商务与经济统计案例分析:3-2电影业——python 实现

要求

1.四个变量中每个变量的描述统计量，接着对每个描述统计量得出关于电影业的情况进行讨论
2.如果有，哪些电影被认为是优异表现的异常值，请解释。
3.列出总票房收入与每一个其他变量之间关系的描述统计量，请解释。

Python实现

1.四个变量中每个变量的描述统计量，接着每个描述统计量得出的关于电影业的情况进行讨论。

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

data = pd.read_csv('F:\DataAnalysis\StatisticForBusinessAndEconomics\Movie\\2011Movies.csv')
data['Number of Theaters']=data['Number of Theaters'].str.replace(",","").astype('int64')

data.describe()

相关描述性统计的分析可查看：2-2电影业

2.如果有，哪些电影被认为是优异表现的异常值，请解释。

下面是以四分位数的方式查找异常优秀的电影：

首先从票房角度：

#首映票房
Q1=data['Opening Gross Sales ($millions)'].quantile(q=0.25)#计算下四分位数
Q3=data['Opening Gross Sales ($millions)'].quantile(q=0.75)#计算上四分位数

#基于1.5倍的四分位数差计算上下限对应的值
up_limit=Q3+1.5*(Q3-Q1) #上限值
low_limit=Q1-1.5*(Q3-Q1) #下限值
Value_error=data[(data['Opening Gross Sales ($millions)']>up_limit)]
Value_error

#总票房
Q1=data['Total Gross Sales ($millions)'].quantile(q=0.25)#计算下四分位数
Q3=data['Total Gross Sales ($millions)'].quantile(q=0.75)#计算上四分位数

#基于1.5倍的四分位数差计算上下限对应的值
up_limit=Q3+1.5*(Q3-Q1) #上限值
low_limit=Q1-1.5*(Q3-Q1) #下限值
Value_error=data[(data['Total Gross Sales ($millions)']>up_limit)]
Value_error

从票房角度来看：Harry Potter and the Deathly Hallows Part 2 、Transformers: Dark of the Moon、The Twilight Saga: Breaking Dawn Part 1、The Hangover Part II、Pirates of the Caribbean: On Stranger Tides、Fast Five共6部电影不仅是首映票房还是总票房都异常高于其他电影。

Q1=data['Weeks in Release'].quantile(q=0.25)#计算下四分位数
Q3=data['Weeks in Release'].quantile(q=0.75)#计算上四分位数

#基于1.5倍的四分位数差计算上下限对应的值
up_limit=Q3+1.5*(Q3-Q1) #上限值
low_limit=Q1-1.5*(Q3-Q1) #下限值
Value_error=data[(data['Weeks in Release']>up_limit)]
Value_error

3.列出总票房收入与每一个其他变量之间关系的描述统计量，请解释。

X = np.stack((data['Total Gross Sales ($millions)'], data['Opening Gross Sales ($millions)'],data['Weeks in Release'],data['Number of Theaters']), axis=0)# 每一行作为一个变量
np.corrcoef(X)

通过计算皮尔逊相关系数可知，总票房数与首映票房数呈强正相关，其次与电影剧院数也呈正相关，与放映周数成弱正相关。这个数据刚好也验证了2-2案例-电影业中得到的结论。