不同导演每年电影产量情况是如何的？

要求：

  1. 通过“上映日期”筛选出每个电影的上映年份
  2. 查看不同导演的烂片比例、这里去除掉拍过10次电影以下的导演
  3. 查看不同导演每年的电影产量制作散点图 → 横坐标为年份，纵坐标为每年电影平均分，点大小该年电影数量
  • 用bokeh制图
  • 横坐标限定为2007-2017年
  • 绘制散点图只需要用产出过烂片的导演数据

    提示：

  1. 注意要删除“上映日期”中的空格字符
  2. 绘制图表时，分开建立数据绘制

    导入库

    1. import numpy as np
    2. import pandas as pd
    3. import matplotlib.pyplot import plt
    4. import warnings
    5. warnings.filterwarnings('ignore')
    6. from bokeh.plotting import figure, show, output_file
    7. from bokeh.models import ColumnDataSource

电影上映时间整理

根据题目要求，我们首先筛选数据，步骤如下：

  1. 从‘df’中筛选出导演不为空的数据，将字段‘电影名称’，‘导演’，‘豆瓣评分’，‘上映日期’的数据存储到变量‘df_year’中
  2. 去除‘df_year’变量中字段‘上映日期’为空的数据
  3. 将变量‘df_year’中字段‘上映日期’数据的空格去掉
  4. 将变量‘df_year’中字段‘上映日期’数据中的年份筛选出来，存储在变量‘df_year’的‘year’字段中
  5. 筛选出上映日期在2000年及以后的数据
  6. 将‘df_year’数据中字段‘year’的数据由字符串转化为数据
  7. 筛选出2006年以后上映的数据 ```python ‘’’ (1)电影上映时间整理 ‘’’ df_year= df[[‘电影名称’,’导演’, ‘豆瓣评分’, ‘上映日期’]][df[‘导演’].notnull()] df_year = df_year[df_year[‘上映日期’].notnull()]

    筛选导演和上映日期字段都不为空的数据

df_year[‘上映日期’] = df[‘上映日期’].str.replace(‘ ‘, ‘’) df_year[‘year’] = df_year[‘上映日期’].str[:4]

清洗数据，提起上映日期的年份

df_year = df_year[df_year[‘year’].str[0] == ‘2’]

筛选上映日期在2000之后的数据

df_year[‘year’] = df_year[‘year’].astype(np.int)

将year字段的数据，由字符串转化为数字

df_year = df_year[df_year[‘year’]>2006]

筛选出2006年以后上映的数据

  1. ![图片.png](https://cdn.nlark.com/yuque/0/2020/png/397148/1588407745373-002b7382-ebe0-4b3f-a0b0-09d5af3814d9.png#align=left&display=inline&height=952&margin=%5Bobject%20Object%5D&name=%E5%9B%BE%E7%89%87.png&originHeight=1030&originWidth=808&size=71552&status=done&style=stroke&width=747)
  3. ---
  5. <a name="Oneyc"></a>
  6. # 筛选导演
  7. 筛选出‘df_year’数据中所有的导演，并且将重复的导演名称去掉，代码如下：
  8. ```python
  9. '''
  10. (2)筛选导演
  11. '''
  12. dircetorlst = []
  13. for i in df_year['导演'].str.replace(' ', '').str.split('/'):
  14.     dircetorlst.extend(i)
  15. dircetorlst = list(set(dircetorlst))

图片.png

查看不同导演的烂片比例

筛选出2007~2017年之间，拍摄电影数量超过10部的导演，并计算其10内拍摄电影的数量，以及拍摄电影的烂片比例，代码如下：

'''
(3)查看不同导演的烂片比例
'''
lst_lp_pre = []
for i in dircetorlst:
    datai = df_year[df_year['导演'].str.contains(i)]
    if len(datai) > 10:
        dic_dir_lp = {}
        lp_pre_i = len(datai[datai['豆瓣评分']<4.3])/len(datai )
        dic_dir_lp['dir'] = i
        dic_dir_lp['dircount'] = len(datai)
        dic_dir_lp['dir_lp_pre'] = lp_pre_i
        lst_lp_pre.append(dic_dir_lp)


df_dir_lp = pd.DataFrame(lst_lp_pre)

图片.png

不同导演的电影产量及电影均分

接下来我们要分析一下，不同导演每一年拍摄的电影数量，以及该年份电影豆瓣评分的平均数，代码如下：

'''
(4)不同导演的电影产量及电影均分
'''

def f3(data, diri):
    datai = data[data['导演'].str.contains(diri)]
    data_moviecount = datai[['year', '电影名称']].groupby('year').count()
    data_scoremean = datai[['year', '豆瓣评分']].groupby('year').mean()
    df_i = pd.merge(data_moviecount, data_scoremean, left_index = True, right_index = True)
    df_i.columns = ['count', 'mean']
    df_i['size'] = df_i['count']*5
    return df_i

dirdata1 = f3(df_year, '王晶')
dirdata2 = f3(df_year, '徐克')
dirdata3 = f3(df_year, '邓衍成')
dirdata4 = f3(df_year, '周伟')

图片.png

Bokeh制图

'''
Bokeh制图
'''
from bokeh.models.annotations import BoxAnnotation
#导入BoxAnnottation
from bokeh.models import HoverTool

hover = HoverTool(tooltips = [
        ('该年电影均分', '@score'),
        ('该年电影产量', '@count')
        ]) #设置标签内容

output_file('pic2.html')
p = figure(plot_width = 900, plot_height = 500, title = '不同导演每年电影产量及电影均分',
           tools = [hover, 'reset,xwheel_zoom,pan,crosshair,box_select'])
#构建绘图空间
source1 = ColumnDataSource(dirdata1)
p.circle(x = 'year', y = 'score', source = source1, size = 'size', legend = '王晶',
         fill_color = 'red', fill_alpha = 0.7, line_color = None)
#绘制散点图1

source2 = ColumnDataSource(dirdata2)
p.circle(x = 'year', y = 'score', source = source2, size = 'size', legend = '徐克',
         fill_color = 'blue', fill_alpha = 0.7, line_color = None)
#绘制散点图2

source3 = ColumnDataSource(dirdata3)
p.circle(x = 'year', y = 'score', source = source3, size = 'size', legend = '邓衍成',
         fill_color = 'green', fill_alpha = 0.7, line_color = None)
#绘制散点图3

source4 = ColumnDataSource(dirdata4)
p.circle(x = 'year', y = 'score', source = source4, size = 'size', legend = '周伟',
         fill_color = 'gray', fill_alpha = 0.7, line_color = None)
#绘制散点图4

bg = BoxAnnotation(top = 4.4, fill_alpha = 0.1, fill_color = 'red')
p.add_layout(bg)
#绘制烂片分割区域

p.xgrid.grid_line_dash = [10, 4]
p.ygrid.grid_line_dash = [10, 4]
p.legend.location = 'top_right'
#设置其他参数    

show(p)

图片.png