102. 파이널 프로젝트 (8)시각화, 변수 추가 수집

그래프 시각화

1. 제작비별

0. 모듈 임포트

import pandas as pd 
import matplotlib.pyplot as plt
import seaborn as sns

1. 데이터 가져오기

movie=pd.read_csv(r'경로\파일명.csv')
movie

2. 결측치 처리

movie.isna().sum() #결측치 확인
movie = movie.dropna(axis=0) #결측치 행 삭제
movie

movie["추정 제작비"]
movie["추정 제작비"].describe(include='all')

성공
count     49.000000
mean     124.285714
std       71.219730
min       35.000000
25%       75.000000
50%      105.000000
75%      150.000000
max      430.000000
Name: 추정 제작비, dtype: float64

망함
count     47.000000
mean      71.234043
std       39.120890
min        5.000000
25%       46.000000
50%       60.000000
75%       84.000000
max      230.000000
Name: 추정 제작비, dtype: float64

cost_100 = movie.loc[movie["추정 제작비"] <= 100, ["추정 제작비"]] # 24 / 41
cost_100_200 = movie.loc[(movie["추정 제작비"] > 100) & (movie["추정 제작비"] <= 200), ["추정 제작비"]] # 19 / 5
cost_200 = movie.loc[(movie["추정 제작비"] > 200), ["추정 제작비"]] # 6 / 1



3. 데이터프레임에 tag칼럼을 추가해 제작비 기준으로 값을 입력

movie["tag"] = 0 #0으로 초기화
movie["tag"]

def find_group(value):
    if value <= 100:
        return "100 이하"
    elif value <= 200:
        return "100 초과 200 이하"
    else:
        return "200 초과"
        
movie["tag"] = [find_group(e) for e in movie["추정 제작비"]]
movie["tag"]

4.막대 그래프 시각화

plt.rc("font", family = "Malgun Gothic")
sns.set(font="Malgun Gothic", 
        rc={"axes.unicode_minus":False}, style="white") #darkgrid, whitegrid, dark, white, ticks
ax = sns.countplot(x="tag", data=movie, 
                   order=movie["tag"].value_counts().index, #내림차순
                   palette="Set3")

plt.xticks(rotation=270)

plt.ylabel("영화 수")
plt.xlabel("제작비 (단위:억)")

sns.despine() # top, right 테두리 제거

sns.despine(left=True, bottom=True) #모든 테두리 제거

값 표시

for p in ax.patches:
    height = p.get_height()
    ax.text(p.get_x()+p.get_width()/2., height, height, ha='center', size=9)

plt.show()

print(movie["tag"].value_counts())

5. 산점도 시각화

plt.rc("font", family = "Malgun Gothic")
sns.set(font="Malgun Gothic", 
        rc={"axes.unicode_minus":False}, style="whitegrid") #darkgrid, whitegrid, dark, white, ticks
sns.scatterplot(y="추정 제작비", x="영화 제목", data=movie, hue="천만관객돌파여부",
                palette="Set2")
sns.despine() #top, right 테두리 제거
plt.ylim([0, 440])
plt.ylabel("제작비 (단위:억)")
plt.xticks(rotation=270)
plt.show()

 

 

 

 

 

2. 배급사별

1. 데이터 전처리

distributor = movie['배급사'] #배급사의 경우 'CJ ENM'은 띄어쓰기 기준으로 나누면 안되므로
col_list = []

for d in distributor :
    if d ==  "CJ ENM" :
        col_list.append(d)
    else :
        d_split = d.split() #공백 분리 
        for token in d_split :
            col_list.append(token)
            
col_list

리스트 -> 데이터프레임

col_name = ["배급사"]
col_df = pd.DataFrame(col_list, columns=col_name)

######### 몇 개 이상인지 수정할 때 ############
##### 다 볼 땐 이 범위 전체 주석 처리 #########
chart_data = col_df["배급사"].value_counts()
index = chart_data.index # 장르 추출 
values = chart_data.values # 빈도수 추출 
    
choice_genre = [] # n 초과 장르 선택 
for idx, val in zip(index, values):
    if val > 1: # 이 숫자를 수정
        choice_genre.append(idx)
    
col_df = col_df[col_df.isin(choice_genre)]
#############################################

2. 시각화

plt.rc("font", family = "Malgun Gothic")
sns.set(font="Malgun Gothic", 
        rc={"axes.unicode_minus":False}, style="white") #darkgrid, whitegrid, dark, white, ticks
ax = sns.countplot(x="배급사", data=col_df, 
                   order=col_df["배급사"].value_counts().index, #내림차순
                   palette="Set3")
plt.xticks(rotation=270)
plt.ylabel("영화 수")
#sns.despine() # top, right 테두리 제거
sns.despine(left=True, bottom=True) #모든 테두리 제거

값 표시

for p in ax.patches:
    height = p.get_height()
    ax.text(p.get_x()+p.get_width()/2., height, height, ha='center', size=9)

plt.show()

print(col_df["배급사"].value_counts())

 

 

 

 

 

3. 장르별

try : 
    if platform.system() == 'Windows':
    #윈도우인 경우
        path = "C:\Windows\Fonts\malgun.ttf"
        font_name = font_manager.FontProperties(fname=path).get_name() 
        rc('font', family=font_name)
    #else:    
    #Mac 인 경우
        #rc('font', family='AppleGothic')
except :
    pass
matplotlib.rcParams['axes.unicode_minus'] = False


plt.figure(figsize=(20,5))
sns.set(style='white') #darkgrid, whitegrid, dark, white, ticks
sns.countplot(x='장르', data=movie, palette="Set2")
#sns.despine() # top, right 테두리 제거
sns.despine(left=True, bottom=True) #모든 테두리 제거
plt.show()

 

 

 

 

 

변수 추가 수집

0. 모듈 임포트

import pandas as pd

 

 

1. 경로 지정

path = r'경로명'

data = pd.read_csv(path + '/배우감독변수.csv')
data.info()

2. 서브셋 만들기 

df = data[['영화 제목', '누적관람객 수', '감독', '주연배우']]
df

title = df['영화 제목']
size = df['누적관람객 수']

4. 공백 기준으로 문자열 자르기 

col_list1 = df['감독'].str.split()
col_list1

col_list2 = df['주연배우'].str.split()
col_list2

5. dataFrame 묶기 

new_df = pd.DataFrame({'title':title, 'size' : size, 
                       'director': col_list1,
                       'actor' : col_list2}, 
                      columns=['title', 'size', 'director', 'actor'])

new_df.head()

6. 감독과 배우 기준으로 새로운 데이터프레임 생성 

new_title = [] # 감독 기준 영화제목 
new_title2 = [] # 배우 기준 영화제목 
new_size = [] # 감독 기준 누적관객수 
new_size2 = [] # 배우 기준 누적관객수 
new_director = [] # 감독  
new_actor = [] # 배우

 

7-1. 감독 기준 

for i, directors in enumerate(new_df['director']) :
    for d in directors : 
        new_title.append(title[i]) # 영화제목 
        new_size.append(size[i]) # 감독 기준 누적관객수   
        new_director.append(d) # 감독 
        

director_df = pd.DataFrame({'title':new_title, 'size' : new_size, 
                       'director': new_director},
                           columns = ['title', 'size', 'director'])

director_df.info() # RangeIndex: 101 entries, 0 to 100
print(director_df)

 

7-2. 주연배우 기준 

for i, actors in enumerate(new_df['actor']) :
    for a in actors : 
        new_title2.append(title[i]) # 영화제목
        new_size2.append(size[i]) # 배우 기준 누적관객수   
        new_actor.append(a) # 배우 

actor_df = pd.DataFrame({'title':new_title2, 'size' : new_size2, 
                       'actor': new_actor},
                        columns = ['title', 'size', 'actor'])

actor_df.info() # RangeIndex: 393 entries, 0 to 392
print(actor_df)

8. 감독 기준 상위 누적관객수 평균 상위 50위 

director_name = director_df['director'].unique()

names = []
size_avg = []
for i, name in enumerate(director_name) :
    names.append(name)
    df = director_df[director_df['director'] == name]
    size_avg.append(df['size'].mean())


df2 = pd.DataFrame({'director': names, 'size_avg' : size_avg})
df2

dir(df2)

sorted_value = df2['size_avg'].sort_values(ascending=False)
idx = sorted_value.index

result2 = df2.iloc[idx]
result2 


result2[:50]

9. 주연배우 기준 상위 누적관객수 평균 상위 50위 

actor_name = actor_df['actor'].unique()

names = []
size_avg = []
for i, name in enumerate(actor_name) :
    names.append(name)
    df = actor_df[actor_df['actor'] == name]
    size_avg.append(df['size'].mean())

names    
size_avg    

df = pd.DataFrame({'actor': names, 'size_avg' : size_avg})
df

dir(df)

help(df['size_avg'].sort_values)
sorted_value = df['size_avg'].sort_values(ascending=False)

idx = sorted_value.index

result = df.iloc[idx]
result 

result[:60]

 

 

 

10. 엑셀파일 저장

result.to_csv(r'경로명\파일명.csv', sep=',', na_rep='NaN', encoding='utf-8-sig', mode='a', header=False, index=True)