但是对于data_lp来说，上一篇文章中只进行了烂片情况的判断，并没有进行烂片中电影类型缺失值的处理，因此要确定烂片中的数据类型，要先处理一下data_lp里面的缺失值，代码和上面的操作类似
数据筛选完成后，按照三步进行烂片top20的数据输出，这里封装三个函数lp_one_info()、lp_info()、lp_top_20()
【本文地址】
今日新闻 |
推荐新闻 |