案例一:统计电影演员
import numpy as np
import pandas as pd
df=pd.read_csv(r"E:\拜师\14100_HM数据科学库课件\14100_HM数据科学库课件\day05\code\IMDB-Movie-Data.csv")
df.head()
Actors中为电影演员,存在重复,需要统计所有演员(去重)人数
df.Actors
a=[]
for i in df.Actors:
i=i.split(’,’)
for j in range(len(i)):
a.append(i[j].strip()) # strip()很关键
len(set(a)) # 用集合去重
案例二:统计影片类型
df.Genre.head()
单部影片可能归类为多个类型,这里只对类型做统计,要求统计每种类型的电影出现次数(存在单部影片重复统计情况,由于数据源的关系暂不做处理)
思路:
- 先统计出所有的去重电影类型
- 创建字典,keys为所有电影类型,values统一设置为1(方便后期用sum统计,如设置不同值,后期则用count统计,效果一样)
- 巧用lambda函数及dict.get()方法
a=[]
for i in df.Genre:
i=i.split(’,’)
for j in i :
a.append(j.strip())
b=set(a) # b为类型集合(去重后)
c=[1 for i in range(len(b))] # 创建字典的值(数量与类型集合相等)
d=dict(zip(b,c)) # zip方式快速组建字典
for i in d.keys(): # for循环快速创建新列
df[i]=df.Genre.apply(lambda x : d.get(i) if i in x else 0)
df[list(b)].sum() #索引新创建的多列进行sum()汇总
统计结果:
*实际就是将各个影片类型新建列进行统计
df[list(b)]