Question

我正在使用IMDB数据开展个人项目，目前已经用尽所有途径。

快速概述：

我正在努力寻找前十名董事和演员
我可以做到这一点，但我想更进一步，如果他们符合某些标准，只能找到前10名。 EG：曾出演过＆gt; 4部电影

到目前为止，我已执行以下操作：

plt.subplot2grid((2,3),(0,1))
actor_1 = df.pivot_table(index="Actor_1", values="Gross_Earnings", aggfunc='sum').sort_values(ascending=False)
actor_1[:15].sort_values(ascending=True).plot(kind='barh', width=0.7, alpha=0.5, color='red')
ax.tick_params(axis='x', labelsize=60)
ax.tick_params(axis='y', labelsize=60)
plt.xlabel("Gross Earnings")
plt.tight_layout()

plt.show()

这样可行，但它只返回最高值;不是顶部值与附加标准＆gt; 4部电影。

我也尝试了以下内容：

no_of_films = df.groupby("Actor_1")
name_count_key = df["Actor_1"].value_counts().to_dict()
no_of_films["Films"] = no_of_films["Actor_1"].map(name_count_key)

但它返回以下错误：＆＃34; AttributeError：无法访问可调用属性＆＃39; map＆＃39; ＆＃39; SeriesGroupBy＆＃39;对象，尝试使用＆＃39; apply＆＃39;方法＆＃34;

no_of_films = df.groupby("Actor_1")
name_count_key = df["Actor_1"].value_counts().to_dict()
no_of_films["Films"] = no_of_films["Actor_1"].apply(name_count_key)

但它返回以下错误：＆＃34; TypeError：unhashable type：＆＃39; dict＆＃39;＆＃34;

分组功能的想法是创建一个名为＆＃34; Films＆＃34;所以要计算每个演员出演的电影的音量，然后使用＆gt; 4但它返回bool而不是实际值。

Director        Actor_1         IMDB_Score   Gross_Earnings    Movie_Title
Andrew Stanton  Daryl Sabara    6.6          73058679          John Carter
Sam Raimi       J.K. Simmons    6.2          336530303         Spider-Man 3
Nathan Greno    Brad Garrett    7.8          200807262         Tangled
Joss Whedon     Chris Hemsworth 7.5          458991599         Avengers: Age of Ultron

这可能还是我很傻？

非常感谢任何帮助。

谢谢，

阿德里安

Answer 1

我认为您需要filter或boolean indexing transform：

print (df)
            Director          Actor_1  IMDB_Score  Gross_Earnings Movie_Title
0      James Cameron      CCH Pounder         7.9       760505847      Avatar
1      James Cameron      CCH Pounder         7.9       760505847     Avatar1
2      James Cameron      CCH Pounder         7.9       760505847     Avatar2
3      James Cameron      CCH Pounder         7.9       760505847     Avatar3
4     Gore Verbinski      Johnny Depp         7.1       309404152     Pirates
5         Sam Mendes  Christoph Waltz         6.8       200074175     Spectre
6     Gore Verbinski      Johnny Depp         7.1       309404152    Pirates1
7         Sam Mendes  Christoph Waltz         6.8       200074175    Spectre1
8  Christopher Nolan        Tom Hardy         8.5       448130642         The

df1 = df.groupby(["Actor_1"]).filter(lambda x: len(x) > 3)
print (df1)

        Director      Actor_1  IMDB_Score  Gross_Earnings Movie_Title
0  James Cameron  CCH Pounder         7.9       760505847      Avatar
1  James Cameron  CCH Pounder         7.9       760505847     Avatar1
2  James Cameron  CCH Pounder         7.9       760505847     Avatar2
3  James Cameron  CCH Pounder         7.9       760505847     Avatar3

或更快的解决方案：

nofilms =  df.groupby(["Actor_1"])['Movie_Title'].transform('size')
df1 = df[nofilms > 3]
print (df1)
        Director      Actor_1  IMDB_Score  Gross_Earnings Movie_Title
0  James Cameron  CCH Pounder         7.9       760505847      Avatar
1  James Cameron  CCH Pounder         7.9       760505847     Avatar1
2  James Cameron  CCH Pounder         7.9       760505847     Avatar2
3  James Cameron  CCH Pounder         7.9       760505847     Avatar3

然后使用groupby并汇总mean：

df2 = df1.groupby('Actor_1')['Gross_Earnings'].mean()
print (df2)
Actor_1
CCH Pounder    760505847
Name: Gross_Earnings, dtype: int64

最后一个情节是Series.plot.barh：

df2.plot.barh()

Value_Counts，Mapping，GroupBy和Plotting

1 个答案: