题目：卡司数量是否和烂片有关？

要求：

① 计算每部电影的主演人数
② 按照主演人数分类，并统计烂片率
** 分类：’1-2人’,’3-4人’,’5-6人’,’7-9人’,’10以上’
③ 查看烂片比例最高的演员TOP20

提示：

① 通过“主演”字段内做分列来计算主演人数
② 需要分别统计不同主演人数的电影数量及烂片数量，再计算烂片比例
③ 这里可以按照明星再查看一下他们的烂片率，比如：吴亦凡、杨幂、黄晓明、甄子丹、刘亦菲、范冰冰….

获取主演人数及其电影数量与烂片数量

根据题目要求，我们分析的目标是“主演数量是否与烂片有关”，因此步骤如下：

  1. 获取主演人数：
    1. 首先提取数据中“主演”字段的信息，将其转换为字符串格式，并使用‘split()’函数切片
    2. 统计切片后主演的数量
  2. 通过主演人数将影片分类，并计算主演人数相同的电影数量，赋值给变量df_leadrole1
  3. 通过主演人数将影片分类，筛选出评分小于4.3的影片，并计算主演人数相同的烂片数量，并赋值给变量df_leadrole2
  4. 将df_leadrole1与df_leadrole2合并，赋值给变量df_leaderole_pre
  5. 更正df_leaderole_pre数据中columns的名称
    1. '''
    2. (2)卡司数量与烂片关系
    3. '''
    4. df['主演人数'] = df['主演'].str.split('/').str.len()
    5. df_leadrole1 = df[['主演人数', '豆瓣评分']].groupby('主演人数').count()
    6. df_leadrole2 = df[['主演人数', '豆瓣评分']][df['豆瓣评分']<4.3].groupby('主演人数').count()
    7. df_leaderole_pre = pd.merge(df_leadrole1, df_leadrole2, left_index = True, right_index = True)
    8. df_leaderole_pre.columns = ['电影数量', '烂片数量']
    图片.png

获取不同范围主演人数的烂片比例

在这一部分，我们需要将主演人分成五部分，分别是’1-2人’、’3-4人’、’5-6人’、’7-9人’、’10人及以上’五个等级，然后统计不同等级电影数量和烂片数量，算出不同人数等级烂片的比例步骤如下：

  1. 将df_leaderole_pre数据的index索引还原
  2. 使用Python中的‘cut()’函数，将df_leaderole_pre数据按照’1-2人’、’3-4人’、’5-6人’、’7-9人’、’10人及以上’分级
  3. 将df_leaderole_pre数据按照主演人数的等级，进行分类，将其赋值给df_leaderole_pre2

  4. 将df_leaderole_pre2中的‘烂片数量’除以‘电影数量’，计算烂片比例

    1. df_leaderole_pre.reset_index(inplace = True)   #还原索引
    2. df_leaderole_pre['主演人数分类'] = pd.cut(df_leaderole_pre['主演人数'],
    3.                                      [0,2,4,6,9,100],
    4.                                      labels = ['1-2人','3-4人','5-6人','7-9人','10人及以上'])
    5. df_leaderole_pre2 = df_leaderole_pre[['主演人数分类', '电影数量', '烂片数量']].groupby('主演人数分类').sum()
    6. df_leaderole_pre2['烂片比例'] = df_leaderole_pre2['烂片数量']/df_leaderole_pre2['电影数量']
    7. #计算不同主演数量的烂片比例

    图片.png

    不同主演的烂片比例

    根据需要，我们也可以分析不同主演，其烂片的比例是多少，步骤如下：

  5. 首先筛选出主演不为空、豆瓣评分小于4.3的电影，将其存储在变量‘df_role1’中

  6. 筛选主演不为空的数据，将其存储在变量‘df_role2’中
  7. 创建一个列表‘leadrolelst’，用于存储演员的数据
  8. 将所有主演不为空的数据，转换成字符串，将空格替换掉，通过‘/’切分
  9. 循环去除每一个切分得数据集，将其用‘excend()’函数存储在列表‘leadrolelst’中
  10. 使用‘set’函数去除‘leadrolelst’中的重复数据
  11. 创建一个空列表‘lst_role_lp’，用于后续存储数据
  12. 循环从‘leadrolelst’中取出每一个演员，从总数据中筛选出所有包含该主演的电影，将其存储在变量‘datai’中
  13. 判断‘datai’数据中电影数量是否超过2部，如果超过，通过筛选出该演员出演电影中，豆瓣评分小于4.3的数据，与‘datai’数据相除求得该演员的烂片率
  14. 将该演员的名称、出演电影数目、烂片率信息，存储在一个临时的字典‘dic_role_lp’中，并将整个字典用‘append’函数添加到列表‘leadrolelst’中
  15. 将‘leadrolelst’列表转化为DataFrame数据格式，并存储在变量‘df_role_lp’中
  16. 通过排序筛选出烂片率排名前20的主演 ```python ‘’’ (3)不同主演的烂片比例 ‘’’ df_role1 = df[(df[‘豆瓣评分’]<4.3) & (df[‘主演’].notnull())] #筛选出主演数据不为空的烂片 df_role2 = df[df[‘主演’].notnull()] #筛选出主演不为空的电影 leadrolelst = [] #存储主演数据 for i in df_role1[‘主演’][df_role1[‘主演’].notnull()].str.replace(‘ ‘,’’).str.split(‘/‘): leadrolelst.extend(i)

leadrolelst = list(set(leadrolelst))

列表去重

lst_role_lp = []

创建空字典、空列表

for i in leadrolelst: datai = df_role2[df_role2[‘主演’].str.contains(i)] #筛选出主演有‘i’的电影 if len(datai)>2: dic_role_lp = {}
lp_pre_i = len(datai[datai[‘豆瓣评分’]<4.3])/len(datai) 

  1.     #计算该主演的烂片比例
  2.     dic_role_lp['role'] = i
  3.     dic_role_lp['rolecount'] = len(datai)
  4.     dic_role_lp['role_lp_pre'] = lp_pre_i
  5.     lst_role_lp.append(dic_role_lp)

按照题材遍历数据，得到不同主演的烂片比例

df_role_lp = pd.DataFrame(lst_role_lp) role_lp_top20 = df_role_lp.sort_values(by = ‘role_lp_pre’, ascending = False).iloc[:20] ``` 图片.png