熊猫:如何对阵列状场进行分析？

Question

我正在对电影进行分析，每部电影都有一个genre属性，它可能是几种特定的类型，比如drama，comedy，数据如下：

movie_list = [
    {'name': 'Movie 1',
    'genre' :'Action, Fantasy, Horror'},
    {'name': 'Movie 2',
    'genre' :'Action, Comedy, Family'},
    {'name': 'Movie 3',
    'genre' :'Biography, Drama'},
    {'name': 'Movie 4',
    'genre' :'Biography, Drama, Romance'},
    {'name': 'Movie 5',
    'genre' :'Drama'},
    {'name': 'Movie 6',
    'genre' :'Documentary'},
]

问题是，我该如何分析这个问题？例如，我如何知道这里有多少个动作莫视图，以及如何查询类别操作？具体地说：

1. 我如何获得这个列表中的所有类别？所以我知道每一个都包含了多少个moview
2. 我如何查询某类电影，如动作片？
3. 我需要把genre转换成array吗？

目前，我可以用df[df['genre'].str.contains("Action")].describe()解决第二个问题，但是有更好的语法吗？

Answer 1

如果你的数据不是太大，我会做一些预处理，并得到一个记录每种类型。也就是说，我会像这样构造你的数据框架：

 Name    Genre
 Movie 1 Action
 Movie 1 Fantasy
 Movie 1 Horor
 ...

注意，名称应该重复。虽然这可能会使您的数据集更大，但如果您的系统能够处理它，它可以使数据分析非常容易。使用以下代码进行转换：

import pandas as pd

def reformat_movie_list(movies):
    name = []
    genre = []
    result = pd.DataFrame()
    for movie in movies:
        movie_name = movie["name"]
        movie_genres = movie["genre"].split(",")
        for movie_genre in movie_genres:
             name.append(movie_name.strip())
             genre.append(movie_genre.strip())
    result["name"] = name
    result["genre"] = genre
    return result

在这种格式中，您的三个问题将变成

1. 我如何获得这个列表中的所有类别？所以我知道每个里面有多少部电影？ Movie_df.groupby(“体裁”).agg(计数)

请参阅How to count number of rows in a group in pandas group by object?

1. 我如何查询某类电影，如动作片？ horror_movies =movie_df[movie_df]体裁“==”恐怖]

请参阅pandas: filter rows of DataFrame with operator chaining

1. 我需要把这个体裁变成数组吗？

你的数据去正常化应该能处理好。