def show_tag_count():
"""
统计不同分类的电视剧数量
:return:
"""
# 设置图形大小
plt.figure(figsize=(10, 8), dpi=80)
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
df = get_data_frame()
# 去除暂时无分类的数据
df = df[~df["tag"].isin(["未知"])]
df_tag = df[["country", "rating_value", "tag"]]
# 切割组成集合,tags是一个带集合的列表
tags = [set(x.split(" ")) for x in df_tag["tag"]]
# 把所有的tag组成一个集合
tags = set.union(*tags)
# 设置一个(len(df_tag), len(tags))的全是0元素的二维数组 (行, 列)
dummies = pd.DataFrame(np.zeros((len(df_tag), len(tags))), columns=tags)
for i, tag in enumerate(df_tag["tag"]):
# 对应位置改为 1
dummies.loc[i, tag.split(" ")] = 1
# df_new = df_tag.join(dummies.add_prefix("tag_")) #添加join之后字段的前缀
# # 清除后 更改index 利于合并
# df_tag.index = pd.Series(np.arange(len(df_tag)))
df_new = df_tag.join(dummies)
# print(df_new.columns)
tag_list = df_new.columns[4:]
tag_count = []
for tag in tag_list:
tag_count.append([tag, df_new[tag].sum()])
# 排序,让柱状图按照顺序显示
tag_count.sort(key=lambda x: x[1], reverse=True)
ax = plt.subplot()
# 画竖着的直方图
# ax.bar(range(len(tag_list)), count, width=0.5, align="center",)
# plt.xticks(range(len(tag_list)), tag_list,rotation=90,fontproperties=myfont)
# 画横着的直方图
ax.barh(range(len(tag_count)), [i[1] for i in tag_count],
align="center",
color='#EE7600',
ecolor='black')
plt.yticks(range(len(tag_count)), [i[0] for i in tag_count])
plt.ylabel("分类")
# y轴值
plt.xlabel("数量")
# 图的标题
plt.title("不同分类电视剧的数量统计")
plt.savefig("不同分类电视剧的数量统计.jpg")
plt.show()
def _show_tv_date_distribute(rate):
#获取数据,
df = get_data_frame()
# 为现存的每条数据作出统计,即让其数量为1,方便之后分组后的聚合
count_df = pd.DataFrame(np.ones(shape=(len(df), 1)), columns=["count"])
df = df.join(count_df)
# 去除没有时间的电视剧
new_df = df[pd.notnull(df["release_date"])]
#选择大于7分的电视剧
new_df = new_df[new_df["rating_value"] >= rate]
#设置日期为索引
new_df = new_df.set_index("release_date")
#只选择据中的count列
new_df = new_df["count"]
#调整统计时间的范围,实现重新采样
new_df = new_df.resample("5M").sum()
return new_df
def show_tag_count():
df = get_data_frame()
df_tag = df[["country", "rating_value", "tag"]]
# 切割组成集合,tags是一个带集合的列表
tags = [set(x.split("_")) for x in df_tag["tag"]]
# 把所有的tag组成一个集合
tags = set.union(*tags)
# 设置一个(len(df_tag),len(tags))的全是0元素的2维数组
dummies = pd.DataFrame(np.zeros((len(df_tag), len(tags))), columns=tags)
for i, tag in enumerate(df_tag["tag"]):
dummies.ix[i, tag.split("_")] = 1
# df_new = df_tag.join(dummies.add_prefix("tag_")) #添加join之后字段的前缀
df_new = df_tag.join(dummies)
# 删除空字符串的那一列
df_new = df_new.drop("", axis=1)
print(df_new.columns)
tag_list = df_new.columns[4:]
tag_count = []
for tag in tag_list:
tag_count.append([tag, df_new[tag].sum()])
#排序,让柱状图按照顺序显示
tag_count.sort(key=lambda x: x[1], reverse=True)
figure = plt.figure(figsize=(10, 8))
ax = plt.subplot()
# 画竖着的直方图
# ax.bar(range(len(tag_list)), count, width=0.5, align="center",)
# plt.xticks(range(len(tag_list)), tag_list,rotation=90,fontproperties=myfont)
# 画横着的直方图
ax.barh(range(len(tag_count)), [i[1] for i in tag_count],
align="center",
color='#EE7600',
ecolor='black')
plt.yticks(range(len(tag_count)), [i[0] for i in tag_count],
fontproperties=myfont)
plt.ylabel("分类", fontproperties=myfont)
# y轴值
plt.xlabel("数量", fontproperties=myfont)
# 图的标题
plt.title("不同分类电视剧的数量统计", fontproperties=myfont)
plt.savefig("不同分类电视剧的数量统计.jpg")
plt.show()
def _show_tv_date_distribute(rate):
"""
获取数据,设置时间索引,降采样
:param rate: 最低分数
:return: 筛选后的数据
"""
# 获取数据
df = get_data_frame()
# 为现存的每条数据作出统计,即让其数量为1,方便之后分组后的聚合 创建全为1的DataFrame
count_df = pd.DataFrame(np.ones(shape=(len(df), 1)), columns=["count"])
df = df.join(count_df)
# 去除没有时间的电视剧
# new_df = df[pd.notnull(df["release_date"])]
# 选择大于3分的电视剧
new_df = df[df["rating_value"] >= rate]
# 设置日期为索引
new_df = new_df.set_index("release_date")
# 只选择据中的count列
new_df = new_df["count"]
# 调整统计时间的范围,实现重新采样
new_df = new_df.resample("5D").sum()
return new_df
def show_tv_date_distribute(rate=3):
"""
通过不同国家电视剧随时间的变化情况绘制折线图
:param rate:
:return:
"""
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
fig = plt.figure(figsize=(16, 8))
ax = plt.subplot()
# 获取数据
df = get_data_frame()
# 为现存的每条数据作出统计,即让其数量为1,方便之后分组后的聚合 构建全为1的Series
count_df = pd.DataFrame(np.ones(shape=(len(df), 1)), columns=["count"])
df = df.join(count_df)
# 去除没有时间的电视剧
# new_df = df[pd.notnull(df["release_date"])]
# 选择2000年之后的电视剧
# new_df = df[df["release_date"] > "19991231"]
# 选择3分以上的上市局
new_df = df[df["rating_value"] >= rate]
# 不同国家的电视剧的数量和时间的对应关系并不相同,需要先统一统计的时间,没有的时间段填充0
date_start = new_df["release_date"].min()
date_end = new_df["release_date"].max()
date_period = pd.DataFrame(pd.date_range(date_start, date_end, freq="D", ), columns=["release_date"])
# 定义绘图的颜色
colors = ['red', 'green', 'blue', "cyan", "orange"]
country_list = new_df["country"].unique().tolist()
# 分组
for country, grouped in new_df.groupby(by=["country"]):
# 对不同的国家添加统一的时间段,并设置为index
temp_grouped = grouped.merge(date_period, how="outer", on="release_date")
temp_grouped = temp_grouped[["release_date", "count"]].set_index("release_date")
# 对空白的时间段填充0
temp_grouped = temp_grouped.fillna(0)
temp_grouped = temp_grouped.resample("3M").sum()
# print(temp_grouped.index)
_x = range(len(temp_grouped.index))
_y = temp_grouped["count"]
# 绘制散点图,但是效果不明显
# ax.scatter(_x, _y,
# c=colors[country_list.index(country)],
# alpha=0.5,
# label=country
# )
# 绘制折线图
ax.plot(_x, _y,
c=colors[country_list.index(country)],
alpha=0.5,
label=country
)
# 添加图例
plt.legend()
# 设置xticklable时间格式
xticklables = [i.strftime('%Y-%m-%d') for i in temp_grouped.index]
# 设置x轴刻度
plt.xticks(range(len(temp_grouped.index)), xticklables, rotation=45)
plt.xlabel("时间")
plt.ylabel("时间段内的数量合计")
plt.title("不同国家3分以上的电视剧随时间的变化情况")
plt.savefig("不同国家3分以上的电视剧随时间的变化情况.png")
plt.show()
def show_tv_date_distribute(rate=7):
fig = plt.figure(figsize=(16, 8))
ax = plt.subplot()
#获取数据
df = get_data_frame()
#为现存的每条数据作出统计,即让其数量为1,方便之后分组后的聚合
count_df = pd.DataFrame(np.ones(shape=(len(df), 1)), columns=["count"])
df = df.join(count_df)
#去除没有时间的电视剧
new_df = df[pd.notnull(df["release_date"])]
#选择2000年之后的电视剧
new_df = new_df[new_df["release_date"] > "19991231"]
#选择7分以上的上市局
new_df = new_df[new_df["rating_value"] >= rate]
#不同国家的电视剧的数量和时间的对应关系并不相同,需要先统一统计的时间,没有的时间段填充0
date_start = new_df["release_date"].min()
date_end = new_df["release_date"].max()
date_period = pd.DataFrame(pd.date_range(
date_start,
date_end,
freq="D",
),
columns=["release_date"])
#定义绘图的颜色
colors = ['red', 'green', 'blue', "cyan", "orange"]
country_list = new_df["country"].unique().tolist()
#分组
for country, grouped in new_df.groupby(by=["country"]):
#对不同的国家添加统一的时间段,并设置为index
temp_grouped = grouped.merge(date_period,
how="outer",
on="release_date")
temp_grouped = temp_grouped[["release_date",
"count"]].set_index("release_date")
#对空白的时间段填充0
temp_grouped = temp_grouped.fillna(0)
temp_grouped = temp_grouped.resample("3M").sum()
# print(temp_grouped.index)
_x = range(len(temp_grouped.index))
_y = temp_grouped["count"]
#绘制散点图,但是效果不明显
# ax.scatter(_x, _y,
# c=colors[country_list.index(country)],
# alpha=0.5,
# label=country
# )
#绘制折线图
ax.plot(_x,
_y,
c=colors[country_list.index(country)],
alpha=0.5,
label=country)
#添加图例
plt.legend()
# 解决xticklable时间带时分秒
xticklables = [i.strftime('%Y-%m') for i in temp_grouped.index]
# 解决xticklable刻度太密集
plt.xticks(range(0, len(temp_grouped.index), 4),
xticklables[::4],
rotation=45)
plt.xlabel("时间", fontproperties=myfont)
plt.ylabel("时间段内的数量合计", fontproperties=myfont)
plt.title("不同国家7分以上的电视剧随时间的变化情况", fontproperties=myfont)
plt.savefig("不同国家7分以上的电视剧随时间的变化情况.png")
plt.show()