このレポートでは、私が映画市場の動向を分析するためのpythonを使用します。
パッケージ：パンダ、numpyの、matplotlibの、Seaborn、JSON
IDE：Pycharm
主な質問：
- どのように映画のジャンルは、時間の経過とともに変化しますか？
- ユニバーサル・ピクチャーズとパラマウント・ピクチャーズとの比較はどうでしょうか？
- 小説、オリジナルに基づいて映画との比較はどうでしょうか？
1.データのインポートおよびクリーニング
パラジウムとしてインポートパンダ PLT用としてインポートmatplotlib.pyplot インポートseaborn SNSは、AS （ 'darkgrid'）sns.set_style インポートのJSON NPとしてインポートnumpyのを moviesdf = pd.read_csv（ 'movies.csv'） movdf = pd.read_csv（ 'credits.csv 「）
1）欠損値を記入
ヌル= moviesdf [ "RELEASE_DATE"]。ISNULL（） moviesdf.loc [ヌル,:] moviesdf [ 'RELEASE_DATE'] = moviesdf [ 'RELEASE_DATE']。fillna（ '2017年11月1日'）
2）変換データタイプ
日付
moviesdf.loc [： 'RELEASE_DATE'] = pd.to_datetime（moviesdf.loc [： 'RELEASE_DATE']、
フォーマット= '％Y-％M-％D'、
誤差= '強制'）
文字にJSON
#genresの
moviesdf [ 'ジャンル'] = moviesdf [ 'ジャンル']（json.loads）を適用する。
私はジッパーで、インデックスの（moviesdf.index、moviesdf [ 'ジャンル']）：
L = []
の範囲内のjについて（ LEN（I））：
l.append（（I [j]と[ '名前']））
moviesdf.loc [インデックス、 'ジャンル'] = STR（L）
#keywords
moviesdf [ 'キーワードを'] = moviesdf [ 'キーワード'] .apply（json.loads）
インデックスのための、I ZIPに（moviesdf.index、moviesdf ['キーワード]）：
L = []
の範囲内のjについて（LEN（I））：
l.append（（I [ J] [ '名前']））
moviesdf.loc [インデックス、 'キーワード'] = STR（L）
#production_companies
moviesdf [ 'production_companies'] = moviesdf [ 'production_companies']。適用（json.loads）
インデックスの、I ZIPに（moviesdf.index、moviesdf [ 'production_companies'）：
L = []
の範囲内のjに対して（LEN（I））。
l.append（（I [J] [ '名前']））
moviesdf.loc [インデックス、 'production_companies'] = STR（L）
#production_countries
moviesdf [ 'production_countries'] = moviesdf [ 'production_countries']適用（JSON .loads）
インデックスのため、I ZIPに（moviesdf.index、moviesdf [ 'production_countries']）：
L = []
の範囲内のjに対して（（IをLEN））：
l.append（（I [J] [ 'name'の]））
moviesdf.loc [インデックス、 'production_countries'] = STR（L）
2.データ処理と可視化
リストの中のジャンルをまとめます
moviesdf [ 'ジャンル'] = moviesdf [ 'ジャンル']。str.strip（ '[]'）。str.replace（」 ' ''）。str.replace（ "'" ''）
moviesdf [ 'ジャンル'] = moviesdf ['ジャンル'] str.split。（' '）
LIST1 = []
iについてmoviesdfに['ジャンル]：
list1.extend（I）
ジャンル= pd.Series（LIST1）.value_counts（） .sort_values（昇順=偽）
ジャンル[10]
ジャンル= pd.DataFrame（ジャンル[10]）
genres.rename（列= {0： "合計"}、インプレース= TRUE）
1）Barplot：映画金額のジャンル
F、AX = plt.subplots（figsize =（12,10）） G = sns.barplot（Y = genres.index、X = "合計"、データ=ジャンル、パレット= "Blues_d"、AX = AX） PLT。公演（）
2）Q1：どのように映画のジャンルは、時間の経過とともに変化しますか？
年= []
moviesdfにおけるxの[ "RELEASE_DATE"]：
年= x.year
years.append（年）
年= pd.Series（年）
moviesdf [ '年'] =年
。moviesdf [ '年']頭（ ）
min_year = moviesdf [ '年']分（）。
max_year = moviesdf [ '年'] MAX（）。
liste_genres =セット（）
moviesdf中のため[ 'ジャンル']：
。liste_genres =セット（）組合（S、 liste_genres）
liste_genres =リスト（liste_genres）
liste_genres
genre_df = pd.DataFrame（インデックス= liste_genres、列=範囲（min_year、max_year + 1））
genre_df = genre_df.fillna（値= 0）
年= np.array（moviesdf [ '年']）
z = 0の
ためのI moviesdfに['ジャンル]：
split_genre =リスト（I）
jについてsplit_genreで：
genre_df.loc [J、年[Z] = genre_df.loc [J、年[Z] + 1
Z + = 1
genre_df
plt.figure（figsize =（15,8））
plt.plot（genre_df.T）
PLT .TITLE（ 'RRR'）
plt.xticks（レンジ（1910,2020,5））
plt.legend（genre_df.index）
plt.show（）
*映画のジャンルは、1975年から1995年から急成長を遂げ、時間の経過とともに増加します。
* 1995年以降、ドラマ、コメディーとスリラー劇的に増加しました。
3）Q2：どのようにユニバーサル・ピクチャーズとパラマウント・ピクチャーズとの比較はありますか？
plt.figure(figsize = (7,4))
two = ['Universal Pictures', 'Paramount Pictures']
num = [77015832,70100000]
plt.bar(np.arange(len(two)), num, color = 'c', width = 0.1, align = 'center')
plt.ylabel('revenue')
plt.xticks(np.arange(len(two)), two)
plt.title('Universal Pictures VS Paramount Pictures ')
plt.grid(True)
plt.show()
*Until 2017, Universal Pictures has a slightly higher revenue than Paramount Pictures.
4) Q3: How is the comparison between the movies based on novel and original?
キーリスト= [ '小説に基づいて'、 'オリジナル'] NUMS = [197,4606] plt.figure（figsize =（7,4）） plt.bar（np.arange（LEN（キーリスト））、NUMS、色= 'C'、幅= 0.1、ALIGN = '中央'） plt.ylabel（ '金額'、フォントサイズ12）= plt.xticks（np.arange（LEN（キーリスト））を、キー・リスト、フォントサイズ= 12） plt.title（小説のオリジナルVSベース'、フォントサイズ= 14） plt.grid（真） plt.show（）
* 2017年までは、ほとんどの映画は、オリジナルではなく、小説に基づいています。