电影票房案例分析

import pandas as pd
#加载数据
def read_data(file_root):
dataframe=pd.read_csv(file_root)
print("数据的基本信息：")
print(dataframe.info())
print("数据的行是%i,列是%i"%(dataframe.shape[0],dataframe.shape[1]))
print("数据预览：")
print(dataframe.head())
return dataframe
#处理缺失数据
def processing_missing_data(dataframe):
if dataframe.isnull().values.any():
dataframe=dataframe.dropna()
return dataframe
#分析票房数据
def analyze_data(dataframe,groupby_attribution):
grouped_data=dataframe.groupby(groupby_attribution,as_index=False)["gross"].sum()
sorted_grouped_data=grouped_data.sort_values(by="gross",ascending=False)
sorted_grouped_data.to_csv("H:/pythonfigure/gross.csv",index=None)
#重新构造电影类型
def reget_data(dataframe):
df_genres=pd.DataFrame(columns=["genre","budget","gross","year"])
for i, row in dataframe.iterrows():
if i%100==0:
print("共%i记录，已处理%i"%(dataframe.shape[0],i))
genres=row["genres"].split("|")
num_genres=len(genres)
dict={}
dict["budget"]=[row["budget"]]*num_genres
dict["gross"]=[row["gross"]]*num_genres
dict["year"] = [row["title_year"]] * num_genres
dict["genre"]=genres
df_genres=df_genres.append(pd.DataFrame(dict))
df_genres.to_csv("H:/pythonfigure/movie_metad.csv")
return df_genres
#加载数据
dataframe=read_data("H:/pythonfigure/movie_metadata.csv")
#处理缺失数据
dataf=processing_missing_data(dataframe)
#重新构造电影类型
t=reget_data(dataf)
print(t)

最后

以上就是迅速手套为你收集整理的电影票房案例分析的全部内容，希望文章能够帮你解决电影票房案例分析所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。