豆瓣Top250網址
將之前爬取到的豆瓣電影進行簡單的視覺化：
資料列表儲存為CSV格式，如圖

#!-*- coding:utf-8 -*-
import pandas as pd
import numpy as np
import matplotlib.pylab as plt
import re
from numpy import rank
from builtins import map
from datashape.coretypes import Map
#http://www.jianshu.com/p/0a76c94e9db7 參考了簡書上的餅狀圖教程
#切換工作目錄，IPython執行%pylab
 

Movie=pd.read_csv('MovieTop250.csv') #資料讀取

#Rating pie
Rating=Movie['Rating10']
bins=[8,8.5,9,9.5,10]  #分割槽(0,8],(8,8.5]....
rat_cut=pd.cut(Rating,bins=bins)
rat_class=rat_cut.value_counts()  #統計區間個數
rat_pct=rat_class/rat_class.sum()*100  #計算百分比
rat_arr_pct=np.array(rat_pct)#將series格式轉成array，為了避免pie中出現name
 

f1=plt.figure(figsize=(9,9))
plt.title('DoubanMovieTop250\nRatingDistributin(0~10)')
plt.pie(rat_arr_pct,labels=rat_pct.index,colors=['r','g','b','c'],autopct='%.2f%%',startangle=75,explode=[0.05]*4)  #autopct屬性顯示百分比的值
plt.savefig('MovieTop250.RatingDistributin(0~10).png')
f1.show()
#explode:將某部分爆炸出來， 使用括號，將第一塊分割出來，數值的大小是分割出來的與其他兩塊的間隙
 

#labeldistance，文字的位置離遠點有多遠，1.1指1.1倍半徑的位置
#autopct，圓裡面的文字格式，%3.1f%%表示小數有三位，整數有一位的浮點數
#shadow，餅是否有陰影
#startangle，起始角度，0，表示從0開始逆時針轉，為第一塊。一般選擇從90度開始比較好看
#pctdistance，百分比的text離圓心的距離
#patches, l_texts, p_texts，為了得到餅圖的返回值，p_texts餅圖內部文字的，l_texts餅圖外label的文字

豆瓣電影Top250評分的分佈餅圖：

#year pie
year=Movie['Year']
for i in year.index:
    if len(year[i])>4:
        year.drop(i,inplace=True)  #  year.drop(i,inplace=True)  去除多個年代的特例,inplace重要，修改改變原值
year=year.astype(int)
bins=np.linspace(min(year)-1,max(year)+1,10).astype(int)  #產生區間,bins一般為(,]的，所以+1
year_cut=pd.cut(year,bins=bins)
year_class=year_cut.value_counts()
year_pct=year_class/year_class.sum()*100
year_arr_pct=np.array(year_pct)
color=['b', 'g', 'r', 'c', 'm', 'y', (0.2,0.5,0.7), (0.6,0.5,0.7),(0.2,0.7,0.1)]  #RGB 0-1之間的tuple
f2=plt.figure(figsize=(9,9))
patches,out_text,in_text=plt.pie(year_arr_pct,labels=year_pct.index,colors=color,autopct='%.2f%%',explode=[0.05]*9,startangle=30)
plt.title('MovieTop250\nYears Distribution')
f2.show()
plt.savefig('MovieTop250_YearsDistribution.png')

電影出品年的分佈餅圖：

#評價人數 
rank=np.array(Movie.index,dtype=int)+1 #index start from 0 
Movie['rank']=rank
f3=plt.figure(3,figsize=(12,10))
plt.scatter(x=Movie['rank'],y=Movie['RatingNum'],c=Movie['Rating10'],s=80)
plt.title('Douban Movie\nRank and Rating People by Rating',fontsize=20)
plt.xlabel('Rank',fontsize=15)
plt.ylabel('Rating People',fontsize=15)
plt.axis([-5,255,0,750000])  #x軸座標範圍
plt.colorbar()  #顯示colorbar
plt.savefig('DoubanMovie_Rank_and_RatingPeople_by_Rating.png')
plt.show()

豆瓣電影Top250，電影排名&評價人數&電影評分的散點圖：

這張圖比較有意思：
1）評價人數比較少的電影，評分往往要高點（排除前面口碑爆棚的幾部），可能因為評價的樣本不夠，分數會偏高。所以評價人數多的更客觀。
2）豆瓣的排名看來是按評價人數和評分加權排名的.找到了豆瓣排序演算法的一些介紹，然而並沒有介紹具體公式，連結豆瓣演算法
3）前面幾部看來真的經典到不行。
前10名：肖申克的救贖
這個殺手不太冷
阿甘正傳
霸王別姬
美麗人生
千與千尋
辛德勒的名單
海上鋼琴師
機器人總動員
盜夢空間
泰坦尼克號
（千與千尋還沒看過。。。）

按電影國家分類：

#!-*- coding:utf-8 -*-
import pandas as pd
import numpy as np
import matplotlib.pylab as plt
from matplotlib.font_manager import FontProperties  #fontproperties的模組，pyde自動新增的，好評

Movie=pd.read_csv('MovieTop250.csv',encoding='utf-8')
country_iter=(set(x.split(' ')) for x in Movie['Country']) #generator生成器，分解字串
countries=sorted(set.union(*country_iter)) #Return the union of sets as a new set.
#*country_iter:This works for any iterable of iterables.
df=pd.DataFrame(np.zeros((len(Movie),len(countries))),columns=countries)#建立一個0DataFrame，np.zeros()內為要tuple
for i,gen in enumerate(Movie['Country']): 
    df.ix[i,gen.split(' ')]=1  #第i條資料的country置為1
num_of_country=df.sum() 
num_of_country[1]=num_of_country[0]+num_of_country[1]  #中國和中國大陸合併
num_of_country.pop('中國')
num_of_country.sort_values(inplace=True,ascending=False)
f1=plt.figure()
for i,gen in enumerate(num_of_country[:10]):
    plt.bar(i,gen)   #i為bar的起始橫座標，gen為縱座標，寬度預設
names=list(num_of_country.index)
plt.xticks(np.arange(10)+0.4,names,fontproperties='SimHei')  #在圖中顯示中文字元要加上fontproperties='SimHei'
plt.ylabel('Movie Number')
plt.title('Douban Movie\nMovie Distribution by Countries')
plt.savefig('Movie_Distribution_by_Countries.png')
f1.show()
國家分佈的柱狀圖：

因為有些影片為多國合作的，也算各自國家的吧。
過濾了很多隻有一兩部的國家，果然還是美帝有金坷垃，畝產一萬八

genre_iter=(set(x.split(' ')) for x in Movie['Grenre'])
genre=sorted(set.union(*genre_iter))
frame=pd.DataFrame(np.zeros((len(Movie),len(genre))),columns=genre)
for i,gen in enumerate(Movie['Grenre']):
    frame.ix[i,gen.split(' ')]=1
genre_sum=frame.sum()
genre_sum.sort_values(inplace=True,ascending=False)
f2=plt.figure(2)
'''for i,gen in enumerate(genre_sum[:8]):
    plt.bar(i,gen)
names=list(genre_sum.index)
plt.xticks(np.arange(8)+0.4,names,fontproperties='SimHei')
plt.show()'''
#改進的方法
p2=plt.bar(np.arange(8),genre_sum.values[:8],align='center') #p2包含8個元素，每個對應一個bar
names=list(genre_sum.index)
plt.xticks(np.arange(8),names,fontproperties='SimHei')
plt.legend((p2[0],),('MovieNumber',)) #只有一個元素的tuple應寫成(ele,)
plt.ylabel('Movie Number')
plt.title('Douban Movie\nDistribution by Genre')
plt.savefig('Movie_Distribution_by_Genre.png')
plt.show()

影片型別分佈柱狀圖：

這裡的劇情類基本大多數影片都算，定義很不清晰。
看來還是愛情屬性最能引起觀眾的共鳴，聽得最多的也是情歌

還發現簡書上一個教程點選Jupyter畫圖互動，在命令列直接輸入%pylab inline直接顯示在notebook中，不會產生新的Ipyhon視窗，對中文的支援很好。不過好像沒法儲存，當草稿打。