まず、統計的手法と離散文字列
今、私たちはからのグループがあると2006鮎1000最も人気のある動画データユニットを、私たちはどのように我々が得るべきである、そのような取締役の数として、これらの動画データの情報平均スコアを知りたいですか？
出典：https://www.kaggle.com/damianpanek/sunday-eda/data
インポートPANDAS ASは、Pd から matplotlibのインポートPLTのAS pyplot FILE_PATH = " ./IMDB-Movie-Data.csv " DF = pd.read_csv（FILE_PATH） 印刷（（）df.info） 印刷（df.head（）） ＃GET平均評価の 印刷（DF [ " 評価" ] .mean（）） ＃GET取締役の数は、 印刷（LEN（SET（DF [ " ディレクター" ] .ToList（）））） ＃の印刷（LEN（DF [ "ディレクター"]。 UNIQUE（））） ＃の人々の数は、俳優の取得 temp_actors_list DF = [ " 俳優"] .str.split（" " ）.tolist（） actor_list = [I ための J で temp_actors_list 用 I におけるj]を actor_num = LEN（セット（actor_list）） プリント（actor_num）
映画、最小の最大長を取得します。
動画データのこのグループのために、私たちがしたい場合は評価、ランタイム配布、それがデータを提示する方法をすべきですか？
取得ランタイム配布を：
インポートPANDAS AS PD から matplotlibのインポートPLTのAS pyplot FILE_PATH = " ./IMDB-Movie-Data.csv " DF = pd.read_csv（FILE_PATH） 印刷（df.head（1 ）） を印刷（df.info（）） ＃の評価ランタイム配布 ＃選択されたヒストグラムパターン ＃データを作成 DF runtime_data = [ " ランタイム（分）" ] .values MAX_RUNTIME = runtime_data.max（） min_runtime = runtime_data.min（） num_bin =（MAX_RUNTIME-min_runtime）。5 // ＃グラフィックサイズ設定 plt.figure（figsize =（20,8）、DPI = 80 ） plt.hist（runtime_data、num_bin） plt.xticks（レンジ（min_runtime、MAX_RUNTIME +5,5 ）） ）（plt.show を
取得評価の状況を：
インポートPANDAS AS PD から matplotlibのインポートPLTのAS pyplot FILE_PATH = " ./IMDB-Movie-Data.csv " DF = pd.read_csv（FILE_PATH） 印刷（df.head（1 ）） を印刷（df.info（）） ＃の評価ランタイム配布 ＃選択されたヒストグラムパターン ＃データを作成 DF = [runtime_data " 評価" ] .values MAX_RUNTIME = runtime_data.max（） min_runtime = runtime_data.min（） プリント（min_runtime、MAX_RUNTIME） 印刷（max_runtime- min_runtime） num_bin_list = [1.6 ] I = 1.6 のために M で範囲（15 ）： I + = 0.5 num_bin_list.append（I） プリント（num_bin_list） ＃设置图形的大小 plt.figure（figsize =（20,8 ）、DPI = 80 ） plt.hist（runtime_data、num_bin_list） plt.xticks（num_bin_list） plt.show（）
