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

以上就是迅速手套最近收集整理的关于电影票房案例分析的全部内容，更多相关电影票房案例分析内容请搜索靠谱客的其他文章。