【Python】数据可视化--基于TMDB_5000_Movie数据集

一、数据准备

tmdb_5000_movie数据集下载

二、数据预处理

观察数据集合情况

import pandas as pd
import ast
import warnings
warnings.filterwarnings('ignore')
# 加载数据集
df = pd.read_csv('tmdb_5000_movies.csv')
# 查看数据集信息
print(df.info())

 由于原数据集包含的数据信息较多，因此我们可以在每次需要分析的时候提取部分字段进行分析，比如关键字、电影类型、上映时间、生产厂家、预算、收入等等

df = df[['keywords','genres','production_companies','release_date','budget','revenue','vote_average','vote_count']]

观察过滤完的数据集和我们不难发现存在部分字段缺失值，字段类型数据形式不是我们想要的结果，因此我们对数据集进行进一步处理

import ast

# 将genres、production_companies中的字符串转换为列表
df['genres'] = df['genres'].apply(lambda x: ast.literal_eval(x))
df['production_companies'] = df['production_companies'].apply(lambda x: ast.literal_eval(x))

# 处理缺值数据
filtered_df = df[~df['release_date'].isna()]
filtered_df.dropna(inplace=True)

# 提取日期中的年份
filtered_df['year'] = pd.to_datetime(filtered_df['release_date']).dt.year
filtered_df['year'].apply(int)

三、数据可视化分析

注：下面代码需要上面的预处理结果。

一）2000-2016年期间Twentieth Century Fox Film Corporation、Universal Pictures和Paramount Pictures三家影视公司每年制作的电影数量

二）2012-2016年平均评分前十的电影类型

import matplotlib.pyplot as plt
import seaborn as sns

# 提取待处理字段
filtered_df = filtered_df[['year', 'genres', 'vote_average']]

def split_data(df, split_column):
    # 拆分指定的列
    df = df.explode(split_column)
    # 过滤掉指定列值为nan的数据
    df = df[~df[split_column].isna()]
    # 提取出指定列的名称
    df.loc[:, split_column] = df[split_column].apply(lambda x: x['name'])
    return df

# 拆分genres
filtered_df = split_data(filtered_df, 'genres')
filtered_df.rename(columns={'genres':'genre'}, inplace=True)

# 筛选2012-2016年的电影
filtered_df = filtered_df[(2012 <= filtered_df['year']) & (filtered_df['year'] <= 2016)]
# 计算各电影类型平均评分和
grouped_df = filtered_df.groupby('genre')['vote_average'].mean().reset_index(name='vote_average')
grouped_df = grouped_df.sort_values(by='vote_average', ascending=False)
grouped_df = grouped_df.head(10)

# 生成可视化图表
plt.figure(figsize=(10, 8))
sns.barplot(x=list(grouped_df['genre']),
            y=list(round(grouped_df['vote_average'],2)),
            width=0.6)
plt.ylim(0,8)
plt.title('2012-2016年平均评分前十的电影类型')
plt.xlabel('类型')
plt.ylabel('平均评分')
plt.tight_layout()
plt.legend(['平均评分'])

# 在柱子上方显示每个柱子的值
for index, value in enumerate(list(round(grouped_df['vote_average'],2))):
    plt.text(index, value + 0.08, str(value), ha='center')

plt.show()

运行结果：

三）2016年的总利润中，各电影类型所占的比例

import random

# 提取待处理字段
filtered_df = filtered_df[['year', 'genres','budget', 'revenue']]

# 处理budget、revenue
filtered_df.reset_index(inplace=True)
total = filtered_df['genres'].str.len()
total = total.apply(lambda x: 1 if x == 0 else x)
filtered_df['budget'] = filtered_df['budget'] / total
filtered_df['revenue'] = filtered_df['revenue'] / total

def split_data(df, split_column):
    # 拆分指定的列
    df = df.explode(split_column)
    # 过滤掉指定列值为nan的数据
    df = df[~df[split_column].isna()]
    # 提取出指定列的名称
    df.loc[:, split_column] = df[split_column].apply(lambda x: x['name'])
    return df

# 拆分genres
filtered_df = split_data(filtered_df, 'genres')
filtered_df.rename(columns={'genres':'genre'}, inplace=True)

# 筛选2016年的电影
filtered_df = filtered_df[filtered_df['year'] == 2016]
# 添加利润列
filtered_df['profit'] = filtered_df['revenue'] - filtered_df['budget']
# 过滤利润小于0的
filtered_df = filtered_df[0 <= filtered_df['profit']]
# 计算各电影类型平均利润和
grouped_df = filtered_df.groupby( 'genre')['profit'].sum().reset_index(name='profit')

# 计算各电影类型所占比例
total_scale = grouped_df['profit'].sum()
# 将scale除以整列总和并乘以100，得到每行的比例
grouped_df['scale'] = (grouped_df['profit'] / total_scale) * 100
# 将scale小于1的行的genre设置为"Other"
grouped_df.loc[grouped_df['scale'] < 1, 'genre'] = "Other"
# 计算"Other"行的"profit"和"scale"的总和
other_profit_sum = grouped_df.loc[grouped_df['genre'] == "Other", 'profit'].sum()
other_scale_sum = grouped_df.loc[grouped_df['genre'] == "Other", 'scale'].sum()
grouped_df.loc[grouped_df['genre'] == "Other", ['profit', 'scale']] = [other_profit_sum, other_scale_sum]
grouped_df = grouped_df.sort_values(by='genre')
# print(grouped_df)
# 生成随机颜色
def generate_random_colors(num_colors):
    colors = []
    for _ in range(num_colors):
        # 生成随机的 RGB 值
        r = random.random()
        g = random.random()
        b = random.random()
        colors.append((r, g, b))
    return colors

# 生成可视化图表
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['font.size'] = '13'

x = list(grouped_df['genre'])
y = list(round(grouped_df['scale'],2))

plt.figure(figsize=(14, 8))
plt.style.use('ggplot')
bars = plt.barh(x, y, height=0.6, color=generate_random_colors(len(x))[::-1])
plt.xlabel('收入占比', fontsize=14)
plt.ylabel('电影类型', fontsize=14)
plt.tight_layout()

for i, bar in enumerate(bars):
    plt.text(bar.get_width() + 0.2, bar.get_y() + bar.get_height() / 2, f'{y[i]:.1f}%', ha='left',
             va='center', color='green')

plt.title('2016年的总利润中，各电影类型所占的比例', fontsize=18, x=0.5, y=1.05)
plt.show()

运行结果：

四）比较2000-2017年期间Universal Pictures和Paramount Pictures两家影视公司制作各类型电影的数量。

# 提取待处理字段
filtered_df = filtered_df[['year', 'production_companies', 'genres']]
# 筛选2000-2017年的电影
filtered_df = filtered_df[(filtered_df['year'] >= 2000) & (filtered_df['year'] <= 2017)]

def split_data(df, split_column):
    # 拆分指定的列
    df = df.explode(split_column)
    # 过滤掉指定列值为nan的数据
    df = df[~df[split_column].isna()]
    # 提取出指定列的名称
    df.loc[:, split_column] = df[split_column].apply(lambda x: x['name'])
    return df

# 拆分production_companies
filtered_df = split_data(filtered_df, 'production_companies')
filtered_df.rename(columns={'production_companies':'company'}, inplace=True)
filtered_df = filtered_df[(filtered_df['company'] == 'Universal Pictures') | (filtered_df['company'] == 'Paramount Pictures') ]
# 拆分genres
filtered_df = split_data(filtered_df, 'genres')
filtered_df.rename(columns={'genres':'genre'}, inplace=True)

# 根据公司和类型对数据进行分组，并计算每个组的数量
grouped_df = filtered_df.groupby(['company', 'genre']).size().reset_index(name='count')
# print(grouped_df)

# 使用pivot_table函数处理数据
processed_df = pd.pivot_table(grouped_df, values='count', index='genre', columns='company', fill_value=0)
processed_df = processed_df.sort_values(by='genre', ascending=False)
# print(processed_df)

# 生成可视化结果
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['font.size'] = '13'

# 设置图形大小和风格
plt.figure(figsize=(12, 8))
plt.style.use('seaborn-muted')

# 数据直接提取
genres = list(processed_df.index)
universal = list(processed_df['Universal Pictures'])
paramount = list(processed_df['Paramount Pictures'])

# 绘制两家公司的数量对比图
plt.barh(np.arange(len(genres)), universal, height=0.3, label='Universal Pictures')
plt.barh(np.arange(len(genres)) + 0.3, paramount, height=0.3, label='Paramount Pictures')

plt.yticks(np.arange(len(genres)) + 0.15, genres, fontsize=12)
plt.legend()
plt.grid(axis='y')

# 添加数据标签
for i, value in enumerate(universal):
    plt.text(value + 0.15, i, str(value), ha='left', va='center', fontsize=10)
for i, value in enumerate(paramount):
    plt.text(value + 0.15, i + 0.3, str(value), ha='left', va='center', fontsize=10)

# 设置标题和坐标轴标签
plt.title('2000-2017年期间Universal Pictures和Paramount Pictures两家影视公司制作各类型电影的数量', fontsize=16)
plt.xlabel('电影数量')
plt.ylabel('电影类型')
plt.tight_layout()
plt.show()

运行结果：

五）比较2010-2016年期间Universal Pictures和Paramount Pictures两家影视公司制作各类型电影的平均利润

# 提取待处理字段
filtered_df = filtered_df[['year', 'production_companies', 'genres', 'revenue', 'budget']]
# 筛选2010-2016年的电影
filtered_df = filtered_df[(filtered_df['year'] >= 2010) & (filtered_df['year'] <= 2016)]

def split_data(df, split_column):
    # 拆分指定的列
    df = df.explode(split_column)
    # 过滤掉指定列值为nan的数据
    df = df[~df[split_column].isna()]
    # 提取出指定列的名称
    df.loc[:, split_column] = df[split_column].apply(lambda x: x['name'])
    return df

# 拆分production_companies
filtered_df = split_data(filtered_df, 'production_companies')
filtered_df.rename(columns={'production_companies':'company'}, inplace=True)
filtered_df = filtered_df[(filtered_df['company'] == 'Universal Pictures') | (filtered_df['company'] == 'Paramount Pictures') ]

# 处理budget、revenue
filtered_df.reset_index(inplace=True)
total = filtered_df['genres'].str.len()
total = total.apply(lambda x: 1 if x == 0 else x)
filtered_df['budget'] = filtered_df['budget'] / total
filtered_df['revenue'] = filtered_df['revenue'] / total

# 拆分genres
filtered_df = split_data(filtered_df, 'genres')
filtered_df.rename(columns={'genres':'genre'}, inplace=True)

# 添加利润列
filtered_df['profit'] = filtered_df['revenue'] - filtered_df['budget']
# 过滤利润小于0的
filtered_df = filtered_df[0 <= filtered_df['profit']]

# 根据公司和类型对数据进行分组，并计算每个组的数量
grouped_df = filtered_df.groupby(['company', 'genre'])['profit'].mean().reset_index(name='average_profit')
# print(grouped_df)

# 使用pivot_table函数处理数据
processed_df = pd.pivot_table(grouped_df, values='average_profit', index='genre', columns='company', fill_value=0)
processed_df = processed_df.sort_values(by='genre', ascending=False)
# print(processed_df)

# 提取Universal Pictures和Paramount Pictures的数据
genres = list(processed_df.index)
universal = list(round(processed_df['Universal Pictures'],2))
paramount = list(round(processed_df['Paramount Pictures'],2))

# 绘制平均利润图
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['font.size'] = '13'
plt.figure(figsize=(12, 8))
plt.plot(genres, universal, alpha=0.5, label='Universal Pictures', color='#fa51cf')
plt.bar(genres, paramount, alpha=0.5, label='Paramount Pictures', color='#acaaf1')

plt.title('2010-2016年期间Universal Pictures和Paramount Pictures制作各类型电影的平均利润')
plt.xlabel('类型')
plt.ylabel('平均利润')
plt.legend()
plt.xticks(rotation=45)
plt.show()

运行结果：

六）比较2012-2016年期间Universal和Paramount每年制作各类型电影的数量

from pyecharts import options as opts
from pyecharts.charts import Bar, Timeline

# 提取待处理字段
filtered_df = filtered_df[['year', 'production_companies', 'genres']]
# 筛选2012-2016年的电影
filtered_df = filtered_df[(filtered_df['year'] >= 2012) & (filtered_df['year'] <= 2016)]

def split_data(df, split_column):
    # 拆分指定的列
    df = df.explode(split_column)
    # 过滤掉指定列值为nan的数据
    df = df[~df[split_column].isna()]
    # 提取出指定列的名称
    df.loc[:, split_column] = df[split_column].apply(lambda x: x['name'])
    return df

# 拆分production_companies
filtered_df = split_data(filtered_df, 'production_companies')
filtered_df.rename(columns={'production_companies':'company'}, inplace=True)
filtered_df = filtered_df[(filtered_df['company'] == 'Universal Pictures') | (filtered_df['company'] == 'Paramount Pictures') ]

# 拆分genres
filtered_df = split_data(filtered_df, 'genres')
filtered_df.rename(columns={'genres':'genre'}, inplace=True)

# 根据公司和类型对数据进行分组，并计算每个组的数量
grouped_df = filtered_df.groupby(['year', 'company', 'genre']).size().reset_index(name='count')
# print(grouped_df)

# 获取所有年份、公司和类型的组合
all_years = grouped_df['release_year'].unique()
all_companies = grouped_df['company'].unique()


# 创建空的DataFrame用于存储合并后的数据
merged_df = pd.DataFrame(columns=['release_year', 'company', 'genre', 'count'])

# 遍历所有年份、公司和类型的组合
for year in all_years:
    all_genres = grouped_df[grouped_df['release_year'] == year]['genre'].unique()
    all_genres.sort()
    for company in all_companies:
        for genre in all_genres:
            # 检查是否存在对应的记录
            condition = (grouped_df['release_year'] == year) & (grouped_df['company'] == company) & (
                    grouped_df['genre'] == genre)
            if len(grouped_df[condition]) > 0:
                count = grouped_df[condition]['count'].values[0]
            else:
                count = 0
            # 添加记录到合并后的DataFrame
            merged_df = pd.concat([merged_df, pd.DataFrame(
                {'release_year': [year], 'company': [company], 'genre': [genre], 'count': [count]})],
                                  ignore_index=True)

# print(merged_df)

# 创建时间轮番图
timeline = Timeline(
    init_opts=opts.InitOpts(
        width='1200px',
        height='600px',
        animation_opts=opts.AnimationOpts(
            animation_delay=1000, # 动画延时
            animation_easing='elasticOut'
        )
    )
)

# 遍历每个年份
for year in all_years:
    # 提取当前年份的数据
    universal_data = merged_df[(merged_df['release_year'] == year) & (merged_df['company'] == 'Universal Pictures')]
    paramount_data = merged_df[(merged_df['release_year'] == year) & (merged_df['company'] == 'Paramount Pictures')]

    # 创建柱状图
    bar = (
        Bar(init_opts=opts.InitOpts(height='500px'))
        .add_xaxis(universal_data['genre'].tolist())
        .add_yaxis('Universal Pictures',
                   universal_data['count'].tolist(),
                   gap=0,
                   itemstyle_opts=opts.ItemStyleOpts(
                       color='#FF4D4F')
                   )
        .add_yaxis('Paramount Pictures',
                   paramount_data['count'].tolist(),
                   gap=0,
                   itemstyle_opts=opts.ItemStyleOpts(
                       color='#1890FF')
                   )
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title=f'{int(year)}年 Universal和Paramount制作各类型电影的数量',
                pos_left='center',
            ),
            xaxis_opts=opts.AxisOpts(
                axislabel_opts=opts.LabelOpts(
                    rotate=30,
                    font_size=12,
                )
            ),
            yaxis_opts=opts.AxisOpts(
                name='数量',
                max_=max(universal_data['count'].max(), paramount_data['count'].max())+1,
                axislabel_opts=opts.LabelOpts(
                    font_size=12
                )
            ),
            # visualmap_opts=opts.VisualMapOpts(
            #     min_=0,
            #     max_=8,
            #     is_show=False
            # ),
            # datazoom_opts=[
            #     opts.DataZoomOpts(
            #         range_start = 0,
            #         range_end = 100
            #     )
            # ],
            legend_opts=opts.LegendOpts(
                pos_right='10%',
                pos_top='12%',
                orient='vertical'
            ),
            tooltip_opts=opts.TooltipOpts(
                trigger='item',
                axis_pointer_type='cross'
            )
        )
    )

    # 将柱状图添加到时间轮番图中
    timeline.add(bar, f'{int(year)}年')

# 调整时间轴位置
timeline.add_schema(
    orient="vertical",  # 垂直展示
    is_auto_play=True,
    play_interval=2000,  # 播放时间间隔，毫秒
    pos_right="2%",
    pos_top="50",
    height="500",  # 组件高度
    width="70",
    label_opts=opts.LabelOpts(
        is_show=True,
        color="black",
        position='left'
    ),
)

# 渲染并保存时间轮番图
timeline.render('时间轮番图.html')

运行结果：（时间轮番图）

七）2000-2016年期间产量最高五家电影公司出产电影的平均评分

from pyecharts import options as opts
from pyecharts.charts import Line, Bar
from pyecharts.globals import ThemeType
from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot

# 提取待处理字段
filtered_df = filtered_df[['year', 'production_companies', 'vote_average']]
# 2000-2016年期间产量最高五家电影公司出产电影的平均评分
filtered_df = filtered_df[(2000 <= filtered_df['year']) & (filtered_df['year'] <= 2016)]

def split_data(df, split_column):
    # 拆分指定的列
    df = df.explode(split_column)
    # 过滤掉指定列值为nan的数据
    df = df[~df[split_column].isna()]
    # 提取出指定列的名称
    df.loc[:, split_column] = df[split_column].apply(lambda x: x['name'])
    return df

# 拆分production_companies
filtered_df = split_data(filtered_df, 'production_companies')
filtered_df.rename(columns={'production_companies':'company'}, inplace=True)

grouped_df = filtered_df.groupby('company').agg(
    count=('company', 'size'),
    vote_average=('vote_average', 'mean')).reset_index()

grouped_df = grouped_df.sort_values(by='count', ascending=False)
grouped_df = grouped_df.head(5)
grouped_df = grouped_df.sort_values(by='company')
print(grouped_df)

x_index = grouped_df['company'].tolist()
y_value1 = round(grouped_df['vote_average'],2).tolist()
y_value2 = grouped_df['count'].tolist()

bar = (
    Bar(
        init_opts=opts.InitOpts(
            width="800px",
            height="400px",
            theme=ThemeType.LIGHT
        )
    )
    .add_xaxis(xaxis_data=x_index)
    .add_yaxis(
        series_name="平均评分",
        y_axis=y_value1,
        category_gap="50%",
        label_opts=opts.LabelOpts(is_show=False)
    )

    .extend_axis(  # 第二坐标轴
        yaxis=opts.AxisOpts(
            name="产出数量",
            type_="value",
            min_=100,
            max_=250,
            interval=20,
            axislabel_opts=opts.LabelOpts(formatter="{value}部")  # 设置坐标轴格式
        )
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(
            title="2000-2016年期间产量最高五家电影公司出产电影的平均评分",
        ),
        tooltip_opts=opts.TooltipOpts(
            is_show=True, trigger="axis", axis_pointer_type="cross"
        ),
        legend_opts=opts.LegendOpts(
            pos_right='15%',
            pos_top='5%',
        ),
        xaxis_opts=opts.AxisOpts(
            type_="category",
            axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),
            axislabel_opts=opts.LabelOpts(rotate=25)
        ),
        yaxis_opts=opts.AxisOpts(
            name="平均评分",
            type_="value",
            min_=5,
            max_=7,
            interval=0.2,
            axislabel_opts=opts.LabelOpts(formatter="{value} 分"),  # 设置坐标轴格式
            axistick_opts=opts.AxisTickOpts(is_show=True),
            splitline_opts=opts.SplitLineOpts(is_show=True),
        ),
    )
)

line = (
    Line()
    .add_xaxis(xaxis_data=x_index)
    .add_yaxis(
        series_name="产出数量",
        yaxis_index=1,
        y_axis=y_value2,
        itemstyle_opts=opts.ItemStyleOpts(color="red"),
        label_opts=opts.LabelOpts(is_show=False),
        z=2  # 使折线图显示在柱状图上面
    )
)
title = '2000-2016年期间产量最高五家电影公司出产电影的平均评分'
make_snapshot(snapshot, bar.overlap(line).render(title+'.html'), title+'.png')

八）2016年的总票房收入中，各电影公司所占的比例

from pyecharts import options as opts
from pyecharts.charts import Line, Bar
from pyecharts.globals import ThemeType
from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot

# 提取待处理字段
filtered_df = filtered_df[['year', 'production_companies', 'revenue']]
# 2016年的总票房收入中，各电影公司所占的比例
filtered_df = filtered_df[(filtered_df['year'] == 2016)]
# 处理收入列
total = filtered_df['production_companies'].str.len()
total = total.apply(lambda x: 1 if x == 0 else x)
# print(total)
filtered_df['revenue'] = filtered_df['revenue'] / total

def split_data(df, split_column):
    # 拆分指定的列
    df = df.explode(split_column)
    # 过滤掉指定列值为nan的数据
    df = df[~df[split_column].isna()]
    # 提取出指定列的名称
    df.loc[:, split_column] = df[split_column].apply(lambda x: x['name'])
    return df


# 拆分production_companies
filtered_df = split_data(filtered_df, 'production_companies')
filtered_df.rename(columns={'production_companies': 'company'}, inplace=True)
# print(filtered_df.head(10).to_string())

# 按公司分组
grouped_df = filtered_df.groupby( 'company')['revenue'].sum().reset_index(name='revenue')
# 计算总票房收入
total_revenue = grouped_df['revenue'].sum()
# 添加比例列
grouped_df['scale'] = (grouped_df['revenue'] / total_revenue) * 100
grouped_df['revenue'] = round(grouped_df['revenue']/10000,2)

# 将scale小于2的行的company设置为"Other"
grouped_df.loc[grouped_df['scale'] < 1, 'company'] = "Other"
# 计算"Other"行的"revenue"和"scale"的总和
other_revenue_sum = grouped_df.loc[grouped_df['company'] == "Other", 'revenue'].sum()
other_scale_sum = grouped_df.loc[grouped_df['company'] == "Other", 'scale'].sum()
grouped_df.loc[grouped_df['company'] == "Other", ['revenue', 'scale']] = [other_revenue_sum, other_scale_sum]
# 删除重复行
grouped_df = grouped_df.drop_duplicates()
# 按比例排序
grouped_df = grouped_df.sort_values(by='company')
# print(grouped_df.head(20).to_string())

# 提取绘图数据集合
x_index = grouped_df['company'].tolist()
y_value1 = grouped_df['revenue'].tolist()
y_value2 = grouped_df['scale'].tolist()

bar = (
    Bar(
        init_opts=opts.InitOpts(
            width="1200px",
            height="500px",
            theme=ThemeType.LIGHT
        )
    )
    .add_xaxis(xaxis_data=x_index)
    .add_yaxis(
        series_name="票房收入",
        y_axis=y_value1,
        category_gap="50%",
        label_opts=opts.LabelOpts(is_show=False)
    )

    .extend_axis(  # 第二坐标轴
        yaxis=opts.AxisOpts(
            name="所占比例",
            type_="value",
            min_=1,
            max_=5,
            # interval=200,
            axislabel_opts=opts.LabelOpts(formatter="{value} %")  # 设置坐标轴格式
        )
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(
            title="2016年的总票房收入中，各电影公司所占的比例",
        ),
        tooltip_opts=opts.TooltipOpts(
            is_show=True, trigger="axis", axis_pointer_type="cross"
        ),
        legend_opts=opts.LegendOpts(
            pos_right='15%',
            pos_top='5%',
        ),
        xaxis_opts=opts.AxisOpts(
            type_="category",
            axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),
            axislabel_opts=opts.LabelOpts(rotate=25)
        ),
        yaxis_opts=opts.AxisOpts(
            name="票房收入",
            type_="value",
            # min_=5,
            # max_=7,
            # interval=0.2,
            # axislabel_opts=opts.LabelOpts(formatter="{value} $"),  # 设置坐标轴格式
            axistick_opts=opts.AxisTickOpts(is_show=True),
            splitline_opts=opts.SplitLineOpts(is_show=True),
        ),
    )
)

line = (
    Line()
    .add_xaxis(xaxis_data=x_index)
    .add_yaxis(
        series_name="所占比例",
        yaxis_index=1,
        y_axis=y_value2,
        itemstyle_opts=opts.ItemStyleOpts(color="red"),
        label_opts=opts.LabelOpts(is_show=False),
        z=2  # 使折线图显示在柱状图上面
    )
)
title = '2016年的总票房收入中，各电影公司所占的比例'
make_snapshot(snapshot, bar.overlap(line).render(title+'.html'), title+'.png')

运行结果：

九）对比2011-2016年期间改编电影和原创电影每年平均票房收入

import json
from pyecharts import options as opts
from pyecharts.charts import Line, Bar
from pyecharts.globals import ThemeType
from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot

# 提取待处理字段
filtered_df = filtered_df[['year', 'keywords', 'revenue']]
# 对比2011-2016年期间改编电影和原创电影每年平均票房收入，电影的其中一个keywords为“based on novel”，则它为改编电影，否则为原创电影
filtered_df = filtered_df[(2011 <= filtered_df['year']) & (filtered_df['year'] <= 2016)]


# 定义函数来判断电影是否为改编电影
def is_adapted_movie(keywords_json):
    try:
        keywords = json.loads(keywords_json.replace("'", '"'))
        return any(keyword['name'] == 'based on novel' for keyword in keywords)
    except json.JSONDecodeError:
        return False


# 为数据集添加一列以标记改编电影
filtered_df['is_adapted'] = filtered_df['keywords'].apply(is_adapted_movie)
# print(filtered_df['is_adapted'])

# print(filtered_df.groupby(['year', 'is_adapted'])['revenue'].mean().head(10).to_string())
grouped_df = filtered_df.groupby(['year', 'is_adapted'])['revenue'].mean().unstack()
print(grouped_df.head(10).to_string())
# 准备数据用于绘图
x_index = grouped_df.index.tolist()
y_value1 = grouped_df[True].tolist()
y_value2 = grouped_df[False].tolist()

bar = (
    Bar(
        init_opts=opts.InitOpts(
            width="800px",
            height="400px",
            theme=ThemeType.LIGHT
        )
    )
    .add_xaxis(xaxis_data=x_index)
    .add_yaxis(
        'Adapted',
        y_axis=y_value1,
        gap=0,
        label_opts=opts.LabelOpts(is_show=False),
        itemstyle_opts=opts.ItemStyleOpts(
            color='#1890FF')
    )
    .add_yaxis(
        'Original',
        y_axis=y_value2,
        gap=0,
        label_opts=opts.LabelOpts(is_show=False),
        itemstyle_opts=opts.ItemStyleOpts(
            color='#FF4D4F')
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(
            title="对比2011-2016年期间改编电影和原创电影每年平均票房收入",
        ),
        tooltip_opts=opts.TooltipOpts(
            is_show=True, trigger="axis", axis_pointer_type="cross"
        ),
        legend_opts=opts.LegendOpts(
            pos_right='15%',
            pos_top='5%',
        ),
        xaxis_opts=opts.AxisOpts(
            type_="category",
            axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),
            axislabel_opts=opts.LabelOpts(rotate=25)
        ),
        yaxis_opts=opts.AxisOpts(
            name="平均收入",
            type_="value",
            axistick_opts=opts.AxisTickOpts(is_show=True),
            splitline_opts=opts.SplitLineOpts(is_show=True),
        ),
    )
)
title = '对比2011-2016年期间改编电影和原创电影每年平均票房收入'
make_snapshot(snapshot, bar.render(title + '.html'), title + '.png')

运行结果：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/313866.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

2024 年 DevOps 会是什么样子？

2024 年 DevOps 会是什么样子？

过去两年的特点是科技公司大幅裁员。随着亚马逊、Meta 和谷歌等公司的大规模裁员成为各大头条新闻&#xff0c;科技行业在疫情期间释放资本并实现强劲增长&#xff0c;这种“花钱、快速增长”的思维模式正在发生普遍转变。游戏的名称是在支出上更加保守&#xff0c;这种心态将推…
阅读更多...
flask web服务器：运行在云服务器上的最简单的web服务器

flask web服务器：运行在云服务器上的最简单的web服务器

上期文章我们分享了flask的基础知识以及如何安装flask&#xff0c;当你安装完成flask后&#xff0c;我们就可以打造自己的web服务器了。 首先我们打印最简单的hello world,并在浏览器中显示 from flask import Flask app Flask(__name__)app.route(/) def index():return he…
阅读更多...
C++_虚函数表

C++_虚函数表

虚函数表 介绍源码运行结果笔记扩充函数名联编静态联编动态联编 介绍 1.编译器通过指针或引用调用虚函数&#xff0c;不会立即生成函数调用指令&#xff0c;而是用 二级函数指针 代替 1.1确定真实类型 1.2找到虚函数表从而找到入口地址 1.3根据入口地址调用函数(PS:俗称 函数指…
阅读更多...
SQL-数据类型

SQL-数据类型

&#x1f389;欢迎您来到我的MySQL基础复习专栏 ☆* o(≧▽≦)o *☆哈喽~我是小小恶斯法克&#x1f379; ✨博客主页&#xff1a;小小恶斯法克的博客 &#x1f388;该系列文章专栏&#xff1a;重拾MySQL &#x1f379;文章作者技术和水平很有限&#xff0c;如果文中出现错误&am…
阅读更多...
数据结构初阶之插入排序与希尔排序详解

数据结构初阶之插入排序与希尔排序详解

个人主页&#xff1a;点我进入主页 专栏分类&#xff1a;C语言初阶 C语言程序设计————KTV C语言小游戏 C语言进阶 C语言刷题 数据结构初阶 Linux 欢迎大家点赞&#xff0c;评论&#xff0c;收藏。 一起努力,共赴大厂。 目录 一.前言 二.插入排序 …
阅读更多...
代码随想录 Leetcode203. 移除链表元素

代码随想录 Leetcode203. 移除链表元素

题目&#xff1a; 代码(首刷看解析 2024年1月11日&#xff09;&#xff1a; class Solution { public:ListNode* removeElements(ListNode* head, int val) {if(headnullptr) return nullptr;ListNode* BeforeHead new ListNode(0,head);ListNode* temp BeforeHead;while(te…
阅读更多...
iOS 调试工具CocoaDebug

iOS 调试工具CocoaDebug

1、使用pod工具在项目里面添加CocoaDebug的SDK。 platform :ios, 11.0target ShopService doproject ShopServiceuse_frameworks!pod CocoaDebug, :configurations > [Debug]end2、之后就可以在项目里面看到效果了 APP上显示的是一个黑色背景的小圆圈。 上面39表示调用了39…
阅读更多...
跨平台的文件传输协议@windows端服务器的配置@smb协议共享方案@ftp服务器设置

跨平台的文件传输协议@windows端服务器的配置@smb协议共享方案@ftp服务器设置

文章目录 abstractrefs ftp server下面是核心步骤FAQ smb server设置方法右键设置共享文件夹查看所有已经共享的文件夹停止某个文件的共享 共享文件夹的访问控制补充匿名访问问题协议相关信息参考android客户端推荐FAQ不同用户文件无法访问 比较和总结其他用户访问smb服务器共享…
阅读更多...
[蓝桥杯学习] ST表

[蓝桥杯学习] ST表

RMQ问题 ST 表 用状态 s[i][j] 记录区间长度为 2^j 的长度的区间的最大值 所以状态转移方程就是 st[i][j] max( st[i][j-1] , st[i(1 << (j-1))][j-1] ) 注意状态转移的方向&#xff0c;保证区间合法性&#xff08;i2^j 不能超过数组大小&#xff09; 写完这些后&am…
阅读更多...
知道IP怎么反查域名？这几个方法一查一个准！

知道IP怎么反查域名？这几个方法一查一个准！

知道网络IP怎么反查出真实域名来&#xff1f;给大家分享几个我常用的方法&#xff0c;就算你不懂技术你都能查得出来&#xff01; 一、fofa 这是一个白帽黑客非常喜欢用的社工平台&#xff0c;只要你输入IP就能查到很多背后的信息。 传送门&#xff1a;https://fofa.info 二…
阅读更多...
ELAU MC-4/11/22/400伺服驱动器

ELAU MC-4/11/22/400伺服驱动器

在一帧中每一行的选择时间是均等的。假设一帧的扫描行数为N&#xff0c;扫描时间为1&#xff0c;那一行所占有的选择时间为一帧时间的1/N。在液晶显示的驱动方法中把这个值&#xff0c;即一帧行扫描数的倒数称为液晶显示驱动的占空比(duty)&#xff0c;用d表示。在同等电压下&a…
阅读更多...
响应式Web开发项目教程（HTML5+CSS3+Bootstrap）第2版 例3-1 CSS3过渡

响应式Web开发项目教程（HTML5+CSS3+Bootstrap）第2版 例3-1 CSS3过渡

代码 <!doctype html> <html> <head> <meta charset"utf-8"> <title>CSS3 过渡</title> <style> /*显示*/ .box {width: 100px;height: 100px;background-color: #eee;/*透明度*/opacity: 1;/*过渡*/transition: 3s; } /…
阅读更多...
高性能mysql 第三版 读书笔记

高性能mysql 第三版 读书笔记

MySQL中的tmp_table_size和max_heap_table_size|极客笔记 mysql占用内存过高调优方法_tmp_table_size过大阻塞-CSDN博客 查看mysql分配的内存 mysql查看内存利用状态_mob6454cc6d81c9的技术博客_51CTO博客 https://www.cnblogs.com/stronger-xsw/p/13632505.html
阅读更多...
刚买的助听器就弄丢了，不想白配，快来看看这8大助听器防丢小技巧

刚买的助听器就弄丢了，不想白配，快来看看这8大助听器防丢小技巧

我们知道助听器可以让听损人士重新听到美妙的声音和享受沟通的乐趣。但是&#xff0c;助听器也是一种很贵的物品&#xff0c;如果不小心弄丢了&#xff0c;就会让人心痛不已。 更有甚者&#xff0c;有些人因为害怕丢失助听器&#xff0c;而不敢佩戴助听器&#xff0c;错过了听力…
阅读更多...
气象能见度监测站的应用介绍

气象能见度监测站的应用介绍

【TH-NJD10】能见度是反映大气透明度的一个重要指标&#xff0c;对于航空、航海、道路交通等领域具有重要意义。 一、气象能见度监测站的应用 交通气象服务 气象能见度监测站在交通气象服务中发挥着重要作用。在高速公路、机场、港口等交通枢纽&#xff0c;能见度监测数据对于交…
阅读更多...
【算法与数据结构】70、LeetCode爬楼梯

【算法与数据结构】70、LeetCode爬楼梯

文章目录 一、题目二、解法三、完整代码 所有的LeetCode题解索引&#xff0c;可以看这篇文章——【算法和数据结构】LeetCode题解。 一、题目 二、解法 思路分析&#xff1a;因为每次可以爬1阶或者2阶台阶&#xff0c;若想到达第i阶&#xff0c;则有两种情况&#xff1a;在第i-…
阅读更多...
【Golang】IEEE754标准二进制字符串转为浮点类型

【Golang】IEEE754标准二进制字符串转为浮点类型

IEEE754介绍 IEEE 754是一种标准&#xff0c;用于表示和执行浮点数运算的方法。在这个标准中&#xff0c;单精度浮点数使用32位二进制表示&#xff0c;分为三个部分&#xff1a;符号位、指数位和尾数位。 符号位(s)用一个位来表示数的正负&#xff0c;0表示正数&#xff0c;1表…
阅读更多...
CentOS查看修改时间

CentOS查看修改时间

经常玩docker的朋友应该都知道&#xff0c;有很多的镜像运行起来后&#xff0c;发现容器里的系统时间不对&#xff0c;一般是晚被北京时间8个小时&#xff08;不一定&#xff09;。 这里合理怀疑是镜像给的初始时区是世界标准时间&#xff08;也叫协调世界时间&#xff09;。 有…
阅读更多...
Kafka配置Kerberos安全认证及与Java程序集成

Kafka配置Kerberos安全认证及与Java程序集成

Background 本文主要介绍在 Kafka 中如何配置 Kerberos 认证&#xff0c;以及 java 使用 JAAS 来进行 Kerberos 认证连接。本文演示为单机版。 所用软件版本 查看 Kerberos 版本命令&#xff1a;klist -V 软件名称版本jdk1.8.0_202kafka2.12-2.2.1kerberos1.15.1 1、Kerberos …
阅读更多...
el-tree定义左边箭头，包括下级出现连线

el-tree定义左边箭头，包括下级出现连线

效果图&#xff1a; 代码&#xff1a; <template><div class"agency-wrap"><el-treeclass"filter-tree":data"detailList":props"defaultProps"default-expand-allnode-click"onClickNode":filter-node-me…
阅读更多...
最新文章

Copyright @ 2022~2023