题目：和什么国家合拍更可能产生烂片？

要求：

① 按照“制片国家/地区”字段分类，筛选不同电影的制片地
② 整理数据，按照“题材”汇总，查看不同题材的烂片比例

提示：

① 删除“制片国家/地区”字段空值的数据
② 删除“制片国家/地区”中不包括“中国大陆”的数据
③ 制片地删除“中国大陆”、“中国”、“台湾”、“香港”等噪音数据
④ 筛选合作电影大于等于3部以上的国家

筛选分析所需的目标数据

根据题目要求，需要从总的数据‘df’中筛选出‘电影名称’、‘制片国家/地区’和‘豆瓣评分’三个字段的数据进行分析，并且‘制片国家/地区’字段内的值不允许为空值，将其存储在‘df_loc’变量中，代码和结果如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')
from bokeh.plotting import figure,show, output_file
from bokeh.models import ColumnDataSource()
'''
(1)与什么国家合拍更可能产生烂片
'''
df_loc = df[['电影名称', '制片国家/地区', '豆瓣评分']][df['制片国家/地区'].notnull()]

数据清洗，去除噪音数据

根据题目要求，需要筛选出‘制片国家/地区’字段中包含‘中国大陆’的电影进行分析，在这里使用contains()函数进行筛选，在下方代码中，contains()函数的作用是，将‘制片国家/地区’字段中，有字符‘中国大陆’的数据保留下来，其他的去除，代码结果如下：

df_loc = df_loc[df_loc['制片国家/地区'].str.contains('中国大陆')]

筛选出制片地

按照题目要求，需要分析中国与其他国家合作产生的烂片比例，因此在得到数据中所有的合作国家后，需要将中国相关的数据全部删除，代码、结果如下：

loclst = []    #存储电影拍摄合作国家
for i in df_loc['制片国家/地区'].str.replace(' ','').str.split('/'):
    loclst.extend(i)
loclst = list(set(loclst))
#筛选出所有的制片地
loclst.remove('中国')
loclst.remove('中国大陆')
loclst.remove('香港')
loclst.remove('台湾')
#主要是分析中国与其他国家合作产生的烂片，需要去除中国相关的字符

计算各个国家的烂片比例

希望能够计算得到和每一个国家合作的烂片比例，需要获得与该国家合作的电影数目，合作的电影数目中豆瓣评分小于4.3的电影数据，步骤、代码、结果如下：

1. 创建函数‘f2()’用于计算与每一个国家合作的烂片比例
   1. 设置函数需要的参数为data和loci，分别代表事前准备好的数据和国家
   2. 定义一个字典，存放电影合作的国家名车、电影数量、以及烂片比例
   3. 筛选data中字段‘制片国家/地区’数据中包含‘制片国家’loci的数据，将其存储给变量datai
   4. 通过筛选该国家‘豆瓣评分’<4.3的数据，与该国家参拍的总电影数据进行比较，得到烂片比例
   5. 将‘制片国家’、该国参拍的‘电影数量’与‘烂片比例’写入字典中，并返回
2. 创建一个列表，用于存储函数‘f2()’返回的信息
3. 循环取出列表‘loclst’中每一个国家，调用函数‘f2()’,将结果存储在列表中

4. 将结果转化为DataFrame数据格式，并按照要求筛选出合作影片数量大于等于3部以上的影片，然后将其排序，筛选出前20名
   ```python def f2(data, loci): dic_loc_lp = {} datai = data[data[‘制片国家/地区’].str.contains(loci)]

   创建字典，筛选该题材的数据

   lp_pre_i = len(datai[datai[‘豆瓣评分’]<4.3])/len(datai)

   dic_loc_lp[‘locname’] = loci dic_loc_lp[‘loccount’] = len(datai) dic_loc_lp[‘loc_lp_pre’] = lp_pre_i return dic_loc_lp

   创建函数

lst_loc_lp = [] for i in loclst: dici = f2(df_loc, i) lst_loc_lp.append(dici)

df_loc_lp = pd.DataFrame(lst_loc_lp) #将其转换为Datafarme数据格式

df_loc_lp = df_loc_lp[df_loc_lp[‘loccount’]>=3] loc_lp_top20 = df_loc_lp.sort_values(by = ‘loc_lp_pre’, ascending = False).iloc[:20] ```