数据可视化实战：实验报告

1.项目背景

1.1项目概述

本项目拟对movie.csv数据进行可视化

1.2数据字段说明

id——序号
movieId——电影号
title——电影名
cover——图片网址
rate——评分
director——导演
composer——编剧
actor——演员
category——类型
district——地区
language——语言
showtime——上演时间
length——时长

2.提出问题

电影类型与平均评分之间有什么关系、2000年以来评分前十的电影是什么、2010-2015年电影类型产量前五有什么变化？

3.理解数据

3.1采集数据

数据来源：movie.csv

3.2导入数据

根据提出的问题，确定了对csv文件的数据获取。然后通过pandas操作读取csv文件和 usecols导入指定列的数据。
1.

2.

3.

3.3查看数据集信息

如图1.2.3:

4.数据清洗

4.1数据预处理

4.1.1异常数据处理

由于category列数据存在部分为空值，先对其进行以“类型的数据缺失”填充处理。

4.2特征工程

4.2.1特征提取

1.电影类型与平均评分之间有什么关系？
由于category数据每一个单元格上可能存在多种类型，所以对其先按“/”拆分，并将结果转换成DataFrame；拆分后，再以列的形式进行输出；行列转换后，索引需要对其进行重置；最后，数据处理完毕，将new_category的列替换成category列。第二步，获取每种类型的平均评分，将其命名为Average_rate拼接在表中；获取每种电影类型的总次数，将其命名为Count_category拼接在表中;同时进行对类型列的数据去重和以平均评分进行从高到低排序。第三步，单独获取类型、平均评分、类型次数以列表的形式输出。

结果如图：

2.2000年以来评分前十的电影是什么？
首先对上演时间列进行大于2000年的条件筛选；再以评分从高到低进行排序，并且获取前十行数据；然后再生成‘rank’作为名次一列的数据；最后将数据以列表形式输出。

结果如图：

3.2010-2015年电影类型产量前五有什么变化？
首先进行按2010-2015遍历，然后按上演时间列的数据进行条件筛选，最后对类型列同第一题的方式进行处理。

结果如图：

5.数据可视化

5.1 电影类型与平均评分的关系

Bar-Mixed_bar_and_line图：
该图展示了电影的类型平均评分从左往右依次降低，而儿童类型的平均评分最高，恐怖类型最低；剧情次数最多，共2376次，荒诞、惊粟与悬念次数最低，只有1次。

Funnel-Funnel_chart图:
该图通过上图的信息再简单提取出电影平均分前五的电影类型，分别为儿童、黑色电影、荒诞、类型的数据缺失（该类型是对空值的填充）、动画。

5.2 2000年以来评分前十的电影

Table-Table_base图：
该图展示了2000年以来评分前十的电影排名，其中最高电影评分为9.3，其电影名分别为灿烂人生、机器人总动员，上演时间分别为2003、2008。

5.3 2010-2015年电影类型产量变化

Timeline-Timeline_bar_reversal图：
该图展示了2010年至2015年的电影类型前五产量的动态变化，其中类型产量从上到下依次降低。