实战-TMDB电影榜单统计分析
实战-TMDB电影榜单统计分析
综合实战：用 Pandas 统计 TMDB-TOP300 电影数据，用 Matplotlib 画出每年数量折线图、语言/类型柱状图与评分占比饼图
项目目标
把上一章爬到的 300 部电影数据（data/movies.csv）做成一张统计分析图。
| 需求 | 统计内容 | 图表 |
|---|---|---|
| 1 | TOP300 中每一年上映的电影数量变化 | 折线图 |
| 2 | 不同语言的电影数量对比 | 柱状图 |
| 3 | 不同类型（题材）的电影数量对比 | 柱状图 |
| 4 | 各个评分的电影占比 | 饼状图 |
开发步骤
- 准备工作：导入依赖库、配置运行时参数（中文）、创建子图完成基本布局、加载数据
- 需求一：每年电影数量变化（折线图）
- 需求二：不同语言电影数量（柱状图）
- 需求三：不同类型电影数量（柱状图）
- 需求四：不同评分电影占比（饼状图）
准备工作
import pandas as pdimport matplotlib.pyplot as pltfrom matplotlib.axes import Axes
plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(20, 12), dpi=100)fig.suptitle('TMDB-TOP300电影榜单数据统计', fontsize=23, x=0.5, y=0.95)fig.subplots_adjust(hspace=0.4, wspace=0.2) # 调整子图间距
axes1: Axes = axes[0][0]axes2: Axes = axes[0][1]axes3: Axes = axes[1][0]axes4: Axes = axes[1][1]
# 加载数据：年份指定为 Int64（这种整型支持空值）data = pd.read_csv('data/movies.csv', usecols=['电影名', '年份', '上映时间', '类型', '时长', '评分', '语言'], dtype={'年份': 'Int64'})需求一：每年电影数量（折线图）
# 1.1 缺失值处理：年份为空的，用"上映时间"的前 4 位补上data['年份'] = data['年份'].fillna(data['上映时间'].str[:4])
# 1.2 分组统计：每年有多少部year_count = data.groupby('年份')['年份'].count()
# 1.3 组装 x、y（把年份补全，没有电影的年份记 0）min_year = year_count.index.min()max_year = year_count.index.max()x = [i for i in range(min_year, max_year + 1)]y = [int(year_count.get(i, 0)) for i in x]
# 1.4 绘制axes1.plot(x, y, color='green')axes1.set_title('每年电影数量变化折线图', fontsize=18)axes1.set_xlabel('年份', fontsize=12)axes1.set_ylabel('电影数量', fontsize=12)axes1.set_xticks(x[::8]) # 每 8 年显示一个刻度axes1.set_yticks([i for i in range(0, 31, 3)])axes1.grid(linestyle='--', alpha=0.5)Tip
year_count.get(i, 0) 的作用是”取不到就记 0”：中间有些年份可能一部都没有，直接画会断档。
需求二：不同语言电影数量（柱状图）
language_count = data.groupby('语言')['语言'].count().sort_values(ascending=False)
x_language = language_count.index.tolist()y_language_count = language_count.values.tolist()
axes2.bar(x_language, y_language_count, color='green', width=0.7)axes2.set_title('不同语言电影数量柱状图', fontsize=18)axes2.set_xlabel('语言', fontsize=12)axes2.set_ylabel('电影数量', fontsize=12)axes2.grid(linestyle='--', alpha=0.5)axes2.tick_params(axis='x', rotation=90) # 语言名较长，竖排需求三：不同类型电影数量（柱状图）
难点：类型 一列存的是 "剧情,犯罪" 这样的多值，需要拆开逐个计数。
type_count = {} # {'剧情': 5, '犯罪': 3}for types in data['类型'].str.split(','): # 每行拆成 ['剧情', '犯罪'] for t in types: if t in type_count: type_count[t] += 1 else: type_count[t] = 1
x_types = list(type_count.keys())y_values = list(type_count.values())
axes3.bar(x_types, y_values, color='green', width=0.7)axes3.set_title('不同类型电影数量柱状图', fontsize=18)axes3.set_xlabel('类型', fontsize=12)axes3.set_ylabel('电影数量', fontsize=12)axes3.grid(linestyle='--', alpha=0.5)axes3.tick_params(axis='x', rotation=90)需求四：评分占比（饼图）
难点：评分取值很分散（87、85、83…），如果全都画进饼图会碎成一团。做法是把占比小于 2% 的合并成”其他”。
score_count = data.groupby('评分')['评分'].count()
total = score_count.sum()large_scores = score_count.loc[score_count >= total * 0.02] # 占比 >= 2%small_scores = score_count.loc[score_count < total * 0.02] # 占比 < 2%
if small_scores.shape[0] > 0: large_scores['其他'] = small_scores.sum() # 小数据合并
scores = large_scores.index.tolist()scores_values = large_scores.values.tolist()
axes4.pie(scores_values, labels=scores, autopct='%1.1f%%', startangle=0, radius=1.2)axes4.set_title('不同评分电影数量占比饼状图', fontsize=18)axes4.legend(loc='lower center', ncol=4, bbox_to_anchor=(0.5, -0.3))
plt.savefig('data/TMDB-TOP300.png') # 保存plt.show() # 显示进阶：拆成函数（模块化）
课程的最后一步把这套流程拆成了函数，主函数只负责”按顺序调用”：
| 函数 | 职责 |
|---|---|
load_data() | 读取 movies.csv（含年份类型指定） |
create_subplots() | 创建 2×2 子图并返回 axes1~axes4 |
process_year_data(data) / plot_year_trend(axes1, x, y) | 需求一的数据处理与画图分开 |
process_language_data(data) / plot_language_bar(...) | 需求二 |
process_genre_data(data) / plot_genre_bar(...) | 需求三 |
process_score_data(data) / plot_score_pie(...) | 需求四 |
Tip
“数据处理”和”画图”分开写的好处：统计逻辑可以单独测试（对着数字检查对不对），画图只是最后一步。完整的分函数版本见课程文件 10. TMDB-TOP300电影榜单数据统计.py。
相关
练习题
一、回忆填空（写完再展开对答案）
- 子图布局 2 行 2 列时，左上角子图是
axes[____][____]，右下角是axes[1][1] - 画布总标题用
fig.____('...')；调整子图间距用fig.____(hspace=0.4, wspace=0.2) - 读取年份列时指定
dtype={'年份': '____'}，这种整型支持空值 - 年份缺失时用
data['年份'].____(data['上映时间'].str[:4])补齐 - 每年电影数量用
data.groupby('年份')['年份'].____()统计 - 组装折线数据时
year_count.____(i, 0)表示”取不到就记 0” 类型列是多值（“剧情,犯罪”），用data['类型'].____.split(',')拆开逐个计数- 饼图前把占比小于 2% 的评分合并成”____“，避免图形碎成一团
- 柱子标签太长时用
axes.tick_params(axis='x', rotation=____)竖排
填空答案（做完再点开）
- 0、0 2. suptitle / subplots_adjust 3. Int64 4. fillna 5. count 6. get 7. str 8. 其他 9. 90
二、裸写题（用 data/movies.csv 实跑）
-
2-1 统计每年电影数量 用
data/movies.csv统计出”每年上映电影数量”，打印 1994 年和 2000 年各有多少部（年份缺失的用上映时间补）。提示（先自己想，实在想不出再点开）一级 · 思路：先补年份 → 按年份分组计数 → 取值 二级 · 方法：
fillna(上映时间的前 4 位)/groupby('年份')['年份'].count()三级 · 骨架：year_count.get(1994, 0) -
2-2 统计不同语言的电影数量并排序 按语言分组统计数量，按数量从多到少排序，打印前 5 名。
提示一级 · 思路：分组计数得到 Series，再排序切片 二级 · 方法：
groupby('语言')['语言'].count().sort_values(ascending=False)三级 · 骨架：.head(5) -
2-3 统计不同类型电影数量
类型列是"剧情,犯罪"这种多值，拆开后统计每种题材各有多少部，打印数量前 5 的题材。提示一级 · 思路：一行可能属于多个题材，要先拆再计数（字典计数） 二级 · 方法：
data['类型'].str.split(',')+ 双重 for 循环 三级 · 骨架：if t in type_count: type_count[t] += 1 -
2-4 统计评分占比（合并小数据） 统计各评分电影数量占比，把占比小于 2% 的合并成”其他”，打印合并后的结果。
提示一级 · 思路：先算总数，再按比例切两半（大的一块、小的一块） 二级 · 方法：
score_count.loc[score_count >= total * 0.02]三级 · 骨架：large_scores['其他'] = small_scores.____()
参考答案（做完再点开）
import pandas as pd
data = pd.read_csv('data/movies.csv', usecols=['电影名', '年份', '上映时间', '类型', '时长', '评分', '语言'], dtype={'年份': 'Int64'})
# 2-1data['年份'] = data['年份'].fillna(data['上映时间'].str[:4])year_count = data.groupby('年份')['年份'].count()print('1994 年:', year_count.get(1994, 0), '部')print('2000 年:', year_count.get(2000, 0), '部')
# 2-2language_count = data.groupby('语言')['语言'].count().sort_values(ascending=False)print(language_count.head(5))
# 2-3type_count = {}for types in data['类型'].str.split(','): for t in types: type_count[t] = type_count.get(t, 0) + 1type_series = pd.Series(type_count).sort_values(ascending=False)print(type_series.head(5))
# 2-4score_count = data.groupby('评分')['评分'].count()total = score_count.sum()large_scores = score_count.loc[score_count >= total * 0.02]small_scores = score_count.loc[score_count < total * 0.02]if small_scores.shape[0] > 0: large_scores['其他'] = small_scores.sum()print(large_scores)评论区
[ 标签 ]
[ 分类 ]
[ 公告 ]
如果你喜欢，那么欢迎来到我的世界！
了解更多[ 音乐 ]
音乐
暂未播放
0:000:00
找不到相关结果。
[ contents ]
[ 全部文章 ]
