電影評(píng)分?jǐn)?shù)據(jù)

import pandas as pd
import os #導(dǎo)入os模塊
encoding = 'latin1'# 格式設(shè)置成“l(fā)atinl""
#用pandas.read_table講各個(gè)表分別讀到一個(gè)pandas Dataframe對(duì)像中
#pandas 有兩種數(shù)據(jù)格式Dataframe表示一個(gè)表格帜羊,類(lèi)似表格的數(shù)據(jù)結(jié)構(gòu)缺猛;Series是一個(gè)一維的類(lèi)似的數(shù)組對(duì)象负芋,包含一個(gè)數(shù)組的數(shù)據(jù)
#和一個(gè)與數(shù)組關(guān)聯(lián)的數(shù)據(jù)標(biāo)簽,被叫做索引,最簡(jiǎn)單的Series是由一個(gè)數(shù)組的數(shù)據(jù)構(gòu)成:
#os.path模塊重要用于文件的屬性獲取,
#os.path.expanduser(path)  #把path中包含的"~"和"~user"轉(zhuǎn)換成用戶(hù)目錄
#os.path.expandvars(path)  #根據(jù)環(huán)境變量的值替換path中包含的”$name”和”${name}”
upath = os.path.expanduser('ch02/movielens/users.dat')
rpath = os.path.expanduser('ch02/movielens/ratings.dat')
mpath = os.path.expanduser('ch02/movielens/movies.dat')

unames = ['user_id', 'gender', 'age', 'occupation', 'zip']#設(shè)列名稱(chēng)
rnames = ['user_id', 'movie_id', 'rating', 'timestamp']
mnames = ['movie_id', 'title', 'genres']
users = pd.read_csv(upath, sep='::', header=None, names=unames, encoding=encoding)
ratings = pd.read_csv(rpath, sep='::', header=None, names=rnames, encoding=encoding)
movies = pd.read_csv(mpath, sep='::', header=None, names=mnames, encoding=encoding)
#這里是用pd.read_cav讀取文件 #sep="::"表示記錄用“:”隔開(kāi)如果記錄使用“偿曙,”就sep=","
#header=None默認(rèn)無(wú),encoding=encoding默認(rèn)編碼如utf-8
/Users/zhongyaode/anaconda/lib/python3.6/site-packages/ipykernel/__main__.py:1: ParserWarning: Falling back to the 'python' engine because the 'c' engine does not support regex separators (separators > 1 char and different from '\s+' are interpreted as regex); you can avoid this warning by specifying engine='python'.
  if __name__ == '__main__':
/Users/zhongyaode/anaconda/lib/python3.6/site-packages/ipykernel/__main__.py:2: ParserWarning: Falling back to the 'python' engine because the 'c' engine does not support regex separators (separators > 1 char and different from '\s+' are interpreted as regex); you can avoid this warning by specifying engine='python'.
  from ipykernel import kernelapp as app
/Users/zhongyaode/anaconda/lib/python3.6/site-packages/ipykernel/__main__.py:3: ParserWarning: Falling back to the 'python' engine because the 'c' engine does not support regex separators (separators > 1 char and different from '\s+' are interpreted as regex); you can avoid this warning by specifying engine='python'.
  app.launch_new_instance()

users[:20]#切語(yǔ)法羔巢;查看DataFrame

ratings[:5]

movies[:5]

ratings

#利用pandas將ratings和users合并到一起望忆,然后再將moview也合并到一起

#pandas會(huì)根據(jù)列名推斷哪些列是合并列

data = pd.merge(pd.merge(ratings, users), movies)

data

data = pd.merge(pd.merge(ratings,users),movies)
data

data['rating'].mean()
3.5815644530293169
data.ix[1]#索引
user_id                                            2
movie_id                                        1193
rating                                             5
timestamp                                  978298413
gender                                             M
age                                               56
occupation                                        16
zip                                            70072
title         One Flew Over the Cuckoo's Nest (1975)
genres                                         Drama
Name: 1, dtype: object

按性別計(jì)算每部電影的平均得分罩阵,可以使用pivot_table

mean_ratings = data.pivot_table('rating', index='title',
columns='gender', aggfunc='mean')
mean_ratings[:7]

#過(guò)濾掉數(shù)據(jù)不足250條的電影,對(duì)title進(jìn)行分組启摄,利用ize()得到一個(gè)含有個(gè)各電影分組大小的Series的對(duì)象
ratings_by_title = data.groupby('title').size()
ratings_by_title[:10]
title
$1,000,000 Duck (1971)                37
'Night Mother (1986)                  70
'Til There Was You (1997)             52
'burbs, The (1989)                   303
...And Justice for All (1979)        199
1-900 (1994)                           2
10 Things I Hate About You (1999)    700
101 Dalmatians (1961)                565
101 Dalmatians (1996)                364
12 Angry Men (1957)                  616
dtype: int64
active_titles=ratings_by_title.index[ratings_by_title>=250]
active_titles
Index([''burbs, The (1989)', '10 Things I Hate About You (1999)',
       '101 Dalmatians (1961)', '101 Dalmatians (1996)', '12 Angry Men (1957)',
       '13th Warrior, The (1999)', '2 Days in the Valley (1996)',
       '20,000 Leagues Under the Sea (1954)', '2001: A Space Odyssey (1968)',
       '2010 (1984)',
       ...
       'X-Men (2000)', 'Year of Living Dangerously (1982)',
       'Yellow Submarine (1968)', 'You've Got Mail (1998)',
       'Young Frankenstein (1974)', 'Young Guns (1988)',
       'Young Guns II (1990)', 'Young Sherlock Holmes (1985)',
       'Zero Effect (1998)', 'eXistenZ (1999)'],
      dtype='object', name='title', length=1216)

mean_ratings=mean_ratings.ix[active_titles]
mean_ratings

為了了解女性最了解的電影稿壁,對(duì)F進(jìn)行降序排列

top_female_ratings = mean_ratings.sort_values(by='F', ascending=False)#sort_index被棄用使用sort_values
top_female_ratings[:10]

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

data['age'].mean()
29.738313692438279
data['age'].max()
56
data['age'].min()
1
data['age'].var()#var方差std標(biāo)準(zhǔn)差
138.10909427256377
#畫(huà)直方圖
fig=plt.figure()
x=data['age']
ax=fig.add_subplot(111)
numBins=5
ax.hist(x,numBins,color='red',alpha=0.8,rwidth=0.5)
plt.title(u'age')
plt.show()

import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt 
%matplotlib inline
%config InlineBackend.figure_format='retina'
def normfun(x,mu,sigma):
    pdf=np.exp(-((x-mu)**2)/(2*sigma**2))/(sigma*np.sqrt(2*np.pi))
    return pdf
def normfun(x,mu,sigma):
    pdf=np.exp(-((x-mu)**2)/(2*sigma**2))/(sigma*np.sqrt(2*np.pi))
    return pdf
p=data['age']
x=np.arange(1,60,1)#140和160是起點(diǎn)和終點(diǎn),根據(jù)最大歉备、最小傅是、均值設(shè)置;
#0.3表示線的彎曲角度(步長(zhǎng))
y=normfun(x,mean,std)
plt.plot(x,y)
plt.hist(p,bins=6,rwidth=0.9,normed=True)#time表示數(shù)據(jù),bins表示顯示的組數(shù)
#rwidth表示每組寬度,normed表示顯示曲線
plt.title("age")
plt.xlabel("stakes")
plt.ylabel("Probability")
plt.show()
x=np.arange(1,60,1)#140和160是起點(diǎn)和終點(diǎn),根據(jù)最大威创、最小落午、均值設(shè)置;
#0.3表示線的彎曲角度(步長(zhǎng))
y=normfun(x,mean,std)
plt.plot(x,y)
plt.hist(p,bins=2,rwidth=0.9,normed=True)#time表示數(shù)據(jù),bins表示顯示的組數(shù)
#rwidth表示每組寬度,normed表示顯示曲線
plt.title("time")
plt.xlabel("stakes")
plt.ylabel("Probability")
plt.show()
x=np.arange(1,60,1)#140和160是起點(diǎn)和終點(diǎn),根據(jù)最大肚豺、最小、均值設(shè)置;
#0.3表示線的彎曲角度(步長(zhǎng))
y=normfun(x,mean,std)
plt.plot(x,y)
![
![
![
![
![output_34_0.png](http://upload-images.jianshu.io/upload_images/2007820-408b82f75a63a3f3.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
](http://upload-images.jianshu.io/upload_images/2007820-cb7ffce4a59d0504.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
](http://upload-images.jianshu.io/upload_images/2007820-a8fce3d1a47c8184.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
](http://upload-images.jianshu.io/upload_images/2007820-9271b213266a0748.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
](http://upload-images.jianshu.io/upload_images/2007820-0554285cc748af49.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
plt.hist(p,bins=6,rwidth=0.9,normed=True)#time表示數(shù)據(jù),bins表示顯示的組數(shù)
#rwidth表示每組寬度,normed表示顯示曲線
plt.title("time")
plt.xlabel("stakes")
plt.ylabel("Probability")
plt.show()
len(p)#顯示記錄數(shù)
1000209
std=p.std()
std
11.751982567744209
mean=p.mean()
std=p.std()
結(jié)果分析:電影人的平均值為29.74界拦,大部分人的年紀(jì)在20~30之間吸申。
標(biāo)準(zhǔn)差是11.75,波動(dòng)較小有68%的人年紀(jì)在29.74-11.75到29.74+11.75之間
數(shù)據(jù)顯示10歲以下的人很少享甸,廣告應(yīng)該控制在20~60之間
a=p[:100000]#拿出前10%的數(shù)據(jù)截碴,進(jìn)行分析
x=np.arange(1,60,1)#140和160是起點(diǎn)和終點(diǎn),根據(jù)最大蛉威、最小日丹、均值設(shè)置;
#0.3表示線的彎曲角度(步長(zhǎng))
y=normfun(x,mean,std)
plt.plot(x,y)
plt.hist(a,bins=6,rwidth=0.9,normed=True)#time表示數(shù)據(jù),bins表示顯示的組數(shù)
#rwidth表示每組寬度,normed表示顯示曲線
plt.title("age")
plt.xlabel("stakes")
plt.ylabel("Probability")
plt.show()
c=p[:10000]#拿出前1%的數(shù)據(jù)進(jìn)行分析
x=np.arange(1,60,1)#140和160是起點(diǎn)和終點(diǎn),根據(jù)最大蚯嫌、最小哲虾、均值設(shè)置;
#0.3表示線的彎曲角度(步長(zhǎng))
y=normfun(x,mean,std)
plt.plot(x,y)
plt.hist(c,bins=6,rwidth=0.9,normed=True)#time表示數(shù)據(jù),bins表示顯示的組數(shù)
#rwidth表示每組寬度,normed表示顯示曲線
plt.title("age")
plt.xlabel("stakes")
plt.ylabel("Probability")
plt.show()
符合上面的結(jié)論:
##時(shí)間有限先到這里,相信隨著深入會(huì)體會(huì)到更多的樂(lè)趣
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末择示,一起剝皮案震驚了整個(gè)濱河市束凑,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌栅盲,老刑警劉巖汪诉,帶你破解...
    沈念sama閱讀 211,743評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異谈秫,居然都是意外死亡扒寄,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,296評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門(mén)拟烫,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)该编,“玉大人,你說(shuō)我怎么就攤上這事构灸∩峡剩” “怎么了岸梨?”我有些...
    開(kāi)封第一講書(shū)人閱讀 157,285評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)稠氮。 經(jīng)常有香客問(wèn)我曹阔,道長(zhǎng),這世上最難降的妖魔是什么隔披? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 56,485評(píng)論 1 283
  • 正文 為了忘掉前任赃份,我火速辦了婚禮,結(jié)果婚禮上奢米,老公的妹妹穿的比我還像新娘抓韩。我一直安慰自己,他們只是感情好鬓长,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,581評(píng)論 6 386
  • 文/花漫 我一把揭開(kāi)白布谒拴。 她就那樣靜靜地躺著,像睡著了一般涉波。 火紅的嫁衣襯著肌膚如雪英上。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 49,821評(píng)論 1 290
  • 那天啤覆,我揣著相機(jī)與錄音苍日,去河邊找鬼。 笑死窗声,一個(gè)胖子當(dāng)著我的面吹牛相恃,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播笨觅,決...
    沈念sama閱讀 38,960評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼拦耐,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了屋摇?” 一聲冷哼從身側(cè)響起揩魂,我...
    開(kāi)封第一講書(shū)人閱讀 37,719評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎炮温,沒(méi)想到半個(gè)月后火脉,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,186評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡柒啤,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,516評(píng)論 2 327
  • 正文 我和宋清朗相戀三年倦挂,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片担巩。...
    茶點(diǎn)故事閱讀 38,650評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡方援,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出涛癌,到底是詐尸還是另有隱情犯戏,我是刑警寧澤送火,帶...
    沈念sama閱讀 34,329評(píng)論 4 330
  • 正文 年R本政府宣布,位于F島的核電站先匪,受9級(jí)特大地震影響种吸,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜呀非,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,936評(píng)論 3 313
  • 文/蒙蒙 一坚俗、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧岸裙,春花似錦猖败、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,757評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至拟糕,卻和暖如春判呕,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背送滞。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,991評(píng)論 1 266
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留辱挥,地道東北人犁嗅。 一個(gè)月前我還...
    沈念sama閱讀 46,370評(píng)論 2 360
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像晤碘,于是被迫代替她去往敵國(guó)和親褂微。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,527評(píng)論 2 349

推薦閱讀更多精彩內(nèi)容