1.对于一组电影数据，呈现出rating,runtime的分布情况：

#encoding=utf-8import pandas as pdimport numpy as npfrom matplotlib import pyplot as pltfile_path = "./youtube_video_data/IMDB-Movie-Data.csv"df = pd.read_csv(file_path)#print(df.head(1))#读取第一行#print(df.info())#读取Data columns，显示数据条数#rating,runtime分布情况#选择图形，直方图#准备数据runtime_data = df["Runtime (Minutes)"].values#print(runtime_data)#读取运行时间的分钟数max_runtime = runtime_data.max()min_runtime = runtime_data.min()num_bin = (max_runtime - min_runtime)//10#显示直方图的组数#设置图形的大小plt.figure(figsize=(20,8),dpi=80)plt.hist(runtime_data,num_bin)#显示直方图plt.xticks(range(min_runtime,max_runtime+5,5))plt.show()#rating的显示类比以上代码

2.统计电影分类（genre）的情况（重新构造一个全为0的数组，列名为分类，如果一条数据中分类出现过，就让0变为1）：

#encoding=utf-8import pandas as pdimport numpy as npfrom matplotlib import pyplot as pltfile_path = "./youtube_video_data/IMDB-Movie-Data.csv"df = pd.read_csv(file_path)#print(df.head(1))#print(df["Genre"])#输出Genre的数据#统计分类的列表temp_list = df["Genre"].str.split(",").tolist()#[[],[],[]...]#print(temp_list)genre_list = list(set([i for j in temp_list for i in j]))#print(genre_list)#构造全为0的数组zeros_df = pd.DataFrame(np.zeros((df.shape[0],len(genre_list))),columns = genre_list)#print(df.shape[0])#输出的结果为行数1000#print(zeros_df)#给每个电影出现分类的位置赋值1for i in range(df.shape[0]):#遍历每一行#zeros_df.loc[0,["Sci-fi","Mucical"]] = 1zeros_df.loc[i,temp_list[i]] = 1 #把第i行，第temp_list[i]列的数设置为1#print(zeros_df.head(3))#统计每个分类的电影的数量和genre_count = zeros_df.sum(axis=0)#print(genre_count)#排序genre_count = genre_count.sort_values()_x = genre_count.index_y = genre_count.values#print(_x)#print(_y)#画图plt.figure(figsize=(20,8),dpi=80)plt.bar(range(len(_x)),_y)plt.xticks(range(len(_x)),_x)plt.show()

3.数据合并：

join : 默认情况下它是把行索引相同的数据合并到一起

merge ：按照指定的列把数据按照一定的方式合并到一起

4.全球星巴克店铺的统计数据，美国的星巴克数量和中国的哪个多，中国每个省份星巴克的数量：

#encoding=utf-8import pandas as pdimport numpy as npfile_path = './youtube_video_data/starbucks_store_worldwide.csv'read_data = pd.read_csv(file_path)#print(read_data)#print(read_data.head(1))#print(read_data.info())grouped = read_data.groupby(by="Country")print(grouped)#DataFrameGroupBy#可以进行遍历# for i,j in grouped:# print(i)# print("-"*100)# print(j,type(j))# print("*"*100)#read_data[read_data["Country"]=="US"]#调用聚合方法,显示中国和美国的店铺数量#print(grouped["Brand"].count())# country_count = grouped["Brand"].count()# print(country_count["US"])# print(country_count["CN"])#统计中国每个省店铺的数量china_data = read_data[read_data["Country"] == "CN"]#print(china_data)grouped = china_data.groupby(by="State/Province").count()["Brand"]#print(grouped)df = read_data#数据按照多个条件进行分组grouped = df["Brand"].groupby(by=[(df["Country"]),df["State/Province"]]).count()# print(grouped)# print(type(grouped))#数据按照多个条件进行分组，返回DataFramegrouped1 = df["Brand"].groupby(by=[(df["Country"]),df["State/Province"]]).count()grouped2 = df.groupby(by=[df["Country"],df["State/Province"]])[["Brand"]].count()grouped3 = df.groupby(by=[df["Country"],df["State/Province"]]).count()[["Brand"]]# print(grouped1,type(grouped1))# print(grouped2,type(grouped2))# print(grouped3,type(grouped3))print(grouped1.index)

5.分组和聚合：

# coding=utf-8import pandas as pdfrom matplotlib import pyplot as pltfrom matplotlib import font_managermy_font = font_manager.FontProperties(fname=r"c:\windows\fonts\simsun.ttc")file_path = "./youtube_video_data/starbucks_store_worldwide.csv"df = pd.read_csv(file_path)df = df[df["Country"]=="CN"]#使用matplotlib呈现出店铺总数排名前10的国家#准备数据data1 = df.groupby(by="City").count()["Brand"].sort_values(ascending=False)[:25]_x = data1.index_y = data1.values#画图plt.figure(figsize=(20,12),dpi=80)# plt.bar(range(len(_x)),_y,width=0.3,color="orange")plt.barh(range(len(_x)),_y,height=0.3,color="orange")plt.yticks(range(len(_x)),_x,fontproperties=my_font)plt.show()

显示结果：

6.索引和复合索引：

6.有全球排名靠前的10000本书的数据，统计不同年份的数量，不同年份书的平均评分情况：

#encoding=utf-8from matplotlib import pyplot as pltimport numpy as npimport pandas as pdfile_path = "./youtube_video_data/books.csv"df = pd.read_csv(file_path)# print(df.head(2))# print(df.info())# data1 = df[pd.notnull(df["original_publication_year"])]# grouped = data1.groupby(by="original_publication_year").count().title# print(grouped)#不同年份书的平均评分情况#取出original_publication_year列中nan行data1 = df[pd.notnull(df["original_publication_year"])]grouped = data1["average_rating"].groupby(by=data1["original_publication_year"]).mean()#print(grouped)_x = grouped.index_y = grouped.values#画图plt.figure(figsize=(20,8),dpi=80)plt.plot(range(len(_x)),_y)plt.xticks(range(len(_x))[::10],_x[::10].astype(int),rotation=90)#plt.xticks(list(range(len(_x)))[::100],_x[::100],rotation=90)plt.show()
显示结果：