基于python的电影数据可视化

原创于 2026-03-26 23:47:51 发布 · 143 阅读

本内容遵循CC 4.0 BY-SA版权协议

数据收集与清洗

使用Python的pandas库读取电影数据集（如CSV或JSON格式），处理缺失值、重复数据及异常值。可通过requests或scrapy从公开API（如TMDB、IMDb）爬取补充数据。

import pandas as pd  
df = pd.read_csv('movies.csv')  
df.drop_duplicates(inplace=True)  
df['rating'].fillna(df['rating'].mean(), inplace=True)

数据分析与特征工程

提取关键特征如年份、类型、评分，生成衍生字段（如 decade 或评分分段）。使用numpy和pandas进行统计计算（平均评分、类型分布等）。

df['decade'] = (df['year'] // 10) * 10  
rating_bins = [0, 5, 7, 10]  
df['rating_level'] = pd.cut(df['rating'], bins=rating_bins, labels=['low', 'medium', 'high'])

可视化工具选择

基础图表：matplotlib绘制折线图、柱状图展示评分趋势或类型分布。
交互式图表：plotly或seaborn创建热力图（类型与评分关系）、散点图（预算 vs 票房）。
仪表盘：Dash或Streamlit整合多图表实现动态过滤。

import seaborn as sns  
sns.heatmap(df.pivot_table(index='genre', columns='decade', values='rating'), annot=True)

可视化实现示例

评分随时间变化

import matplotlib.pyplot as plt  
df.groupby('year')['rating'].mean().plot(title='Average Rating by Year')  
plt.xlabel('Year')  
plt.ylabel('Rating')  
plt.show()

类型占比环形图

genre_counts = df['genre'].value_counts()  
plt.pie(genre_counts, labels=genre_counts.index, wedgeprops=dict(width=0.3))  
plt.title('Genre Distribution')  
plt.show()

高级分析与存储

聚类分析：sklearn的KMeans对电影特征分组。
持久化：将清洗后的数据保存至SQLite或新CSV文件。

from sklearn.cluster import KMeans  
kmeans = KMeans(n_clusters=3).fit(df[['rating', 'runtime']])  
df['cluster'] = kmeans.labels_

注意事项

确保图表标签清晰，添加标题和轴说明。
交互式图表需部署到Web服务（如Heroku）时检查依赖项兼容性。

项目

在这里插入图片描述

技术支持
前端开发框架:vue.js
数据库 mysql 版本不限
数据库工具：Navicat/SQLyog/ MySQL Workbench等都可以

后端语言框架支持：
1 java(SSM/springboot/Springcloud)-idea/eclipse
2.Nodejs(Express/koa)+Vue.js -vscode
3.python(django/flask)–pycharm/vscode
4.php(Thinkphp-Laravel)-hbuilderx