![[Pandas] 판다스 기초 상식 정리 및 함수 응용 3 - 네이버 영화 평점 분석](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2F64jU9%2FbtqTwVZaBnJ%2F5aieWVRl5WEuA9Mw9imhP0%2Fimg.png)
네이버 영화 평점 분석¶
In [1]:
from bs4 import BeautifulSoup
from urllib.request import urlopen
import urllib
import numpy as np
import pandas as pd
from pandas import DataFrame, Series
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
In [2]:
# plot 시 한글이 깨지는 현상 방지!
import platform
from matplotlib import font_manager, rc
plt.rcParams['axes.unicode_minus'] = False
if platform.system() == 'Darwin':
rc('font', family='AppleGothic')
elif platform.system() == 'Windows':
path = "c:/Windows/Fonts/malgun.ttf"
font_name = font_manager.FontProperties(fname=path).get_name()
rc('font', family=font_name)
else:
print('Unknown system!!')
2019년 의 영화 평점 데이터를 가져옵니다.¶
In [3]:
csv = pd.read_csv('../data/2019년 네이버 영화 평점 리스트.csv')
movie = DataFrame(csv)
movie
Out[3]:
| date | name | point | |
|---|---|---|---|
| 0 | 2019-01-01 | 보헤미안 랩소디 | 9.49 |
| 1 | 2019-01-01 | 헌터 킬러 | 9.43 |
| 2 | 2019-01-01 | 폴란드로 간 아이들 | 9.42 |
| 3 | 2019-01-01 | 트루먼 쇼 | 9.32 |
| 4 | 2019-01-01 | 점박이 한반도의 공룡2 : 새로운 낙원 | 9.24 |
| ... | ... | ... | ... |
| 16006 | 2019-12-31 | 대통령의 7시간 | 6.18 |
| 16007 | 2019-12-31 | 쥬만지: 넥스트 레벨 | 6.13 |
| 16008 | 2019-12-31 | 백두산 | 5.93 |
| 16009 | 2019-12-31 | 아내를 죽였다 | 5.18 |
| 16010 | 2019-12-31 | 캣츠 | 4.69 |
16011 rows × 3 columns
html 크롤링 (시간 많이 걸려서 csv파일로 대체)¶
In [4]:
# import time
# date = pd.date_range('20190101', periods=31, freq='D')
# # pd로 읽어와서 파일 불러와서 크롤링해도된다.
# movie_date = []
# movie_name = []
# movie_point = []
# for today in date:
# html = "http://movie.naver.com/movie/sdb/rank/rmovie.nhn?sel=cur&date={date}"
# response = urlopen(html.format(date=
# urllib.parse.quote(today.strftime('%Y%m%d'))))
# soup = BeautifulSoup(response, "html.parser")
# end = len(soup.find_all('td', 'point'))
# movie_date.extend([today for n in range(0, end)])
# movie_name.extend([soup.find_all('div', 'tit5')[n].a.string for n in range(0, end)])
# movie_point.extend([soup.find_all('td', 'point')[n].string for n in range(0, end)])
# time.sleep(1)
In [5]:
# len(movie_date), len(movie_name), len(movie_point)
In [6]:
# # 수집된 데이터 건수 확인
# len(movie_date), len(movie_name), len(movie_point)
In [7]:
# movie = pd.DataFrame({'date':movie_date,
# 'name':movie_name,
# 'point':movie_point})
# movie.head()
In [8]:
movie.head()
Out[8]:
| date | name | point | |
|---|---|---|---|
| 0 | 2019-01-01 | 보헤미안 랩소디 | 9.49 |
| 1 | 2019-01-01 | 헌터 킬러 | 9.43 |
| 2 | 2019-01-01 | 폴란드로 간 아이들 | 9.42 |
| 3 | 2019-01-01 | 트루먼 쇼 | 9.32 |
| 4 | 2019-01-01 | 점박이 한반도의 공룡2 : 새로운 낙원 | 9.24 |
In [9]:
# 인터넷의 문제로 미리 수집된 데이터를 이용합니다.
# 2019년 네이버 영화 평점 리스트(2019년 네이버 영화 평점 리스트.csv 파일이용)를 movie 변수로 불러옵니다.
movie.head()
Out[9]:
| date | name | point | |
|---|---|---|---|
| 0 | 2019-01-01 | 보헤미안 랩소디 | 9.49 |
| 1 | 2019-01-01 | 헌터 킬러 | 9.43 |
| 2 | 2019-01-01 | 폴란드로 간 아이들 | 9.42 |
| 3 | 2019-01-01 | 트루먼 쇼 | 9.32 |
| 4 | 2019-01-01 | 점박이 한반도의 공룡2 : 새로운 낙원 | 9.24 |
In [10]:
# 데이터 프레임의 컬럼 정보를 확인합니다.
movie.info()
<class 'pandas.core.frame.DataFrame'> RangeIndex: 16011 entries, 0 to 16010 Data columns (total 3 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 date 16011 non-null object 1 name 16011 non-null object 2 point 16011 non-null float64 dtypes: float64(1), object(2) memory usage: 375.4+ KB
In [11]:
# date 컬럼을 datetime 타입으로 변경합니다.
movie['date']= pd.to_datetime(movie['date'])
movie.info()
<class 'pandas.core.frame.DataFrame'> RangeIndex: 16011 entries, 0 to 16010 Data columns (total 3 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 date 16011 non-null datetime64[ns] 1 name 16011 non-null object 2 point 16011 non-null float64 dtypes: datetime64[ns](1), float64(1), object(1) memory usage: 375.4+ KB
In [12]:
movie
Out[12]:
| date | name | point | |
|---|---|---|---|
| 0 | 2019-01-01 | 보헤미안 랩소디 | 9.49 |
| 1 | 2019-01-01 | 헌터 킬러 | 9.43 |
| 2 | 2019-01-01 | 폴란드로 간 아이들 | 9.42 |
| 3 | 2019-01-01 | 트루먼 쇼 | 9.32 |
| 4 | 2019-01-01 | 점박이 한반도의 공룡2 : 새로운 낙원 | 9.24 |
| ... | ... | ... | ... |
| 16006 | 2019-12-31 | 대통령의 7시간 | 6.18 |
| 16007 | 2019-12-31 | 쥬만지: 넥스트 레벨 | 6.13 |
| 16008 | 2019-12-31 | 백두산 | 5.93 |
| 16009 | 2019-12-31 | 아내를 죽였다 | 5.18 |
| 16010 | 2019-12-31 | 캣츠 | 4.69 |
16011 rows × 3 columns
In [13]:
# 영화별 평점 평균을 계산합니다.
movie.pivot_table(index='name')
Out[13]:
| point | |
|---|---|
| name | |
| 0.0MHz | 5.604231 |
| 1919 유관순 | 8.449024 |
| 28일 후 | 7.906774 |
| 47미터 2 | 7.244756 |
| 4월 이야기 | 8.190000 |
| ... | ... |
| 호텔 뭄바이 | 9.318500 |
| 홀리 모터스 | 7.560294 |
| 황혼에서 새벽까지 | 8.080385 |
| 히트 | 9.100000 |
| 힘을 내요, 미스터 리 | 7.601077 |
494 rows × 1 columns
In [14]:
movie.groupby(['name']).agg('mean')
Out[14]:
| point | |
|---|---|
| name | |
| 0.0MHz | 5.604231 |
| 1919 유관순 | 8.449024 |
| 28일 후 | 7.906774 |
| 47미터 2 | 7.244756 |
| 4월 이야기 | 8.190000 |
| ... | ... |
| 호텔 뭄바이 | 9.318500 |
| 홀리 모터스 | 7.560294 |
| 황혼에서 새벽까지 | 8.080385 |
| 히트 | 9.100000 |
| 힘을 내요, 미스터 리 | 7.601077 |
494 rows × 1 columns
In [15]:
# 평균 평점이 높은 10개 영화를 시각화합니다.
movie.pivot_table(index=['name']).sort_values(['point'],ascending=False).head(10)
Out[15]:
| point | |
|---|---|
| name | |
| 그린 북 | 9.627650 |
| 가버나움 | 9.595488 |
| 포드 V 페라리 | 9.576667 |
| 베일리 어게인 | 9.545778 |
| 사랑의 선물 | 9.530588 |
| 주전장 | 9.513767 |
| 원더 | 9.450000 |
| 안녕 베일리 | 9.447805 |
| 보헤미안 랩소디 | 9.442478 |
| 당갈 | 9.438000 |
In [16]:
# 평균 평점이 낮은 10개 영화를 시각화합니다.
movie.pivot_table(index=['name']).sort_values(['point'],ascending=True).head(10)
Out[16]:
| point | |
|---|---|
| name | |
| 킹 오브 프리즘 -샤이니 세븐 스타즈- | 2.008889 |
| 행동하는 양심 김대중 | 3.044444 |
| 얼굴없는 보스 | 3.437000 |
| 나랏말싸미 | 3.534694 |
| 자전차왕 엄복동 | 4.047692 |
| 극장판 엉덩이 탐정: 화려한 사건 수첩 | 4.149535 |
| 천안함 프로젝트 | 4.330000 |
| 시선 | 4.340000 |
| 봉신연의: 영웅의 귀환 | 4.866000 |
| 우상 | 4.866667 |
In [17]:
movie.pivot_table(index='name',values='point',aggfunc='count')
Out[17]:
| point | |
|---|---|
| name | |
| 0.0MHz | 26 |
| 1919 유관순 | 82 |
| 28일 후 | 31 |
| 47미터 2 | 82 |
| 4월 이야기 | 19 |
| ... | ... |
| 호텔 뭄바이 | 40 |
| 홀리 모터스 | 34 |
| 황혼에서 새벽까지 | 26 |
| 히트 | 1 |
| 힘을 내요, 미스터 리 | 65 |
494 rows × 1 columns
In [18]:
# 영화별 평점 건수(리뷰 요일)를 계산합니다.
movie.groupby(['name'])['point'].agg(['count'])
Out[18]:
| count | |
|---|---|
| name | |
| 0.0MHz | 26 |
| 1919 유관순 | 82 |
| 28일 후 | 31 |
| 47미터 2 | 82 |
| 4월 이야기 | 19 |
| ... | ... |
| 호텔 뭄바이 | 40 |
| 홀리 모터스 | 34 |
| 황혼에서 새벽까지 | 26 |
| 히트 | 1 |
| 힘을 내요, 미스터 리 | 65 |
494 rows × 1 columns
In [19]:
# 평점 건수(리뷰 요일)가 높은 10개 영화를 시각화합니다.
movie.pivot_table(index='name', values='date', aggfunc='count').sort_values('date',ascending=False).head(10)
Out[19]:
| date | |
|---|---|
| name | |
| 교회오빠 | 226 |
| 기생충 | 214 |
| 그린 북 | 183 |
| 인생 후르츠 | 172 |
| 가버나움 | 164 |
| 일일시호일 | 156 |
| 알라딘 | 153 |
| 주전장 | 146 |
| 극한직업 | 131 |
| 폴란드로 간 아이들 | 130 |
In [20]:
# 평점 건수(리뷰 요일)가 낮은 10개 영화를 시각화합니다.
movie.pivot_table(index='name', values='date', aggfunc='count').sort_values('date',ascending=True).head(10)
Out[20]:
| date | |
|---|---|
| name | |
| 나쁜 나라 | 1 |
| 라스베가스를 떠나며 | 1 |
| 명탐정 코난 : 제로의 집행인 | 1 |
| 그때 그사람들 | 1 |
| 수상한 그녀 | 1 |
| 리즈와 파랑새 | 1 |
| 분노의 질주: 언리미티드 | 1 |
| 인천상륙작전 | 1 |
| 럭키 | 1 |
| 천장지구 | 1 |
In [21]:
# 평균 평점이 높은 순서대로 영화 정보를 추출합니다.
tmp = movie.pivot_table(index='name').sort_values('point',ascending=False).index
tmp
Out[21]:
Index(['그린 북', '가버나움', '포드 V 페라리', '베일리 어게인', '사랑의 선물', '주전장', '원더', '안녕 베일리',
'보헤미안 랩소디', '당갈',
...
'우상', '봉신연의: 영웅의 귀환', '시선', '천안함 프로젝트', '극장판 엉덩이 탐정: 화려한 사건 수첩',
'자전차왕 엄복동', '나랏말싸미', '얼굴없는 보스', '행동하는 양심 김대중', '킹 오브 프리즘 -샤이니 세븐 스타즈-'],
dtype='object', name='name', length=494)
In [22]:
# 평균 평점 1위 영화의 평점 변화를 시각화합니다.
green_book_rank = movie.groupby(['name'])[['point']].agg('mean').sort_values('point', ascending=False).index[0]
green_book_rank
gdf = movie[movie['name']==green_book_rank]
gdf.plot(x='date', figsize=(12,8))
plt.show()
In [23]:
# 모든 영화에 대해 날짜별 평점 변화를 계산합니다.
movie.pivot_table(index='date',columns='name', values='point').head(5)
Out[23]:
| name | 0.0MHz | 1919 유관순 | 28일 후 | 47미터 2 | 4월 이야기 | 500일의 썸머 | 7년-그들이 없는 언론 | 7번방의 선물 | 80일간의 세계일주 | 82년생 김지영 | ... | 헬보이 | 현기증 | 혈투 | 호두까기 인형과 4개의 왕국 | 호랑이보다 무서운 겨울손님 | 호텔 뭄바이 | 홀리 모터스 | 황혼에서 새벽까지 | 히트 | 힘을 내요, 미스터 리 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| date | |||||||||||||||||||||
| 2019-01-01 | NaN | NaN | NaN | NaN | NaN | NaN | 8.52 | NaN | NaN | NaN | ... | NaN | NaN | NaN | 7.39 | NaN | NaN | NaN | NaN | 9.1 | NaN |
| 2019-01-02 | NaN | NaN | NaN | NaN | NaN | NaN | 8.52 | NaN | NaN | NaN | ... | NaN | NaN | NaN | 7.40 | NaN | NaN | NaN | NaN | NaN | NaN |
| 2019-01-03 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | ... | NaN | NaN | NaN | 7.40 | NaN | NaN | NaN | NaN | NaN | NaN |
| 2019-01-04 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | ... | NaN | NaN | NaN | 7.40 | NaN | NaN | NaN | NaN | NaN | NaN |
| 2019-01-05 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | ... | NaN | NaN | NaN | 7.40 | NaN | NaN | NaN | NaN | NaN | NaN |
5 rows × 494 columns
In [24]:
# 평점이 없는 경우 (na의 경우) 0으로 치환합니다.
movie.pivot_table(index='date',columns='name', values='point').fillna(0)
Out[24]:
| name | 0.0MHz | 1919 유관순 | 28일 후 | 47미터 2 | 4월 이야기 | 500일의 썸머 | 7년-그들이 없는 언론 | 7번방의 선물 | 80일간의 세계일주 | 82년생 김지영 | ... | 헬보이 | 현기증 | 혈투 | 호두까기 인형과 4개의 왕국 | 호랑이보다 무서운 겨울손님 | 호텔 뭄바이 | 홀리 모터스 | 황혼에서 새벽까지 | 히트 | 힘을 내요, 미스터 리 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| date | |||||||||||||||||||||
| 2019-01-01 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 8.52 | 0.0 | 0.0 | 0.00 | ... | 0.0 | 0.0 | 0.0 | 7.39 | 0.0 | 0.0 | 0.0 | 0.0 | 9.1 | 0.0 |
| 2019-01-02 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 8.52 | 0.0 | 0.0 | 0.00 | ... | 0.0 | 0.0 | 0.0 | 7.40 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| 2019-01-03 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.00 | 0.0 | 0.0 | 0.00 | ... | 0.0 | 0.0 | 0.0 | 7.40 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| 2019-01-04 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.00 | 0.0 | 0.0 | 0.00 | ... | 0.0 | 0.0 | 0.0 | 7.40 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| 2019-01-05 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.00 | 0.0 | 0.0 | 0.00 | ... | 0.0 | 0.0 | 0.0 | 7.40 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 2019-12-27 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.00 | 0.0 | 0.0 | 6.69 | ... | 0.0 | 0.0 | 0.0 | 0.00 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| 2019-12-28 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.00 | 0.0 | 0.0 | 6.69 | ... | 0.0 | 0.0 | 0.0 | 0.00 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| 2019-12-29 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.00 | 0.0 | 0.0 | 6.69 | ... | 0.0 | 0.0 | 0.0 | 0.00 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| 2019-12-30 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.00 | 0.0 | 0.0 | 6.69 | ... | 0.0 | 0.0 | 0.0 | 0.00 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| 2019-12-31 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.00 | 0.0 | 0.0 | 6.69 | ... | 0.0 | 0.0 | 0.0 | 0.00 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
365 rows × 494 columns
In [25]:
# date 컬럼에서 년, 월, 일, 요일 정보를 추출합니다.
movie['year'] = pd.DatetimeIndex(movie['date']).year
movie['month'] = pd.DatetimeIndex(movie['date']).month
movie['day'] = pd.DatetimeIndex(movie['date']).day
movie['wday'] = pd.DatetimeIndex(movie['date']).weekday
movie['week'] = pd.DatetimeIndex(movie['date']).week
movie
Out[25]:
| date | name | point | year | month | day | wday | week | |
|---|---|---|---|---|---|---|---|---|
| 0 | 2019-01-01 | 보헤미안 랩소디 | 9.49 | 2019 | 1 | 1 | 1 | 1 |
| 1 | 2019-01-01 | 헌터 킬러 | 9.43 | 2019 | 1 | 1 | 1 | 1 |
| 2 | 2019-01-01 | 폴란드로 간 아이들 | 9.42 | 2019 | 1 | 1 | 1 | 1 |
| 3 | 2019-01-01 | 트루먼 쇼 | 9.32 | 2019 | 1 | 1 | 1 | 1 |
| 4 | 2019-01-01 | 점박이 한반도의 공룡2 : 새로운 낙원 | 9.24 | 2019 | 1 | 1 | 1 | 1 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 16006 | 2019-12-31 | 대통령의 7시간 | 6.18 | 2019 | 12 | 31 | 1 | 1 |
| 16007 | 2019-12-31 | 쥬만지: 넥스트 레벨 | 6.13 | 2019 | 12 | 31 | 1 | 1 |
| 16008 | 2019-12-31 | 백두산 | 5.93 | 2019 | 12 | 31 | 1 | 1 |
| 16009 | 2019-12-31 | 아내를 죽였다 | 5.18 | 2019 | 12 | 31 | 1 | 1 |
| 16010 | 2019-12-31 | 캣츠 | 4.69 | 2019 | 12 | 31 | 1 | 1 |
16011 rows × 8 columns
In [26]:
# 영화의 요일별 평균 평점을 계산합니다.
movie.pivot_table(index=['name','wday'], values='point')
Out[26]:
| point | ||
|---|---|---|
| name | wday | |
| 0.0MHz | 0 | 5.522500 |
| 1 | 5.482500 | |
| 2 | 5.697500 | |
| 3 | 5.592500 | |
| 4 | 5.587500 | |
| ... | ... | ... |
| 힘을 내요, 미스터 리 | 2 | 7.585000 |
| 3 | 7.619000 | |
| 4 | 7.613333 | |
| 5 | 7.602000 | |
| 6 | 7.602222 |
3165 rows × 1 columns
In [27]:
# 인덱스를 재설정합니다. reset_index함수 이용
movie.pivot_table(index=['name','wday'], values='point').reset_index()
Out[27]:
| name | wday | point | |
|---|---|---|---|
| 0 | 0.0MHz | 0 | 5.522500 |
| 1 | 0.0MHz | 1 | 5.482500 |
| 2 | 0.0MHz | 2 | 5.697500 |
| 3 | 0.0MHz | 3 | 5.592500 |
| 4 | 0.0MHz | 4 | 5.587500 |
| ... | ... | ... | ... |
| 3160 | 힘을 내요, 미스터 리 | 2 | 7.585000 |
| 3161 | 힘을 내요, 미스터 리 | 3 | 7.619000 |
| 3162 | 힘을 내요, 미스터 리 | 4 | 7.613333 |
| 3163 | 힘을 내요, 미스터 리 | 5 | 7.602000 |
| 3164 | 힘을 내요, 미스터 리 | 6 | 7.602222 |
3165 rows × 3 columns
In [28]:
# 영화의 주별 평균 평점을 계산합니다.
movie.pivot_table(index=['name','week'],values=['point'])
Out[28]:
| point | ||
|---|---|---|
| name | week | |
| 0.0MHz | 22 | 6.026000 |
| 23 | 5.844286 | |
| 24 | 5.515714 | |
| 25 | 5.235000 | |
| 26 | 5.118000 | |
| ... | ... | ... |
| 힘을 내요, 미스터 리 | 44 | 7.560000 |
| 45 | 7.570000 | |
| 46 | 7.570000 | |
| 47 | 7.570000 | |
| 48 | 7.570000 |
2902 rows × 1 columns
In [29]:
# 인덱스를 재설정합니다. reset_index함수 이용
movie.pivot_table(index=['name','week'], values='point').reset_index()
Out[29]:
| name | week | point | |
|---|---|---|---|
| 0 | 0.0MHz | 22 | 6.026000 |
| 1 | 0.0MHz | 23 | 5.844286 |
| 2 | 0.0MHz | 24 | 5.515714 |
| 3 | 0.0MHz | 25 | 5.235000 |
| 4 | 0.0MHz | 26 | 5.118000 |
| ... | ... | ... | ... |
| 2897 | 힘을 내요, 미스터 리 | 44 | 7.560000 |
| 2898 | 힘을 내요, 미스터 리 | 45 | 7.570000 |
| 2899 | 힘을 내요, 미스터 리 | 46 | 7.570000 |
| 2900 | 힘을 내요, 미스터 리 | 47 | 7.570000 |
| 2901 | 힘을 내요, 미스터 리 | 48 | 7.570000 |
2902 rows × 3 columns
In [30]:
# 영화별 주차를 계산합니다. 주차는 그 영화가 몇주가 동안 상영됬는지
def count(x):
return len(x.unique())
movie.groupby(['name'])['week'].agg(count).sort_values(ascending=False)
# movie[movie['name'] == '교회오빠']['week'].unique()
# movie[movie['name'] == '교회오빠']['week'].nunique()
Out[30]:
name
교회오빠 33
기생충 32
그린 북 31
알라딘 28
가버나움 26
..
코코 1
꾸뻬씨의 행복여행 1
꿈의 제인 1
용호문 1
라스베가스를 떠나며 1
Name: week, Length: 494, dtype: int64
In [31]:
# 평균 평점 10위 영화의 이름을 추출합니다
tmp = movie.pivot_table(index='name').sort_values('point',ascending=False).index[:10]
tmp
Out[31]:
Index(['그린 북', '가버나움', '포드 V 페라리', '베일리 어게인', '사랑의 선물', '주전장', '원더', '안녕 베일리',
'보헤미안 랩소디', '당갈'],
dtype='object', name='name')
In [32]:
movie.groupby(['name','month']).agg('mean')
Out[32]:
| point | year | day | wday | week | ||
|---|---|---|---|---|---|---|
| name | month | |||||
| 0.0MHz | 5 | 6.083333 | 2019.0 | 30.000000 | 3.000000 | 22.000000 |
| 6 | 5.541739 | 2019.0 | 13.086957 | 2.782609 | 24.043478 | |
| 1919 유관순 | 4 | 8.582692 | 2019.0 | 17.500000 | 3.038462 | 15.923077 |
| 5 | 8.561364 | 2019.0 | 12.409091 | 3.545455 | 19.409091 | |
| 7 | 8.287143 | 2019.0 | 23.714286 | 2.714286 | 29.857143 | |
| ... | ... | ... | ... | ... | ... | ... |
| 황혼에서 새벽까지 | 7 | 8.080000 | 2019.0 | 12.000000 | 2.782609 | 28.173913 |
| 히트 | 1 | 9.100000 | 2019.0 | 1.000000 | 1.000000 | 1.000000 |
| 힘을 내요, 미스터 리 | 9 | 7.670000 | 2019.0 | 21.000000 | 3.157895 | 38.263158 |
| 10 | 7.573871 | 2019.0 | 16.000000 | 2.903226 | 41.870968 | |
| 11 | 7.570000 | 2019.0 | 17.533333 | 3.266667 | 46.466667 |
1138 rows × 5 columns
In [33]:
tmp
Out[33]:
Index(['그린 북', '가버나움', '포드 V 페라리', '베일리 어게인', '사랑의 선물', '주전장', '원더', '안녕 베일리',
'보헤미안 랩소디', '당갈'],
dtype='object', name='name')
In [34]:
# 평균 평점 10위 영화의 월별 평균 평점을 계산합니다.
# top=movie[movie['name'].isin(tmp)]
#top=movie[movie['name'].isin(tmp)].groupby(['name','month'])[['point']].agg('mean')
#top
top_10=movie[movie['name'].isin(tmp)]
top_10.pivot_table(index=['name','month'], values='point')
Out[34]:
| point | ||
|---|---|---|
| name | month | |
| 가버나움 | 1 | 9.590000 |
| 2 | 9.588929 | |
| 3 | 9.600000 | |
| 4 | 9.598333 | |
| 5 | 9.600000 | |
| 6 | 9.593333 | |
| 12 | 9.590000 | |
| 그린 북 | 1 | 9.670476 |
| 2 | 9.641429 | |
| 3 | 9.625161 | |
| 4 | 9.620000 | |
| 5 | 9.620000 | |
| 6 | 9.612000 | |
| 7 | 9.611250 | |
| 9 | 9.610000 | |
| 10 | 9.610000 | |
| 11 | 9.610000 | |
| 당갈 | 5 | 9.430000 |
| 8 | 9.440000 | |
| 베일리 어게인 | 4 | 9.549286 |
| 5 | 9.540000 | |
| 보헤미안 랩소디 | 1 | 9.471935 |
| 2 | 9.438571 | |
| 3 | 9.430000 | |
| 4 | 9.424348 | |
| 사랑의 선물 | 9 | 9.660000 |
| 10 | 9.513333 | |
| 안녕 베일리 | 9 | 9.474286 |
| 10 | 9.420000 | |
| 원더 | 7 | 9.450000 |
| 주전장 | 8 | 9.532258 |
| 9 | 9.533333 | |
| 10 | 9.515806 | |
| 11 | 9.492143 | |
| 12 | 9.490000 | |
| 포드 V 페라리 | 12 | 9.576667 |
'workSpace > PYTHON' 카테고리의 다른 글
| [ML] SVM - 지도학습 분류모델 (0) | 2021.01.18 |
|---|---|
| [ML][DL] 전반적인 이해도 및 로직 설명, 자료 (0) | 2021.01.18 |
| [Pandas] 판다스 기초 상식 및 함수 정리 4 - pivot_table (0) | 2021.01.14 |
| [Pandas] 판다스 기초 상식 및 함수 정리 3 - groupby (0) | 2021.01.14 |
| [Pandas] 판다스 기초 상식 정리 및 함수 응용 2 - 서울시 구별 CCTV 현황 분석하기 (0) | 2021.01.13 |