file_path = "./data/movie_reviews.txt"
df_org = pd.read_csv(file_path,
### 구분자 알려주기
delimiter="\t",
names=["title", "score", "comment", "label"])
df_org
### 제목 : "title", 평점 : "score", 리뷰 : "comment", "label"
title score comment label
0 서울의 봄 10 꼭 봐야 할 영화!!무능이 얼마나 무서운 일인지보여주는 영화!!영화 속 일은 현재도... 1
### 평점(score) 현황 데이터 확인
df_org["score"].value_counts()
score
10 2911
1 394
9 209
8 144
2 93
6 87
7 85
5 69
4 47
3 34
### 긍정/부정 현황 데이터 확인
df_org["label"].value_counts()
label
1 3264
0 568
2 241
### 중복데이터 확인하기
# - keep=False : 중복된 모든행 체크(중복이 있으면 True, 없으면 False)
df_org[df_org.duplicated(keep=False) == True]
title score comment label
59 서울의 봄 10 최고 1
125 서울의 봄 10 최고입니다 1
### 중복 데이터 추출하기
# - 중복 중에 하나는 제외하고 나머지 중복만 추출
df_del = df_org[df_org.duplicated() == True]
len(df_org[df_org.duplicated() == True])
40
### 중복제거하기
df_new = df_org.drop_duplicates()
len(df_new)
df_new.info()
데이터 탐색하기
### 영화 제목만 추출하기
df_new["title"].unique()
len(df_new["title"].unique())
10
### 영화 제목별 리뷰갯수 현황 확인하기
df_new["title"].value_counts()
title
서울의 봄 2317
뉴 노멀 510
더 마블스 290
그대들은 어떻게 살 것인가 287
30일 220
소년들 179
싱글 인 서울 84
프레디의 피자가게 63
톡 투 미 46
헝거게임: 노래하는 새와 뱀의 발라드 37
데이터 시각화
### 영화제목을 리스트 타입으로 받아오기
"""
- array() : 넘파이(numpy)에서 사용하는 배열(파이썬의 리스트와 동일)
: 단, 하나의 타입만 저장 가능합니다.
이외 사용법은 파이썬의 리스트와 동일
"""
# - unique() : numpy의 배열 타입으로 반환함
# - tolist() : 파이썬의 리스트 타입으로 변환하는 함수
movie_title = df_new["title"].unique().tolist()
# movie_title
### 영화별 평점 평균 추출하기
# - 평점평균값을 저장할 딕셔너리 변수 선언
avg_score = {}
for m_title in movie_title :
### 평점 평균 계산하여 딕셔너리에 넣기
avg = df_new[df_new["title"] == m_title]["score"].mean()
# print(f"평점평균 : {avg}")
### 딕셔너리에 담기
# key는 제목, value는 평점평균 값
avg_score[m_title] = avg
print(f"딕셔너리 최종값 : {avg_score}")
딕셔너리 최종값 : {'서울의 봄': 9.464393612429866, '그대들은 어떻게 살 것인가': 5.397212543554007, '더 마블스': 3.7724137931034485, '프레디의 피자가게': 7.015873015873016, '소년들': 8.134078212290502, '30일': 6.786363636363636, '톡 투 미': 7.217391304347826, '헝거게임: 노래하는 새와 뱀의 발라드': 6.72972972972973, '뉴 노멀': 9.48235294117647, '싱글 인 서울': 8.273809523809524}
### 영화별 평점평균 시각화
# - 그래프 너비와 높이 지정
plt.figure(figsize=(20, 15))
# - 그래프 제목
plt.title("영화별 평점 평균 막대그래프", fontsize=17, fontweight="bold")
### 각 영화별 평점 평균 막대그래프 그리기
for k, v in avg_score.items() :
### 컬러값 지정하기
# - array_str() : 문자열로 변환하는 함수
# - where() : 파이썬에서 if문과 동일한 조건문
# - where(조건, 참, 거짓) : 조건이 참이면 첫번째 값, 거짓이면 두번째 값 처리
color = np.array_str(np.where(v==max(avg_score.values()), "orange", "lightgray"))
# print(color)
### 막대 그래프 그리기
plt.bar(k, v, color=color)
### 막대 그래프 상단에 평점평균 텍스트 표시하기
# - "%.2f"%v : 표시할 값 (소숫점 2자리까지 표현)
plt.text(k, v, "%.2f"%v, horizontalalignment="center",
verticalalignment="bottom")
### x축과 y축 제목 넣기
plt.xlabel("영화제목", fontweight="bold")
plt.ylabel("평점평균", fontweight="bold")
plt.xticks(rotation=300)
### 그래프를 이미지로 저장시키기
# - savefig() 함수는 plt.show() 이전에 있어야함
plt.savefig("./img/영화별 평점 평균 막대그래프.png")
plt.show()
점(분포) 그래프 그리기
### 각 영화별 평점 분포도 그리기
# - 하나의 큰 그래프 안에 10개의 그래프를 넣어서 표현
# --> 이를 subplot 이라고 칭합니다.
# - 5행 2열의 subplot 생성하여 구현하기
# - subplots(행갯수, 열갯수, 전체 그래프 크기)
# - fig : 클 그래프 정보
# - axs : 5행 2열의 내부 그래프 공간 정보
fig, axs = plt.subplots(5, 2, figsize=(15, 25))
### 여러개의 그래프를 for문을 이용해서 표현하고자 할 때 아래먼저 수해
# - flatten() : 틀 정렬하기 -> 5행 2열의 틀을 정렬해 놓기..
# - for문 돌리기 전에 정렬해서 넣어야 하는 문법적 순서...
# - 리스트 화 되어있음
axs = axs.flatten()
### 각 그래프를 행렬 공간의 subplot에 넣기
# - 셋다 리스트라 집으로 묶고 언팩하여 사용 (셋다 갯수가 같아야 함)
for title,avg, ax in zip(avg_score.keys(), avg_score.values(), axs) :
# print(f"{title}/ {score} / {ax}")
### x축에는 영화 리뷰 갯수, y축에는 평점평균
### 리뷰 갯수 추출하기
# - x축은 데이터가 없기에 갯수를 뽑고 arange를 이용해서 쭉 뽑아내고 범주형으로 만든다, x축 1번그래프를 보면 500개씩 범주를 만듬
num_reviews = len(df_new[df_new["title"] == title])
# - arange(num) : 0부터 num까지의 값을 순차적으로 만들기
x = np.arange(num_reviews)
# print(f"x--------> {x}")
### y축에는 평점 추가
y = df_new[df_new["title"] == title]["score"]
# print(f"y------------> {y}")
### 각 그래프에 제목 넣기
# - 이름을 만들고 set_title로 넣음
subtitle= f"{title}({num_reviews}명)"
ax.set_title(subtitle, fontsize=15, fontweight="bold")
### 점 그래프 그리기
# - "o" : 점으로 표현하는 마커 기호
ax.plot(x, y, "o" )
### 각 영화별 평점평균을 빨강색 점선으로 표시하기
# - axhline() : 각 subplot 공간에 수평선 그리기
ax.axhline(avg, color="red", linestyle="--")
plt.savefig("./img/각 영화별 평점 분포도.png")
plt.show
728x90반응형