Numpy Pandas学习

file_path="test_data/IMDB-Movie-Data.csv"
    df=pd.read_csv(file_path)
    print(df.head(1))
    print(df.info())
    #rating runtime分布情况
    #选择图形,直方图
    #准备数据
    runtime_data=df["Runtime (Minutes)"].values
    max_runtime=runtime_data.max()
    min_runtime=runtime_data.min()
    # 计算组距
    num_bin=(max_runtime-min_runtime)//5
    #设置图形的大小
    # plt.figure(figsize=(20,8),dpi=80)
    # plt.hist(runtime_data,num_bin)
    # plt.xticks(range(min_runtime,max_runtime+5,5))
    # plt.show()


    #获取电影平均分
    print(df["Rating"].mean())
    #获取导演人数
    print(len(set(df["Director"].tolist())))#set函数创建一个无序不重复元素集
    print(len(df["Director"].unique()))#unique函数创建不重复的列表
    #获取演员的人数
    temp_actors_list=df["Actors"].str.split(", ").tolist()
    print(temp_actors_list)
    actors_list=[i for j in temp_actors_list for i in j]
    actors_num=len(set(actors_list))
    print(actors_num)

    #电影分类
    #统计分类列表
    temp_list=df["Genre"].str.split(",").tolist()
    genre_list=list(set([i for j in temp_list for i in j] ))
    #构造全为0的数组
    zeros_df=pd.DataFrame(np.zeros((df.shape[0],len(genre_list))),columns=genre_list)
    print(zeros_df)
    #给每个顶电影出现的位置赋值为1
    for i in range(df.shape[0]):
        #zeros_df.loc[0,["Sci-fi","Mucical"]]=1
        zeros_df.loc[i,temp_list[i]]=1

    print(zeros_df.head(3))
    #统计每个分类电影数量和
    genre_count=zeros_df.sum(axis=0)
    print(genre_count)
    #排序
    genre_count=genre_count.sort_values()
    print(genre_count)