plt.rcParams['font.sans-serif']

['SimHei']

plt.rcParams['axes.unicode_minus']

False

sns.set_theme(style="whitegrid")

id="-1-数据加载-">====================

数据加载

pd.read_csv('douban_top250.csv')

print("原始数据形状：",

id="-2-数据清洗-">====================

数据清洗

df['year'].astype(str).str.extract('(\d+)').astype(float)

df['comment'].fillna('').apply(len)

df['has_comment']

id="-3-统计分析-">====================

统计分析

'comment_length']].describe())

df['score_category'].value_counts().sort_index()

print("\n===

id="-4-数据可视化-">====================

ax1.set_title('豆瓣Top250评分分布')

df['decade'].value_counts().sort_index()

sns.barplot(x=decade_counts.index,

ax=ax2,

df['score_category'].value_counts().plot.pie(

autopct='%1.1f%%',

ax6.set_title('评分最高的10部电影')

plt.savefig('movie_analysis_full.png',

dpi=300,

id="-5-高级分析-">====================

高级分析

plt.savefig('correlation_heatmap.png',

dpi=300)

df.groupby('year')['rating'].mean().reset_index()

6))

plt.savefig('rating_trend.png',

dpi=300)

plt.savefig('joint_distribution.png',

dpi=300)

id="-6-生成分析报告-">====================

生成分析报告

open('movie_analysis_report.txt',

'w',

f.write("豆瓣电影Top250数据分析报告\n")

f.write(f"生成时间：{pd.Timestamp.now().strftime('%Y-%m-%d

%H:%M:%S')}\n")

f.write(f"数据总量：{len(df)}
部电影\n")
f.write(f"时间范围：{df['year'].min()}年
f.write(f"平均评分：{df['rating'].mean():.2f}\n")
f.write(f"最高评分：{df['rating'].max()}（{df.loc[df['rating'].idxmax(),
'title']}）\n")
f.write(f"最低评分：{df['rating'].min()}（{df.loc[df['rating'].idxmin(),
'title']}）\n\n")f.write("评分等级分布：\n")
for
df['score_category'].value_counts().sort_index().items():f.write(f"
{cat}:
({count/len(df)*100:.1f}%)\n")f.write("\n各年代电影数量：\n")
for
df['decade'].value_counts().sort_index().items():f.write(f"
{decade}年代:
movie_analysis_report.txt")
解决：使用reset_index()将分组索引转回列，或使用as_index=False参数
解决：设置plt.rcParams['font.sans-serif']指定中文字体，如['SimHei']
问题：透视表聚合函数不生效
解决：检查数据类型，确保数值列是数字类型（pd.to_numeric()转换）
问题：时间序列重采样报错
解决：确保索引是DatetimeIndex类型，使用pd.to_datetime()转换
解决：使用plt.tight_layout()自动调整子图间距
三、学习总结
Pandas是数据分析的核心工具，掌握了分组聚合、透视表、时间序列等高级功能
Seaborn基于Matplotlib，提供了更高级的统计可视化接口，代码更简洁
数据分析的完整流程：数据采集→清洗→特征工程→分析→可视化→报告
数据可视化时，选择合适的图表类型比华丽的外观更重要
掌握了从原始数据到业务洞察的完整转化能力