import?pandas?as?pd
import?numpy?as?np
import?json
#可視化包
import?matplotlib.pyplot?as?plt
import?matplotlib
#加載詞云圖
from?wordcloud?import?WordCloud
#更改字體
plt.rcParams[‘font.sans-serif‘]?=?[‘SimHei‘]

#讀取演員列表信息和電影列表信息數(shù)據(jù)
credits?=?pd.read_csv（‘tmdb_5000_credits.csv‘encoding=‘utf-8‘）
movies?=?pd.read_csv（‘tmdb_5000_movies.csv‘encoding=‘utf-8‘）

json_cols?=?[‘cast‘‘crew‘]
#json
#編碼：把python對象編碼轉(zhuǎn)換json字符串???json.dumps
#解碼：把json字符串轉(zhuǎn)換成python對象???json.loads
for?i?in?json_cols:
????credits[i]?=?credits[i].apply（json.loads）
#用json方法匯總所有類型
def?get_name（x）:
????return?‘‘.join（[i[‘name‘]?for?i?in?x]）

#?cast?提取演員

credits[‘cast‘]?=?credits[‘cast‘].apply（get_name）
#?crew?提取導(dǎo)演
def?director（x）:
????for?i?in?x:
????????if?i[‘job‘]?==‘Director‘:
????????????return?i[‘name‘]
credits[‘crew‘]?=?credits[‘crew‘].apply（director）
#?print（credits.head（））

#將‘crew‘轉(zhuǎn)換為’directo‘
credits.rename（columns?=?{‘crew‘:‘director‘}inplace=True）
#?print（credits.head（））

#movies?解析
json_colss?=?[‘genres‘‘keywords‘‘spoken_languages‘‘production_countries‘‘production_companies‘]
for?i?in?json_colss:
????movies[i]=movies[i].apply（json.loads）

def?get_names（x）:
????return?‘‘.join（[i[‘name‘]?for?i?in?x]）

movies[‘genres‘]=movies[‘genres‘].apply（get_names）
movies[‘keywords‘]=movies[‘keywords‘].apply（get_names）
movies[‘spoken_languages‘]=movies[‘spoken_languages‘].apply（get_names）
movies[‘production_countries‘]=movies[‘production_countries‘].apply（get_names）
movies[‘production_companies‘]=movies[‘production_companies‘].apply（get_names）

#?print（（credits[‘title‘]==movies[‘title‘]）.describe（））

del?movies[‘title‘]
#合并兩張表
df?=?credits.merge（right=movieshow=‘inner‘left_on=‘movie_id‘right_on=‘id‘）
#?print（df.head（））
del?df[‘id‘]
del?df[‘homepage‘]
del?df[‘original_title‘]
del?df[‘tagline‘]
df[‘release_date‘]=df[‘release_date‘].fillna（‘2014-06-01‘）#填充缺失值
df[‘runtime‘]=df[‘runtime‘].fillna（df.runtime.mean（））#填充平均值
df[df[[‘release_date‘‘runtime‘]].isnull（）.values==True]
#獲取電影類型
df[‘genres‘][1].split（‘‘）

genre?=?set（）#建立一個集合，會去重
for?i?in?df[‘genres‘].str.split（‘‘）:
????genre?=?set（）.union（igenre）

genre?=?list（genre）
genre.remove（‘‘）
#?print?（genre）

#轉(zhuǎn)化日期格式
df[‘release_year‘]?=?pd.to_datetime（df.release_date?format=?‘%Y-%m-%d‘）.dt.year
df[‘release_month‘]?=?pd.to_datetime（df.release_date?format=‘%Y-%m-%d‘）.dt.month
#判斷每部電影屬于什么類型，返回1
for?genr?in?genre:
????df[genr]?=?df[‘genres‘].str.contains（genr）.apply（lambda?x:1?if?x?else?0）
????????#str.contains?字符串包含

df_gy?=?df.loc[:genre]
#?print（df_gy）

#建立包含電影類型和年份的數(shù)據(jù)框
#?print（df_gy.index）
df_gy.index?=?df[‘release_year‘]
#?print（df_gy.head（））
#?df_gy.groupby（‘release_year‘）.count（）.Adventure.plot（figsize=（126））
#?plt.xticks（range（191520185））
#?plt.title（‘電影數(shù)量的年度趨勢圖‘?fontsize?=?20）
#?plt.xlabel（‘年份‘fontsize?=?20）
#?plt.ylabel（‘?dāng)?shù)量‘fontsize?=?20）
#?plt.show（）

df_gy1?=?df_gy.sort_index（ascending=?False）#sort_index?索引排序，默認(rèn)升序False?為降序。
#?pri

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????8010??2018-12-20?10:58??kaggle電影分析\test.py

?????文件???40044293??2017-09-28?09:09??kaggle電影分析\tmdb_5000_credits.csv

?????文件????5698602??2017-09-28?09:09??kaggle電影分析\tmdb_5000_movies.csv

?????目錄??????????0??2018-12-20?11:02??kaggle電影分析

?????文件???????8010??2018-12-20?10:58??TMDB電影數(shù)據(jù)分析\test.py

?????文件???40044293??2017-09-28?09:09??TMDB電影數(shù)據(jù)分析\tmdb_5000_credits.csv

?????文件????5698602??2017-09-28?09:09??TMDB電影數(shù)據(jù)分析\tmdb_5000_movies.csv

?????目錄??????????0??2018-12-20?11:02??TMDB電影數(shù)據(jù)分析

-----------?---------??----------?-----??----

?????????????91501810????????????????????8