Value_Counts,Mapping,GroupBy和Plotting

时间:2017-07-22 12:49:57

标签: python pandas indexing mapping

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> 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> 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:" AttributeError:无法访问可调用属性' map' ' SeriesGroupBy'对象,尝试使用' apply'方法"

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:" TypeError:unhashable type:' dict'"

分组功能的想法是创建一个名为" Films"所以要计算每个演员出演的电影的音量,然后使用> 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

1 个答案:

答案 0 :(得分:1)

我认为您需要filterboolean 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()