摘要：
5.3 when 查看 runtime 的类型，发现是 object 类型，也就是字符串，所以，先进行数据转化。 5.3.1 电影时长（绘制电影时长直方图） 5.3.2 发行时间（绘制每月电影数量和单片平均票房）8 5.4 where 本数据集收集的是美国地区的电影数据，对于电影的制作公司以及制作国 阅读全文
摘要：
5.7 how much 5.7.1 计算相关系数（票房相关系数矩阵） 5.7.2 票房影响因素散点图 6 对附件的 tmdb_1000_predicted.csv 的预测结果 阅读全文
摘要：
5 数据分析 5.1 why 想要探索影响票房的因素，从电影市场趋势，观众喜好类型，电影导演，发行时间，评分与 关键词等维度着手，给从业者提供合适的建议。 5.2 what 5.2.1 电影类型：定义一个集合，获取所有的电影类型 注意到集合中存在多余的元素：空的单引号，所以需要去除。5 5.2.1. 阅读全文
摘要：
2.2 补全 runtime 缺失记录的电影 runtime 分别为____94___min 和 ____240___min。 3 重复值处理 运行结果：有____4803______个不重复的 id，可以认为没有重复数据。 4 日期值处理 将 release_date 列转换为日期类型： 阅读全文
摘要：
5 筛选数据 使用数据分析师最喜欢的一个语法： 票房、预算、受欢迎程度、评分为____0___的数据应该去除； 评分人数过低的电影，评分不具有统计意义，筛选评分人数大于___50__的数据。 此时剩余____2961__条数据，包含____19__个字段。 6 json 数据转换 **说明：**ge 阅读全文
摘要：
导入数据 import numpy as npimport pandas as pdfrom pandas import DataFrame, Series #可视化显示在界面%matplotlib inline import matplotlibimport matplotlib.pyplot a 阅读全文