Value_Counts, Mapping, GroupBy et traçage

Question

Je travaille sur un projet personnel utilisant IMDB Data et j'ai actuellement épuisé toutes les possibilités.

Description rapide:

• Je suis en train de trouver le top 10 des directeurs grosses recettes et les acteurs
• Je peux le faire mais je voudrais prendre un peu plus loin et trouver que le top 10 si elles ont rencontré certains critères. EG: Vous avez déjà joué dans 4> Films

Jusqu'à présent, je l'ai exécuté les éléments suivants:

plt.subplot2grid((2,3),(0,1)) 
actor_1 = df.pivot_table(index="Actor_1", values="Gross_Earnings", aggfunc='sum').sort_values(ascending=False) 
actor_1[:15].sort_values(ascending=True).plot(kind='barh', width=0.7, alpha=0.5, color='red') 
ax.tick_params(axis='x', labelsize=60) 
ax.tick_params(axis='y', labelsize=60) 
plt.xlabel("Gross Earnings") 
plt.tight_layout() 

plt.show() 

Cela fonctionne, mais il ne retourne que les premières valeurs; pas les meilleures valeurs avec les critères supplémentaires de> 4 films.

J'ai aussi essayé ce qui suit:

no_of_films = df.groupby("Actor_1") 
name_count_key = df["Actor_1"].value_counts().to_dict() 
no_of_films["Films"] = no_of_films["Actor_1"].map(name_count_key) 

Mais il renvoie l'erreur suivante: « AttributeError: Impossible d'accéder à l'attribut appelable « carte » des objets « SeriesGroupBy », essayez d'utiliser la méthode apply »

no_of_films = df.groupby("Actor_1") 
name_count_key = df["Actor_1"].value_counts().to_dict() 
no_of_films["Films"] = no_of_films["Actor_1"].apply(name_count_key) 

Mais il renvoie l'erreur suivante: « erreur de type: Type unhashable: « dict » »

l'idée groupe par la fonction était de créer une nouvelle colonne appelée « Films » donc comptez le volume des Films dans lesquels chaque acteur a joué, puis utilisez> 4, mais il renvoie les booléens et non la valeur réelle.

Director  Actor_1   IMDB_Score Gross_Earnings Movie_Title 
Andrew Stanton Daryl Sabara 6.6   73058679   John Carter 
Sam Raimi  J.K. Simmons 6.2   336530303   Spider-Man 3 
Nathan Greno Brad Garrett 7.8   200807262   Tangled 
Joss Whedon  Chris Hemsworth 7.5   458991599   Avengers: Age of Ultron 

Est-ce possible ou suis-je bête?

Toute aide serait grandement appréciée.

Merci,

Adrian

Answer 1

Je pense que vous avez besoin filter ou boolean indexing avec transform:

print (df) 
      Director   Actor_1 IMDB_Score Gross_Earnings Movie_Title 
0  James Cameron  CCH Pounder   7.9  760505847  Avatar 
1  James Cameron  CCH Pounder   7.9  760505847  Avatar1 
2  James Cameron  CCH Pounder   7.9  760505847  Avatar2 
3  James Cameron  CCH Pounder   7.9  760505847  Avatar3 
4  Gore Verbinski  Johnny Depp   7.1  309404152  Pirates 
5   Sam Mendes Christoph Waltz   6.8  200074175  Spectre 
6  Gore Verbinski  Johnny Depp   7.1  309404152 Pirates1 
7   Sam Mendes Christoph Waltz   6.8  200074175 Spectre1 
8 Christopher Nolan  Tom Hardy   8.5  448130642   The 

df1 = df.groupby(["Actor_1"]).filter(lambda x: len(x) > 3) 
print (df1) 

     Director  Actor_1 IMDB_Score Gross_Earnings Movie_Title 
0 James Cameron CCH Pounder   7.9  760505847  Avatar 
1 James Cameron CCH Pounder   7.9  760505847  Avatar1 
2 James Cameron CCH Pounder   7.9  760505847  Avatar2 
3 James Cameron CCH Pounder   7.9  760505847  Avatar3 

ou une solution plus rapide:

nofilms = df.groupby(["Actor_1"])['Movie_Title'].transform('size') 
df1 = df[nofilms > 3] 
print (df1) 
     Director  Actor_1 IMDB_Score Gross_Earnings Movie_Title 
0 James Cameron CCH Pounder   7.9  760505847  Avatar 
1 James Cameron CCH Pounder   7.9  760505847  Avatar1 
2 James Cameron CCH Pounder   7.9  760505847  Avatar2 
3 James Cameron CCH Pounder   7.9  760505847  Avatar3 

Ensuite, utilisez groupby et agrégats mean:

df2 = df1.groupby('Actor_1')['Gross_Earnings'].mean() 
print (df2) 
Actor_1 
CCH Pounder 760505847 
Name: Gross_Earnings, dtype: int64 

Et le dernier complot ourdi par Series.plot.barh:

df2.plot.barh()