Importing and Analyzing Movie Data with Pandas

10 Questions

Que fait la méthode 'applymap(format_float)' dans le code fourni?

Elle formate toutes les valeurs en deux chiffres après la virgule.

Quel est le but de la méthode 'pd.factorize(df['MOVIES']) + 1' dans le code fourni?

Créer une nouvelle colonne 'ID' avec des valeurs uniques pour chaque film.

Pourquoi la méthode 'df['CA'].map('{:.2f}'.format)' est-elle utilisée dans le code fourni?

Pour formater les valeurs de chiffre d'affaires avec deux décimales.

Que signifie 'df['TYPE2'] = np.where(df['YEAR'].str.contains('–').fillna(False), 'Série', np.where(df['YEAR'].notnull(), 'Film', 'Inconnu'))' dans le code fourni?

Identifier si un élément est un film ou une série en fonction de l'année.

Quelle est la raison de l'utilisation de 'df.replace('nan', np.nan, inplace=True)' dans le code fourni?

Transformer les strings 'nan' en valeurs numériques.

'df['TYPE1'] = np.where(df['RunTime'].fillna(0) > 60, 'Film', np.where(df['RunTime'].notnull(), 'Série', 'Inconnu'))' réalise quelle action dans le code donné?

Classifie les films et séries en fonction de leur durée.

'df.duplicated().sum()' retourne quoi dans le code fourni?

Le nombre total de valeurs dupliquées dans le DataFrame.

'valeurs_NA = df.isnull().sum()' réalise quelle tâche spécifique dans le code donné?

Compte le nombre total de valeurs manquantes dans chaque colonne du DataFrame.

'df['ID'] = pd.factorize(df['MOVIES']) + 1' crée une nouvelle colonne 'ID'. A quoi correspondent les valeurs uniques de cette colonne?

'ID' correspond à un code unique pour chaque film basé sur la colonne 'MOVIES'.

'df['CA'] = df['Gross'].fillna('0').str.replace('$', '').str.replace('M', '').astype(float) * 1000000' a pour but principal de:

Transformer les revenus au format dollar en format numérique.

Study Notes

Importation des bibliothèques et lecture des fichiers CSV

Les bibliothèques pandas et numpy sont importées pour la manipulation de données.
Quatre fichiers CSV sont lus en utilisant la méthode read_csv de pandas avec des délimiteurs différents (;, \t, ,) et des options de lecture supplémentaires (skipinitialspace=True, skiprows=4).

Exploration des données

La méthode info est utilisée pour afficher les informations de base sur le jeu de données.
La méthode isnull().sum() est utilisée pour calculer le nombre de valeurs manquantes pour chaque colonne.
Les types de variables sont affichés à l'aide de la méthode dtypes.
Les statistiques descriptives sont calculées avec la méthode describe.

Traitement des données manquantes et de conversion

Les valeurs manquantes sont remplacées par un texte par défaut dans la colonne CA.
Les valeurs de la colonne CA sont converties en float et formatées en millions avec deux décimales.

Création de nouvelles variables

Une variable ID est créée en utilisant la méthode factorize pour attribuer un identifiant unique à chaque film.
Trois variables (TYPE1, TYPE2, TYPE3) sont créées pour séparer les films et les séries en fonction de la durée de lecture, de la présence de tirets dans la colonne YEAR et de la fréquence d'apparition de l'identifiant.

Autres manipulations de données

Les valeurs manquantes sont remplacées par np.nan pour une bonne gestion des données manquantes.
La méthode applymap est utilisée pour formater les flottants avec deux décimales.