今日总结
今日周一写王建民老师的观影数据集之大数据分析
数据分析时使用python,但对python不了解 就在网上找了相关的代码运行了一下
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 数据导入 import inline as inline import matplotlib as matplotlib import numpy as np import pandas as pd from pandas import DataFrame, Series # 可视化显示在界面 # matplotlib inline import matplotlib import matplotlib.pyplot as plt from wordcloud import WordCloud, STOPWORDS plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来显示中文 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 # 学习seaborn参考:https://www.jianshu.com/p/c26bc5ccf604 import json import warnings warnings.filterwarnings('ignore') # 设置显示的最大列、宽等参数,消掉打印不完全中间的省略号 # pd.set_option('display.max_columns', 1000) pd.set_option('display.width', 1000)#加了这一行那表格的一行就不会分段出现了 # pd.set_option('display.max_colwidth', 1000) # pd.set_option('display.height', 1000) #显示所有列 pd.set_option('display.max_columns', None) #显示所有行 pd.set_option('display.max_rows', None) movies = pd.read_csv('E:\\大数据作业,可删\\MathorCup大数据竞赛练习题1\\data\\tmdb_5000_movies.csv', encoding='utf_8') credits = pd.read_csv('E:\\大数据作业,可删\\MathorCup大数据竞赛练习题1\\data\\tmdb_5000_credits.csv', encoding='utf_8') movies.info() # 查看信息 credits.info() # 两个数据框都有title列,以及movies.riginal_title # 以上三个数据列重复,删除两个 del credits['title'] del movies['original_title'] # 连接两个csv文件 merged = pd.merge(movies, credits, left_on='id', right_on='movie_id', how='left') # 删除不需要分析的列 df = merged.drop(['homepage', 'overview', 'spoken_languages', 'status', 'tagline', 'movie_id'], axis=1) #df.info() # 查找缺失值记录-release_date df[df.release_date.isnull()] x = df[df.release_date.isnull()] # 填充缺失值 df['release_date'] = df['release_date'].fillna('2014-06-01') # 查找缺失值记录-runtime df[df.runtime.isnull()] # 根据行标签,填充缺失值 df.loc[2656] = df.loc[2656].fillna('94, limit=1') df.loc[4140] = df.loc[4140].fillna('240, limit=1') #重复值处理 len(df.id.unique()) #print(len(df.id.unique())) #转换日期格式,增加 年份 月份 日 列 #如果日期不符合时间戳限制,则errors ='ignore'将返回原始输入,而不会报错。 #errors='coerce'将强制超出NaT的日期,返回NaT。 df['release_year'] = pd.to_datetime(df.release_date, format = '%Y-%m-%d',errors='coerce').dt.year df['release_month'] = pd.to_datetime(df.release_date).apply(lambda x: x.month) df['release_day'] = pd.to_datetime(df.release_date).apply(lambda x: x.day) #df.info() #筛选数据 df.describe() #print(df.describe()) df = df[(df.vote_count >= 50) &(df.budget * df.revenue * df.popularity * df.vote_average !=0)].reset_index(drop = 'True') #df.info() #处理json json_column = ['genres', 'keywords', 'production_companies', 'production_countries', 'cast', 'crew'] # 1-json本身为字符串类型,先转换为字典列表 for i in json_column: df[i] = df[i].apply(json.loads) # 提取name # 2-将字典列表转换为以','分割的字符串 def get_name(x): return ','.join([i['name'] for i in x]) df['cast'] = df['cast'].apply(get_name) # 提取derector def get_director(x): for i in x: if i['job'] == 'Director': return i['name'] df['crew'] = df['crew'].apply(get_director) for j in json_column[0:4]: df[j] = df[j].apply(get_name) # 重命名 rename_dict = {'cast': 'actor', 'crew': 'director'} df.rename(columns=rename_dict, inplace=True) #df.info() df.head(5) # 备份原始数据框original_df org_df = df.copy() df.reset_index().to_csv("TMDB_5000_Movie_Dataset_Cleaned.csv") # 定义一个集合,获取所有的电影类型 genre = set() for i in df['genres'].str.split(','): # 去掉字符串之间的分隔符,得到单个电影类型 genre = set().union(i,genre) # 集合求并集 # genre.update(i) #或者使用update方法 #print(genre) genre.discard('') # 去除多余的元素 print(genre) #将genre转变成列表 genre_list = list(genre) # 创建数据框-电影类型 genre_df = pd.DataFrame() #对电影类型进行one-hot编码 for i in genre_list: # 如果包含类型 i,则编码为1,否则编码为0 genre_df[i] = df['genres'].str.contains(i).apply(lambda x: 1 if x else 0) #将数据框的索引变为年份 genre_df.index = df['release_year'] genre_df.head(5) #print(genre_df.head(5)) # 计算得到每种类型的电影总数目,并降序排列 grnre_sum = genre_df.sum().sort_values(ascending = False) # 可视化 plt.rcParams['font.sans-serif'] = ['SimHei'] #用来显示中文 grnre_sum.plot(kind='bar',label='genres',figsize=(12,9)) plt.title('不同类型的电影数量总计',fontsize=20) plt.xticks(rotation=60) plt.xlabel('电影类型',fontsize=16) plt.ylabel('数量',fontsize=16) plt.grid(False) plt.savefig("不同电影类型数量-条形图.png",dpi=300) #在 plt.show() 之前调用 plt.savefig() #plt.show() gen_shares = grnre_sum / grnre_sum.sum() # 设置other类,当电影类型所占比例小于%1时,全部归到other类中 others = 0.01 gen_pie = gen_shares[gen_shares >= others] gen_pie['others'] = gen_shares[gen_shares < others].sum() # 设置分裂属性 # 所占比例小于或等于%2时,增大每块饼片边缘偏离半径的百分比 explode = (gen_pie <= 0.02)/10 # 绘制饼图 gen_pie.plot(kind='pie',label='',explode=explode,startangle=0, shadow=False,autopct='%3.1f%%',figsize=(8,8)) plt.title('不同电影类型所占百分比',fontsize=20) plt.savefig("不同电影类型所占百分比-饼图.png",dpi=300) #plt.show() #电影类型随时间变化的趋势 gen_year_sum = genre_df.sort_index(ascending = False).groupby('release_year').sum() gen_year_sum_sub = gen_year_sum[['Drama','Comedy','Thriller','Action','Adventure','Crime','Romance','Science Fiction']] gen_year_sum_sub.plot(figsize=(12,9)) plt.legend(gen_year_sum_sub.columns) plt.xticks(range(1915,2018,10)) plt.xlabel('年份', fontsize=16) plt.ylabel('数量', fontsize=16) plt.title('不同电影变化趋势', fontsize=20) plt.grid(False) plt.savefig("不同电影类型数量-折线图2.png",dpi=600) #plt.show() df.info() df['profit'] = df['revenue']-df['budget'] # 计算不同电影类型的利润 # Step1-创建profit_dataframe profit_df = pd.DataFrame() profit_df = pd.concat([genre_df.reset_index(), df['profit']], axis=1) df.info() # Step2-创建profit_series,横坐标为genre profit_s=pd.Series(index=genre_list) # Step3-求出每种genre对应的利润均值 for i in genre_list: profit_s.loc[i]=profit_df.loc[:,[i,'profit']].groupby(i, as_index=False).mean().loc[1,'profit'] profit_s = profit_s.sort_values(ascending = True) profit_s # 计算不同类型电影的budget # Step1-创建profit_dataframe budget_df = pd.DataFrame() budget_df = pd.concat([genre_df.reset_index(), df['budget']], axis=1) # Step2-创建budget_series,横坐标为genre budget_s=pd.Series(index=genre_list) # Step3-求出每种genre对应的预算均值 for j in genre_list: budget_s.loc[j]=budget_df.loc[:,[j,'budget']].groupby(j, as_index=False).mean().loc[1,'budget'] budget_s # 再接着,横向合并 profit_s 和 budget_s profit_budget = pd.concat([profit_s, budget_s], axis=1) profit_budget.columns = ['profit', 'budget'] #添加利润率列 profit_budget['rate'] = (profit_budget['profit']/profit_budget['budget'])*100 # 降序排序 profit_budget_sort=profit_budget.sort_values(by='budget',ascending = False) profit_budget_sort.head(2) # 绘制不同类型电影平均预算和利润率(组合图) x = profit_budget_sort.index y1 = profit_budget_sort.budget y2 = profit_budget_sort.rate # 返回profit_budget的行数 length = profit_budget_sort.shape[0] fig = plt.figure(figsize=(12,9)) # 左轴 ax1 = fig.add_subplot(1,1,1) plt.bar(range(0,length),y1,color='b',label='平均预算') plt.xticks(range(0,length),x,rotation=90, fontsize=12) # 更改横坐标轴名称 ax1.set_xlabel('年份') # 设置x轴label ,y轴label ax1.set_ylabel('平均预算',fontsize=16) ax1.legend(loc=2,fontsize=12) #右轴 # 共享x轴,生成次坐标轴 ax2 = ax1.twinx() ax2.plot(range(0,length),y2,'ro-.') ax2.set_ylabel('平均利润率',fontsize=16) ax2.legend(loc=1,fontsize=12) # 将利润率坐标轴以百分比格式显示 import matplotlib.ticker as mtick fmt='%.1f%%' yticks = mtick.FormatStrFormatter(fmt) ax2.yaxis.set_major_formatter(yticks) # 设置图片title ax1.set_title('不同类型电影平均预算和利润率',fontsize=20) ax1.grid(False) ax2.grid(False) plt.savefig("不同电影平均预算+利润率.png",dpi=300) plt.show() # 绘制不同类型电影预算和利润(条形图) profit_budget_sort.iloc[:,0:2].plot(kind='bar', figsize=(12,9),color = ['darkorange','b']) plt.title('Budget and Profit',fontsize = 20) plt.xlabel('len',fontsize = 16) plt.grid(False) plt.savefig('不同类型电影预算和利润-条形图.png',dpi=300) plt.show() #keywords关键词分析 keywords_list = [] for i in df['keywords']: keywords_list.append(i) keywords_list #把字符串列表连接成一个长字符串 lis = ''.join(keywords_list) lis.replace('\'s','') #设置停用词 stopwords = set(STOPWORDS) stopwords.add('film') wordcloud = WordCloud( background_color = 'black', random_state=9, # 设置一个随机种子,用于随机着色 stopwords = stopwords, max_words = 3000, scale=1).generate(lis) plt.figure(figsize=(10,6)) plt.imshow(wordcloud) plt.axis('off') plt.savefig('词云图.png',dpi=300) #plt.show() df.runtime.head(5) # 转换数据类型 # df.runtime = df.runtime.convert_objects(convert_numeric=True) # df.runtime.describe() # print(df.runtime.head(5)) # sns.set_style('white') # sns.distplot(df.runtime,bins = 20) # sns.despine(left = True) # 使用despine()方法来移除坐标轴,默认移除顶部和右侧坐标轴 # plt.xticks(range(50,360,20)) # plt.savefig('电影时长直方图.png',dpi=300) # plt.show()
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 设置显示的最大列、宽等参数,消掉打印不完全中间的省略号 # pd.set_option('display.max_columns', 1000) import pandas as pd import matplotlib.pyplot as plt from wordcloud import WordCloud, STOPWORDS import json import warnings plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来显示中文 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 warnings.filterwarnings('ignore') pd.set_option('display.width', 1000)#加了这一行那表格的一行就不会分段出现了 # pd.set_option('display.max_colwidth', 1000) # pd.set_option('display.height', 1000) #显示所有列 pd.set_option('display.max_columns', None) #显示所有行 pd.set_option('display.max_rows', None) df = pd.read_csv('TMDB_5000_Movie_Dataset_Cleaned.csv', encoding='utf_8') df.runtime.head(5) #df.info() # 转换数据类型 #df.runtime = df.runtime.convert_objects(convert_numeric=True) #df.runtime.describe() #print(df.runtime.head(5)) # 可视化 sns.set_style('white') sns.distplot(df.runtime,bins = 20) sns.despine(left = True) # 使用despine()方法来移除坐标轴,默认移除顶部和右侧坐标轴 plt.xticks(range(50,360,20)) plt.savefig('电影时长直方图.png',dpi=300) plt.show()
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 设置显示的最大列、宽等参数,消掉打印不完全中间的省略号 # pd.set_option('display.max_columns', 1000) import pandas as pd import matplotlib.pyplot as plt from wordcloud import WordCloud, STOPWORDS import json import seaborn as sns import warnings plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来显示中文 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 warnings.filterwarnings('ignore') pd.set_option('display.width', 1000)#加了这一行那表格的一行就不会分段出现了 # pd.set_option('display.max_colwidth', 1000) # pd.set_option('display.height', 1000) #显示所有列 pd.set_option('display.max_columns', None) #显示所有行 pd.set_option('display.max_rows', None) df = pd.read_csv('TMDB_5000_Movie_Dataset_Cleaned.csv', encoding='utf_8') df.runtime.head(5) #df.info() # 转换数据类型 #df.runtime = df.runtime.convert_objects(convert_numeric=True) #df.runtime.describe() #print(df.runtime.head(5)) df['profit'] = df['revenue']-df['budget'] # 可视化 sns.set_style('white') sns.distplot(df.runtime,bins = 20) sns.despine(left = True) # 使用despine()方法来移除坐标轴,默认移除顶部和右侧坐标轴 plt.xticks(range(50,360,20)) plt.savefig('电影时长直方图.png',dpi=300) #plt.show() fig = plt.figure(figsize=(8,6)) x = list(range(1,13)) y1 = df.groupby('release_month').revenue.size() y2 = df.groupby('release_month').revenue.mean()# 每月单片平均票房 # 左轴 ax1 = fig.add_subplot(1,1,1) plt.bar(x,y1,color='b',label='电影数量') plt.grid(False) ax1.set_xlabel('月份') # 设置x轴label ,y轴label ax1.set_ylabel('电影数量',fontsize=16) ax1.legend(loc=2,fontsize=12) # 右轴 ax2 = ax1.twinx() plt.plot(x,y2,'ro--',label='每月单片平均票房') ax2.set_ylabel('每月单片平均票房',fontsize=16) ax2.legend(loc=1,fontsize=12) plt.savefig('每月电影数量和单片平均票房.png',dpi=300) #plt.show() # 创建数据框 - 导演 director_df = pd.DataFrame() director_df = df[['director','revenue','budget','profit','vote_average']] director_df = director_df.groupby(by = 'director').mean().sort_values(by='revenue',ascending = False) # 取均值 director_df.info() # 绘制票房分布直方图 director_df['revenue'].plot.hist(bins=100, figsize=(8,6)) plt.xlabel('票房') plt.ylabel('频数') plt.title('不同导演执导的票房分布') plt.savefig('不同导演执导的票房分布.png',dpi = 300) plt.show() # 票房均值Top10的导演 director_df.revenue.sort_values(ascending = True).tail(10).plot(kind='barh',figsize=(8,6)) plt.xlabel('票房',fontsize = 16) plt.ylabel('导演',fontsize = 16) plt.title('票房排名Top10的导演',fontsize = 20) plt.savefig('票房排名Top10的导演.png',dpi = 300) # plt.show() #绘制导演评分直方图 director_df['vote_average'].plot.hist(bins=18, figsize=(8,6)) plt.xlabel('评分') plt.ylabel('频数') plt.title('不同导演执导的评分分布') plt.savefig('不同导演执导的评分分布.png',dpi = 300) #plt.show() # 评分均值Top10的导演 director_df.vote_average.sort_values(ascending = True).tail(10).plot(kind='barh',figsize=(8,6)) plt.xlabel('评分',fontsize = 16) plt.ylabel('导演',fontsize = 16) plt.title('评分排名Top10的导演',fontsize = 20) plt.savefig('评分排名Top10的导演.png',dpi = 300) #plt.show() # # 创建数据框 # original_df = pd.DataFrame() # original_df['keywords'] = df['keywords'].str.contains('based on').map(lambda x: 1 if x else 0) # # original_df['profit'] = df['profit'] # original_df['budget'] = df['budget'] # # # 计算 # novel_cnt = original_df['keywords'].sum() # 改编作品数量 # original_cnt = original_df['keywords'].count() - original_df['keywords'].sum() # 原创作品数量 # # 按照 是否原创 分组 # original_df = original_df.groupby('keywords', as_index = False).mean() # 注意此处计算的是利润和预算的平均值 # # 增加计数列 # original_df['count'] = [original_cnt, novel_cnt] # # 计算利润率 # # original_df['profit_rate'] = (original_df['profit'] / original_df['budget'])*100 # # # 修改index # original_df.index = ['original', 'based_on_novel'] # # 计算百分比 # original_pie = original_df['count'] / original_df['count'].sum() # # # 绘制饼图 # original_pie.plot(kind='pie',label='',startangle=90,shadow=False,autopct='%2.1f%%',figsize=(8,8)) # plt.title('改编 VS 原创',fontsize=20) # plt.legend(loc=2,fontsize=10) # plt.savefig('改编VS原创.png',dpi=300) # #plt.show() # # x = original_df.index # y1 = original_df.budget # y2 = original_df.profit_rate # # fig= plt.figure(figsize = (8,6)) # # # 左轴 # ax1 = fig.add_subplot(1,1,1) # plt.bar(x,y1,color='b',label='平均预算',width=0.25) # plt.xticks(rotation=0, fontsize=12) # 更改横坐标轴名称 # ax1.set_xlabel('原创 VS 改编') # 设置x轴label ,y轴label # ax1.set_ylabel('平均预算',fontsize=16) # ax1.legend(loc=2,fontsize=10) # # #右轴 # # 共享x轴,生成次坐标轴 # ax2 = ax1.twinx() # ax2.plot(x,y2,'ro-.',linewidth=5,label='平均利润率') # ax2.set_ylabel('平均利润率',fontsize=16) # ax2.legend(loc=1,fontsize=10) # loc=1,2,3,4分别表示四个角,和四象限顺序一致 # # # 将利润率坐标轴以百分比格式显示 # import matplotlib.ticker as mtick # fmt='%.1f%%' # yticks = mtick.FormatStrFormatter(fmt) # ax2.yaxis.set_major_formatter(yticks) # # plt.savefig('改编VS原创的预算以及利润率.png',dpi=300) # plt.show # 计算相关系数矩阵 revenue_corr = df[['runtime','popularity','vote_average','vote_count','budget','revenue']].corr() sns.heatmap( revenue_corr, annot=True, # 在每个单元格内显示标注 cmap="Blues", # 设置填充颜色:黄色,绿色,蓝色 # cmap="YlGnBu", # 设置填充颜色:黄色,绿色,蓝色 # cmap="coolwarm", # 设置填充颜色:冷暖色 cbar=True, # 显示color bar linewidths=0.5, # 在单元格之间加入小间隔,方便数据阅读 # fmt='%.2f%%', # 本来是确保显示结果是整数(格式化输出),此处有问题 ) plt.savefig('票房相关系数矩阵.png',dpi=300) # plt.show() # # 绘制散点图 # fig = plt.figure(figsize=(17,5)) # # # # 学习seaborn参考:https://www.jianshu.com/p/c26bc5ccf604 # ax1 = plt.subplot(1,3,1) # ax1 = sns.regplot(x='budget', y='revenue', data=revenue_df, x_jitter=.1,color='r',marker='x') # # marker: 'x','o','v','^','<' # # jitter:抖动项,表示抖动程度 # ax1.text(1.6e8,2.2e9,'r=0.7',fontsize=16) # plt.title('budget-revenue-scatter',fontsize=20) # plt.xlabel('budget',fontsize=16) # plt.ylabel('revenue',fontsize=16) # # ax2 = plt.subplot(1,3,2) # ax2 = sns.regplot(x='popularity', y='revenue', data=revenue_df, x_jitter=.1,color='g',marker='o') # ax2.text(500,3e9,'r=0.59',fontsize=16) # plt.title('popularity-revenue-scatter',fontsize=18) # plt.xlabel('popularity',fontsize=16) # plt.ylabel('revenue',fontsize=16) # # ax3 = plt.subplot(1,3,3) # ax3 = sns.regplot(x='vote_count', y='revenue', data=revenue_df, x_jitter=.1,color='b',marker='v') # ax3.text(7000,2e9,'r=0.75',fontsize=16) # plt.title('voteCount-revenue-scatter',fontsize=20) # plt.xlabel('vote_count',fontsize=16) # plt.ylabel('revenue',fontsize=16) # # fig.savefig('revenue.png',dpi=300)
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 设置显示的最大列、宽等参数,消掉打印不完全中间的省略号 # pd.set_option('display.max_columns', 1000) import pandas as pd import matplotlib.pyplot as plt from wordcloud import WordCloud, STOPWORDS import json import seaborn as sns import warnings plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来显示中文 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 warnings.filterwarnings('ignore') pd.set_option('display.width', 1000)#加了这一行那表格的一行就不会分段出现了 # pd.set_option('display.max_colwidth', 1000) # pd.set_option('display.height', 1000) #显示所有列 pd.set_option('display.max_columns', None) #显示所有行 pd.set_option('display.max_rows', None) df = pd.read_csv('TMDB_5000_Movie_Dataset_Cleaned.csv', encoding='utf_8') df.runtime.head(5) #df.info() # 转换数据类型 #df.runtime = df.runtime.convert_objects(convert_numeric=True) #df.runtime.describe() #print(df.runtime.head(5)) df['profit'] = df['revenue']-df['budget'] # 创建数据框 - 导演 director_df = pd.DataFrame() director_df = df[['director','revenue','budget','profit','vote_average']] director_df = director_df.groupby(by = 'director').mean().sort_values(by='revenue',ascending = False) # 取均值 director_df.info() # # 票房均值Top10的导演 # director_df.revenue.sort_values(ascending = True).tail(10).plot(kind='barh',figsize=(8,6)) # plt.xlabel('票房',fontsize = 16) # plt.ylabel('导演',fontsize = 16) # plt.title('票房排名Top10的导演',fontsize = 20) # plt.savefig('票房排名Top10的导演.png',dpi = 300) # plt.show() # #绘制导演评分直方图 # director_df['vote_average'].plot.hist(bins=18, figsize=(8,6)) # plt.xlabel('评分') # plt.ylabel('频数') # plt.title('不同导演执导的评分分布') # plt.savefig('不同导演执导的评分分布.png',dpi = 300) # plt.show() # # 评分均值Top10的导演 # director_df.vote_average.sort_values(ascending = True).tail(10).plot(kind='barh',figsize=(8,6)) # plt.xlabel('评分',fontsize = 16) # plt.ylabel('导演',fontsize = 16) # plt.title('评分排名Top10的导演',fontsize = 20) # plt.savefig('评分排名Top10的导演.png',dpi = 300) # plt.show() # 创建数据框 # original_df = pd.DataFrame() # original_df['keywords'] = df['keywords'].str.contains('based on').map(lambda x: 1 if x else 0) # original_df['profit'] = df['profit'] # original_df['budget'] = df['budget'] # # # 计算 # novel_cnt = original_df['keywords'].sum() # 改编作品数量 # original_cnt = original_df['keywords'].count() - original_df['keywords'].sum() # 原创作品数量 # # 按照 是否原创 分组 # original_df = original_df.groupby('keywords', as_index = False).mean() # 注意此处计算的是利润和预算的平均值 # # 增加计数列 # original_df['count'] = [original_cnt, novel_cnt] # # 计算利润率 # original_df['profit_rate'] = (original_df['profit'] / original_df['budget'])*100 # # # 修改index # original_df.index = ['original', 'based_on_novel'] # # 计算百分比 # original_pie = original_df['count'] / original_df['count'].sum() # # 绘制饼图 # original_pie.plot(kind='pie',label='',startangle=90,shadow=False,autopct='%2.1f%%',figsize=(8,8)) # plt.title('改编 VS 原创',fontsize=20) # plt.legend(loc=2,fontsize=10) # plt.savefig('改编VS原创.png',dpi=300) # plt.show() # x = original_df.index # y1 = original_df.budget # y2 = original_df.profit_rate # # fig= plt.figure(figsize = (8,6)) # # # 左轴 # ax1 = fig.add_subplot(1,1,1) # plt.bar(x,y1,color='b',label='平均预算',width=0.25) # plt.xticks(rotation=0, fontsize=12) # 更改横坐标轴名称 # ax1.set_xlabel('原创 VS 改编') # 设置x轴label ,y轴label # ax1.set_ylabel('平均预算',fontsize=16) # ax1.legend(loc=2,fontsize=10) # # #右轴 # # 共享x轴,生成次坐标轴 # ax2 = ax1.twinx() # ax2.plot(x,y2,'ro-.',linewidth=5,label='平均利润率') # ax2.set_ylabel('平均利润率',fontsize=16) # ax2.legend(loc=1,fontsize=10) # loc=1,2,3,4分别表示四个角,和四象限顺序一致 # # # 将利润率坐标轴以百分比格式显示 # import matplotlib.ticker as mtick # fmt='%.1f%%' # yticks = mtick.FormatStrFormatter(fmt) # ax2.yaxis.set_major_formatter(yticks) # # plt.savefig('改编VS原创的预算以及利润率.png',dpi=300) # plt.show() # 计算相关系数矩阵 revenue_corr = df[['runtime','popularity','vote_average','vote_count','budget','revenue']].corr() sns.heatmap( revenue_corr, annot=True, # 在每个单元格内显示标注 cmap="Blues", # 设置填充颜色:黄色,绿色,蓝色 # cmap="YlGnBu", # 设置填充颜色:黄色,绿色,蓝色 # cmap="coolwarm", # 设置填充颜色:冷暖色 cbar=True, # 显示color bar linewidths=0.5, # 在单元格之间加入小间隔,方便数据阅读 # fmt='%.2f%%', # 本来是确保显示结果是整数(格式化输出),此处有问题 ) plt.savefig('票房相关系数矩阵.png',dpi=300) # 绘制散点图 fig = plt.figure(figsize=(17,5)) # # 学习seaborn参考:https://www.jianshu.com/p/c26bc5ccf604 ax1 = plt.subplot(1,3,1) ax1 = sns.regplot(x='budget', y='revenue', data=revenue_corr, x_jitter=.1,color='r',marker='x') # marker: 'x','o','v','^','<' # jitter:抖动项,表示抖动程度 ax1.text(1.6e8,2.2e9,'r=0.7',fontsize=16) plt.title('budget-revenue-scatter',fontsize=20) plt.xlabel('budget',fontsize=16) plt.ylabel('revenue',fontsize=16) ax2 = plt.subplot(1,3,2) ax2 = sns.regplot(x='popularity', y='revenue', data=revenue_corr, x_jitter=.1,color='g',marker='o') ax2.text(500,3e9,'r=0.59',fontsize=16) plt.title('popularity-revenue-scatter',fontsize=18) plt.xlabel('popularity',fontsize=16) plt.ylabel('revenue',fontsize=16) ax3 = plt.subplot(1,3,3) ax3 = sns.regplot(x='vote_count', y='revenue', data=revenue_corr, x_jitter=.1,color='b',marker='v') ax3.text(7000,2e9,'r=0.75',fontsize=16) plt.title('voteCount-revenue-scatter',fontsize=20) plt.xlabel('vote_count',fontsize=16) plt.ylabel('revenue',fontsize=16) fig.savefig('revenue.png',dpi=300) plt.show()
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步