【Python】数据可视化--基于TMDB_5000_Movie数据集

一、数据准备

tmdb_5000_movie数据集下载

二、数据预处理

观察数据集合情况

import pandas as pd
import ast
import warnings
warnings.filterwarnings('ignore')
# 加载数据集
df = pd.read_csv('tmdb_5000_movies.csv')
# 查看数据集信息
print(df.info())

 由于原数据集包含的数据信息较多，因此我们可以在每次需要分析的时候提取部分字段进行分析，比如关键字、电影类型、上映时间、生产厂家、预算、收入等等

df = df[['keywords','genres','production_companies','release_date','budget','revenue','vote_average','vote_count']]

观察过滤完的数据集和我们不难发现存在部分字段缺失值，字段类型数据形式不是我们想要的结果，因此我们对数据集进行进一步处理

import ast# 将genres、production_companies中的字符串转换为列表
df['genres'] = df['genres'].apply(lambda x: ast.literal_eval(x))
df['production_companies'] = df['production_companies'].apply(lambda x: ast.literal_eval(x))# 处理缺值数据
filtered_df = df[~df['release_date'].isna()]
filtered_df.dropna(inplace=True)# 提取日期中的年份
filtered_df['year'] = pd.to_datetime(filtered_df['release_date']).dt.year
filtered_df['year'].apply(int)

三、数据可视化分析

注：下面代码需要上面的预处理结果。

一）2000-2016年期间Twentieth Century Fox Film Corporation、Universal Pictures和Paramount Pictures三家影视公司每年制作的电影数量

二）2012-2016年平均评分前十的电影类型

import matplotlib.pyplot as plt
import seaborn as sns# 提取待处理字段
filtered_df = filtered_df[['year', 'genres', 'vote_average']]def split_data(df, split_column):# 拆分指定的列df = df.explode(split_column)# 过滤掉指定列值为nan的数据df = df[~df[split_column].isna()]# 提取出指定列的名称df.loc[:, split_column] = df[split_column].apply(lambda x: x['name'])return df# 拆分genres
filtered_df = split_data(filtered_df, 'genres')
filtered_df.rename(columns={'genres':'genre'}, inplace=True)# 筛选2012-2016年的电影
filtered_df = filtered_df[(2012 <= filtered_df['year']) & (filtered_df['year'] <= 2016)]
# 计算各电影类型平均评分和
grouped_df = filtered_df.groupby('genre')['vote_average'].mean().reset_index(name='vote_average')
grouped_df = grouped_df.sort_values(by='vote_average', ascending=False)
grouped_df = grouped_df.head(10)# 生成可视化图表
plt.figure(figsize=(10, 8))
sns.barplot(x=list(grouped_df['genre']),y=list(round(grouped_df['vote_average'],2)),width=0.6)
plt.ylim(0,8)
plt.title('2012-2016年平均评分前十的电影类型')
plt.xlabel('类型')
plt.ylabel('平均评分')
plt.tight_layout()
plt.legend(['平均评分'])# 在柱子上方显示每个柱子的值
for index, value in enumerate(list(round(grouped_df['vote_average'],2))):plt.text(index, value + 0.08, str(value), ha='center')plt.show()

运行结果：

三）2016年的总利润中，各电影类型所占的比例

import random# 提取待处理字段
filtered_df = filtered_df[['year', 'genres','budget', 'revenue']]# 处理budget、revenue
filtered_df.reset_index(inplace=True)
total = filtered_df['genres'].str.len()
total = total.apply(lambda x: 1 if x == 0 else x)
filtered_df['budget'] = filtered_df['budget'] / total
filtered_df['revenue'] = filtered_df['revenue'] / totaldef split_data(df, split_column):# 拆分指定的列df = df.explode(split_column)# 过滤掉指定列值为nan的数据df = df[~df[split_column].isna()]# 提取出指定列的名称df.loc[:, split_column] = df[split_column].apply(lambda x: x['name'])return df# 拆分genres
filtered_df = split_data(filtered_df, 'genres')
filtered_df.rename(columns={'genres':'genre'}, inplace=True)# 筛选2016年的电影
filtered_df = filtered_df[filtered_df['year'] == 2016]
# 添加利润列
filtered_df['profit'] = filtered_df['revenue'] - filtered_df['budget']
# 过滤利润小于0的
filtered_df = filtered_df[0 <= filtered_df['profit']]
# 计算各电影类型平均利润和
grouped_df = filtered_df.groupby( 'genre')['profit'].sum().reset_index(name='profit')# 计算各电影类型所占比例
total_scale = grouped_df['profit'].sum()
# 将scale除以整列总和并乘以100，得到每行的比例
grouped_df['scale'] = (grouped_df['profit'] / total_scale) * 100
# 将scale小于1的行的genre设置为"Other"
grouped_df.loc[grouped_df['scale'] < 1, 'genre'] = "Other"
# 计算"Other"行的"profit"和"scale"的总和
other_profit_sum = grouped_df.loc[grouped_df['genre'] == "Other", 'profit'].sum()
other_scale_sum = grouped_df.loc[grouped_df['genre'] == "Other", 'scale'].sum()
grouped_df.loc[grouped_df['genre'] == "Other", ['profit', 'scale']] = [other_profit_sum, other_scale_sum]
grouped_df = grouped_df.sort_values(by='genre')
# print(grouped_df)
# 生成随机颜色
def generate_random_colors(num_colors):colors = []for _ in range(num_colors):# 生成随机的 RGB 值r = random.random()g = random.random()b = random.random()colors.append((r, g, b))return colors# 生成可视化图表
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['font.size'] = '13'x = list(grouped_df['genre'])
y = list(round(grouped_df['scale'],2))plt.figure(figsize=(14, 8))
plt.style.use('ggplot')
bars = plt.barh(x, y, height=0.6, color=generate_random_colors(len(x))[::-1])
plt.xlabel('收入占比', fontsize=14)
plt.ylabel('电影类型', fontsize=14)
plt.tight_layout()for i, bar in enumerate(bars):plt.text(bar.get_width() + 0.2, bar.get_y() + bar.get_height() / 2, f'{y[i]:.1f}%', ha='left',va='center', color='green')plt.title('2016年的总利润中，各电影类型所占的比例', fontsize=18, x=0.5, y=1.05)
plt.show()

运行结果：

四）比较2000-2017年期间Universal Pictures和Paramount Pictures两家影视公司制作各类型电影的数量。

# 提取待处理字段
filtered_df = filtered_df[['year', 'production_companies', 'genres']]
# 筛选2000-2017年的电影
filtered_df = filtered_df[(filtered_df['year'] >= 2000) & (filtered_df['year'] <= 2017)]def split_data(df, split_column):# 拆分指定的列df = df.explode(split_column)# 过滤掉指定列值为nan的数据df = df[~df[split_column].isna()]# 提取出指定列的名称df.loc[:, split_column] = df[split_column].apply(lambda x: x['name'])return df# 拆分production_companies
filtered_df = split_data(filtered_df, 'production_companies')
filtered_df.rename(columns={'production_companies':'company'}, inplace=True)
filtered_df = filtered_df[(filtered_df['company'] == 'Universal Pictures') | (filtered_df['company'] == 'Paramount Pictures') ]
# 拆分genres
filtered_df = split_data(filtered_df, 'genres')
filtered_df.rename(columns={'genres':'genre'}, inplace=True)# 根据公司和类型对数据进行分组，并计算每个组的数量
grouped_df = filtered_df.groupby(['company', 'genre']).size().reset_index(name='count')
# print(grouped_df)# 使用pivot_table函数处理数据
processed_df = pd.pivot_table(grouped_df, values='count', index='genre', columns='company', fill_value=0)
processed_df = processed_df.sort_values(by='genre', ascending=False)
# print(processed_df)# 生成可视化结果
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['font.size'] = '13'# 设置图形大小和风格
plt.figure(figsize=(12, 8))
plt.style.use('seaborn-muted')# 数据直接提取
genres = list(processed_df.index)
universal = list(processed_df['Universal Pictures'])
paramount = list(processed_df['Paramount Pictures'])# 绘制两家公司的数量对比图
plt.barh(np.arange(len(genres)), universal, height=0.3, label='Universal Pictures')
plt.barh(np.arange(len(genres)) + 0.3, paramount, height=0.3, label='Paramount Pictures')plt.yticks(np.arange(len(genres)) + 0.15, genres, fontsize=12)
plt.legend()
plt.grid(axis='y')# 添加数据标签
for i, value in enumerate(universal):plt.text(value + 0.15, i, str(value), ha='left', va='center', fontsize=10)
for i, value in enumerate(paramount):plt.text(value + 0.15, i + 0.3, str(value), ha='left', va='center', fontsize=10)# 设置标题和坐标轴标签
plt.title('2000-2017年期间Universal Pictures和Paramount Pictures两家影视公司制作各类型电影的数量', fontsize=16)
plt.xlabel('电影数量')
plt.ylabel('电影类型')
plt.tight_layout()
plt.show()

运行结果：

五）比较2010-2016年期间Universal Pictures和Paramount Pictures两家影视公司制作各类型电影的平均利润

# 提取待处理字段
filtered_df = filtered_df[['year', 'production_companies', 'genres', 'revenue', 'budget']]
# 筛选2010-2016年的电影
filtered_df = filtered_df[(filtered_df['year'] >= 2010) & (filtered_df['year'] <= 2016)]def split_data(df, split_column):# 拆分指定的列df = df.explode(split_column)# 过滤掉指定列值为nan的数据df = df[~df[split_column].isna()]# 提取出指定列的名称df.loc[:, split_column] = df[split_column].apply(lambda x: x['name'])return df# 拆分production_companies
filtered_df = split_data(filtered_df, 'production_companies')
filtered_df.rename(columns={'production_companies':'company'}, inplace=True)
filtered_df = filtered_df[(filtered_df['company'] == 'Universal Pictures') | (filtered_df['company'] == 'Paramount Pictures') ]# 处理budget、revenue
filtered_df.reset_index(inplace=True)
total = filtered_df['genres'].str.len()
total = total.apply(lambda x: 1 if x == 0 else x)
filtered_df['budget'] = filtered_df['budget'] / total
filtered_df['revenue'] = filtered_df['revenue'] / total# 拆分genres
filtered_df = split_data(filtered_df, 'genres')
filtered_df.rename(columns={'genres':'genre'}, inplace=True)# 添加利润列
filtered_df['profit'] = filtered_df['revenue'] - filtered_df['budget']
# 过滤利润小于0的
filtered_df = filtered_df[0 <= filtered_df['profit']]# 根据公司和类型对数据进行分组，并计算每个组的数量
grouped_df = filtered_df.groupby(['company', 'genre'])['profit'].mean().reset_index(name='average_profit')
# print(grouped_df)# 使用pivot_table函数处理数据
processed_df = pd.pivot_table(grouped_df, values='average_profit', index='genre', columns='company', fill_value=0)
processed_df = processed_df.sort_values(by='genre', ascending=False)
# print(processed_df)# 提取Universal Pictures和Paramount Pictures的数据
genres = list(processed_df.index)
universal = list(round(processed_df['Universal Pictures'],2))
paramount = list(round(processed_df['Paramount Pictures'],2))# 绘制平均利润图
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['font.size'] = '13'
plt.figure(figsize=(12, 8))
plt.plot(genres, universal, alpha=0.5, label='Universal Pictures', color='#fa51cf')
plt.bar(genres, paramount, alpha=0.5, label='Paramount Pictures', color='#acaaf1')plt.title('2010-2016年期间Universal Pictures和Paramount Pictures制作各类型电影的平均利润')
plt.xlabel('类型')
plt.ylabel('平均利润')
plt.legend()
plt.xticks(rotation=45)
plt.show()

运行结果：

六）比较2012-2016年期间Universal和Paramount每年制作各类型电影的数量

from pyecharts import options as opts
from pyecharts.charts import Bar, Timeline# 提取待处理字段
filtered_df = filtered_df[['year', 'production_companies', 'genres']]
# 筛选2012-2016年的电影
filtered_df = filtered_df[(filtered_df['year'] >= 2012) & (filtered_df['year'] <= 2016)]def split_data(df, split_column):# 拆分指定的列df = df.explode(split_column)# 过滤掉指定列值为nan的数据df = df[~df[split_column].isna()]# 提取出指定列的名称df.loc[:, split_column] = df[split_column].apply(lambda x: x['name'])return df# 拆分production_companies
filtered_df = split_data(filtered_df, 'production_companies')
filtered_df.rename(columns={'production_companies':'company'}, inplace=True)
filtered_df = filtered_df[(filtered_df['company'] == 'Universal Pictures') | (filtered_df['company'] == 'Paramount Pictures') ]# 拆分genres
filtered_df = split_data(filtered_df, 'genres')
filtered_df.rename(columns={'genres':'genre'}, inplace=True)# 根据公司和类型对数据进行分组，并计算每个组的数量
grouped_df = filtered_df.groupby(['year', 'company', 'genre']).size().reset_index(name='count')
# print(grouped_df)# 获取所有年份、公司和类型的组合
all_years = grouped_df['release_year'].unique()
all_companies = grouped_df['company'].unique()# 创建空的DataFrame用于存储合并后的数据
merged_df = pd.DataFrame(columns=['release_year', 'company', 'genre', 'count'])# 遍历所有年份、公司和类型的组合
for year in all_years:all_genres = grouped_df[grouped_df['release_year'] == year]['genre'].unique()all_genres.sort()for company in all_companies:for genre in all_genres:# 检查是否存在对应的记录condition = (grouped_df['release_year'] == year) & (grouped_df['company'] == company) & (grouped_df['genre'] == genre)if len(grouped_df[condition]) > 0:count = grouped_df[condition]['count'].values[0]else:count = 0# 添加记录到合并后的DataFramemerged_df = pd.concat([merged_df, pd.DataFrame({'release_year': [year], 'company': [company], 'genre': [genre], 'count': [count]})],ignore_index=True)# print(merged_df)# 创建时间轮番图
timeline = Timeline(init_opts=opts.InitOpts(width='1200px',height='600px',animation_opts=opts.AnimationOpts(animation_delay=1000, # 动画延时animation_easing='elasticOut'))
)# 遍历每个年份
for year in all_years:# 提取当前年份的数据universal_data = merged_df[(merged_df['release_year'] == year) & (merged_df['company'] == 'Universal Pictures')]paramount_data = merged_df[(merged_df['release_year'] == year) & (merged_df['company'] == 'Paramount Pictures')]# 创建柱状图bar = (Bar(init_opts=opts.InitOpts(height='500px')).add_xaxis(universal_data['genre'].tolist()).add_yaxis('Universal Pictures',universal_data['count'].tolist(),gap=0,itemstyle_opts=opts.ItemStyleOpts(color='#FF4D4F')).add_yaxis('Paramount Pictures',paramount_data['count'].tolist(),gap=0,itemstyle_opts=opts.ItemStyleOpts(color='#1890FF')).set_global_opts(title_opts=opts.TitleOpts(title=f'{int(year)}年 Universal和Paramount制作各类型电影的数量',pos_left='center',),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=30,font_size=12,)),yaxis_opts=opts.AxisOpts(name='数量',max_=max(universal_data['count'].max(), paramount_data['count'].max())+1,axislabel_opts=opts.LabelOpts(font_size=12)),# visualmap_opts=opts.VisualMapOpts(#     min_=0,#     max_=8,#     is_show=False# ),# datazoom_opts=[#     opts.DataZoomOpts(#         range_start = 0,#         range_end = 100#     )# ],legend_opts=opts.LegendOpts(pos_right='10%',pos_top='12%',orient='vertical'),tooltip_opts=opts.TooltipOpts(trigger='item',axis_pointer_type='cross')))# 将柱状图添加到时间轮番图中timeline.add(bar, f'{int(year)}年')# 调整时间轴位置
timeline.add_schema(orient="vertical",  # 垂直展示is_auto_play=True,play_interval=2000,  # 播放时间间隔，毫秒pos_right="2%",pos_top="50",height="500",  # 组件高度width="70",label_opts=opts.LabelOpts(is_show=True,color="black",position='left'),
)# 渲染并保存时间轮番图
timeline.render('时间轮番图.html')

运行结果：（时间轮番图）

七）2000-2016年期间产量最高五家电影公司出产电影的平均评分

from pyecharts import options as opts
from pyecharts.charts import Line, Bar
from pyecharts.globals import ThemeType
from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot# 提取待处理字段
filtered_df = filtered_df[['year', 'production_companies', 'vote_average']]
# 2000-2016年期间产量最高五家电影公司出产电影的平均评分
filtered_df = filtered_df[(2000 <= filtered_df['year']) & (filtered_df['year'] <= 2016)]def split_data(df, split_column):# 拆分指定的列df = df.explode(split_column)# 过滤掉指定列值为nan的数据df = df[~df[split_column].isna()]# 提取出指定列的名称df.loc[:, split_column] = df[split_column].apply(lambda x: x['name'])return df# 拆分production_companies
filtered_df = split_data(filtered_df, 'production_companies')
filtered_df.rename(columns={'production_companies':'company'}, inplace=True)grouped_df = filtered_df.groupby('company').agg(count=('company', 'size'),vote_average=('vote_average', 'mean')).reset_index()grouped_df = grouped_df.sort_values(by='count', ascending=False)
grouped_df = grouped_df.head(5)
grouped_df = grouped_df.sort_values(by='company')
print(grouped_df)x_index = grouped_df['company'].tolist()
y_value1 = round(grouped_df['vote_average'],2).tolist()
y_value2 = grouped_df['count'].tolist()bar = (Bar(init_opts=opts.InitOpts(width="800px",height="400px",theme=ThemeType.LIGHT)).add_xaxis(xaxis_data=x_index).add_yaxis(series_name="平均评分",y_axis=y_value1,category_gap="50%",label_opts=opts.LabelOpts(is_show=False)).extend_axis(  # 第二坐标轴yaxis=opts.AxisOpts(name="产出数量",type_="value",min_=100,max_=250,interval=20,axislabel_opts=opts.LabelOpts(formatter="{value}部")  # 设置坐标轴格式)).set_global_opts(title_opts=opts.TitleOpts(title="2000-2016年期间产量最高五家电影公司出产电影的平均评分",),tooltip_opts=opts.TooltipOpts(is_show=True, trigger="axis", axis_pointer_type="cross"),legend_opts=opts.LegendOpts(pos_right='15%',pos_top='5%',),xaxis_opts=opts.AxisOpts(type_="category",axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),axislabel_opts=opts.LabelOpts(rotate=25)),yaxis_opts=opts.AxisOpts(name="平均评分",type_="value",min_=5,max_=7,interval=0.2,axislabel_opts=opts.LabelOpts(formatter="{value} 分"),  # 设置坐标轴格式axistick_opts=opts.AxisTickOpts(is_show=True),splitline_opts=opts.SplitLineOpts(is_show=True),),)
)line = (Line().add_xaxis(xaxis_data=x_index).add_yaxis(series_name="产出数量",yaxis_index=1,y_axis=y_value2,itemstyle_opts=opts.ItemStyleOpts(color="red"),label_opts=opts.LabelOpts(is_show=False),z=2  # 使折线图显示在柱状图上面)
)
title = '2000-2016年期间产量最高五家电影公司出产电影的平均评分'
make_snapshot(snapshot, bar.overlap(line).render(title+'.html'), title+'.png')

八）2016年的总票房收入中，各电影公司所占的比例

from pyecharts import options as opts
from pyecharts.charts import Line, Bar
from pyecharts.globals import ThemeType
from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot# 提取待处理字段
filtered_df = filtered_df[['year', 'production_companies', 'revenue']]
# 2016年的总票房收入中，各电影公司所占的比例
filtered_df = filtered_df[(filtered_df['year'] == 2016)]
# 处理收入列
total = filtered_df['production_companies'].str.len()
total = total.apply(lambda x: 1 if x == 0 else x)
# print(total)
filtered_df['revenue'] = filtered_df['revenue'] / totaldef split_data(df, split_column):# 拆分指定的列df = df.explode(split_column)# 过滤掉指定列值为nan的数据df = df[~df[split_column].isna()]# 提取出指定列的名称df.loc[:, split_column] = df[split_column].apply(lambda x: x['name'])return df# 拆分production_companies
filtered_df = split_data(filtered_df, 'production_companies')
filtered_df.rename(columns={'production_companies': 'company'}, inplace=True)
# print(filtered_df.head(10).to_string())# 按公司分组
grouped_df = filtered_df.groupby( 'company')['revenue'].sum().reset_index(name='revenue')
# 计算总票房收入
total_revenue = grouped_df['revenue'].sum()
# 添加比例列
grouped_df['scale'] = (grouped_df['revenue'] / total_revenue) * 100
grouped_df['revenue'] = round(grouped_df['revenue']/10000,2)# 将scale小于2的行的company设置为"Other"
grouped_df.loc[grouped_df['scale'] < 1, 'company'] = "Other"
# 计算"Other"行的"revenue"和"scale"的总和
other_revenue_sum = grouped_df.loc[grouped_df['company'] == "Other", 'revenue'].sum()
other_scale_sum = grouped_df.loc[grouped_df['company'] == "Other", 'scale'].sum()
grouped_df.loc[grouped_df['company'] == "Other", ['revenue', 'scale']] = [other_revenue_sum, other_scale_sum]
# 删除重复行
grouped_df = grouped_df.drop_duplicates()
# 按比例排序
grouped_df = grouped_df.sort_values(by='company')
# print(grouped_df.head(20).to_string())# 提取绘图数据集合
x_index = grouped_df['company'].tolist()
y_value1 = grouped_df['revenue'].tolist()
y_value2 = grouped_df['scale'].tolist()bar = (Bar(init_opts=opts.InitOpts(width="1200px",height="500px",theme=ThemeType.LIGHT)).add_xaxis(xaxis_data=x_index).add_yaxis(series_name="票房收入",y_axis=y_value1,category_gap="50%",label_opts=opts.LabelOpts(is_show=False)).extend_axis(  # 第二坐标轴yaxis=opts.AxisOpts(name="所占比例",type_="value",min_=1,max_=5,# interval=200,axislabel_opts=opts.LabelOpts(formatter="{value} %")  # 设置坐标轴格式)).set_global_opts(title_opts=opts.TitleOpts(title="2016年的总票房收入中，各电影公司所占的比例",),tooltip_opts=opts.TooltipOpts(is_show=True, trigger="axis", axis_pointer_type="cross"),legend_opts=opts.LegendOpts(pos_right='15%',pos_top='5%',),xaxis_opts=opts.AxisOpts(type_="category",axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),axislabel_opts=opts.LabelOpts(rotate=25)),yaxis_opts=opts.AxisOpts(name="票房收入",type_="value",# min_=5,# max_=7,# interval=0.2,# axislabel_opts=opts.LabelOpts(formatter="{value} $"),  # 设置坐标轴格式axistick_opts=opts.AxisTickOpts(is_show=True),splitline_opts=opts.SplitLineOpts(is_show=True),),)
)line = (Line().add_xaxis(xaxis_data=x_index).add_yaxis(series_name="所占比例",yaxis_index=1,y_axis=y_value2,itemstyle_opts=opts.ItemStyleOpts(color="red"),label_opts=opts.LabelOpts(is_show=False),z=2  # 使折线图显示在柱状图上面)
)
title = '2016年的总票房收入中，各电影公司所占的比例'
make_snapshot(snapshot, bar.overlap(line).render(title+'.html'), title+'.png')

运行结果：

九）对比2011-2016年期间改编电影和原创电影每年平均票房收入

import json
from pyecharts import options as opts
from pyecharts.charts import Line, Bar
from pyecharts.globals import ThemeType
from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot# 提取待处理字段
filtered_df = filtered_df[['year', 'keywords', 'revenue']]
# 对比2011-2016年期间改编电影和原创电影每年平均票房收入，电影的其中一个keywords为“based on novel”，则它为改编电影，否则为原创电影
filtered_df = filtered_df[(2011 <= filtered_df['year']) & (filtered_df['year'] <= 2016)]# 定义函数来判断电影是否为改编电影
def is_adapted_movie(keywords_json):try:keywords = json.loads(keywords_json.replace("'", '"'))return any(keyword['name'] == 'based on novel' for keyword in keywords)except json.JSONDecodeError:return False# 为数据集添加一列以标记改编电影
filtered_df['is_adapted'] = filtered_df['keywords'].apply(is_adapted_movie)
# print(filtered_df['is_adapted'])# print(filtered_df.groupby(['year', 'is_adapted'])['revenue'].mean().head(10).to_string())
grouped_df = filtered_df.groupby(['year', 'is_adapted'])['revenue'].mean().unstack()
print(grouped_df.head(10).to_string())
# 准备数据用于绘图
x_index = grouped_df.index.tolist()
y_value1 = grouped_df[True].tolist()
y_value2 = grouped_df[False].tolist()bar = (Bar(init_opts=opts.InitOpts(width="800px",height="400px",theme=ThemeType.LIGHT)).add_xaxis(xaxis_data=x_index).add_yaxis('Adapted',y_axis=y_value1,gap=0,label_opts=opts.LabelOpts(is_show=False),itemstyle_opts=opts.ItemStyleOpts(color='#1890FF')).add_yaxis('Original',y_axis=y_value2,gap=0,label_opts=opts.LabelOpts(is_show=False),itemstyle_opts=opts.ItemStyleOpts(color='#FF4D4F')).set_global_opts(title_opts=opts.TitleOpts(title="对比2011-2016年期间改编电影和原创电影每年平均票房收入",),tooltip_opts=opts.TooltipOpts(is_show=True, trigger="axis", axis_pointer_type="cross"),legend_opts=opts.LegendOpts(pos_right='15%',pos_top='5%',),xaxis_opts=opts.AxisOpts(type_="category",axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),axislabel_opts=opts.LabelOpts(rotate=25)),yaxis_opts=opts.AxisOpts(name="平均收入",type_="value",axistick_opts=opts.AxisTickOpts(is_show=True),splitline_opts=opts.SplitLineOpts(is_show=True),),)
)
title = '对比2011-2016年期间改编电影和原创电影每年平均票房收入'
make_snapshot(snapshot, bar.render(title + '.html'), title + '.png')

运行结果：