Spaces:
Sleeping
Sleeping
File size: 5,525 Bytes
e964b12 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 |
import pandas as pd
'''# Gộp 2 data từ the-numbers và movie-mojo
df_a = pd.read_csv("../mojo/data/all_movie_mojo.csv")
df_b = pd.read_csv("../the-numbers/data/all_the-numbers.csv")
# Thêm cột genres cho df_b với giá trị ""
df_b["genres"] = ""
df_b.drop("international_box_office", axis=1, inplace=True)
df_b.drop("worldwide_box_office", axis=1, inplace=True)
df_a.drop_duplicates(subset=["movie_name"], inplace=True)
df_b.drop_duplicates(subset=["movie_name"], inplace=True)
print(df_a.info())
print(df_b.info())
# Gộp dữ liệu từ hai DataFrame
merged_df = pd.merge(
df_a,
df_b,
on=[
"movie_name",
],
how="outer",
suffixes=("_a", "_b"),
)
print(merged_df.info())
# Tạo hàm để lấy giá trị lớn hơn
def choose_greater_value(value_a, value_b):
if pd.isna(value_a):
return value_b
elif pd.isna(value_b):
return value_a
else:
return max(value_a, value_b)
# Áp dụng hàm cho các cột cần so sánh
cols_to_compare = ["month","year","mpaa"]
for col in cols_to_compare:
merged_df[col] = merged_df.apply(
lambda row: (
row[f"{col}_a"] if not pd.isna(row[f"{col}_a"]) else row[f"{col}_b"]
),
axis=1,
)
# Lấy giá trị lớn hơn cho các cột còn lại
cols_to_get_greater = [
"budget",
"runtime",
"screens",
"opening_week",
"domestic_box_office",
]
for col in cols_to_get_greater:
merged_df[col] = merged_df.apply(
lambda row: choose_greater_value(row[f"{col}_a"], row[f"{col}_b"]), axis=1
)
merged_df["genres"] = merged_df["genres_a"]
print(merged_df.info())
# Loại bỏ các cột dư thừa
columns_to_drop = [col for col in merged_df.columns if col.endswith(("_a", "_b"))]
merged_df = merged_df.drop(columns=columns_to_drop, axis=1)
# Lưu kết quả vào file mới
print(merged_df.info())
merged_df.to_csv("merged.csv", index=False)
merged_df.dropna(
subset=[
"month",
"year",
"runtime",
"budget",
"mpaa",
"screens",
"opening_week",
"domestic_box_office",
],
inplace=True,
)
print(merged_df.info())
merged_df = merged_df[merged_df["mpaa"] != "Not"]
merged_df.to_csv("filtered_merged_data.csv", index=False)
print("Tổng hợp dữ liệu thành công và lưu vào file 'merged.csv'.")
'''
# ==================================================================================
# Gộp dữ liệu từ imdb và filtered_merged_data
'''
df_a = pd.read_csv("filtered_merged_data.csv")
df_b = pd.read_csv("../imdb/data/all_data.csv")
print(df_a.info())
print(df_b.info())
# Gộp dữ liệu từ hai DataFrame
merged_df = pd.merge(
df_a,
df_b,
on=[
"movie_name",
],
how="outer",
suffixes=("_a", "_b"),
)
cols_to_compare = ["country", "genres", "month", "year"]
for col in cols_to_compare:
merged_df[col] = merged_df.apply(
lambda row: (
row[f"{col}_a"] if not pd.isna(row[f"{col}_a"]) else row[f"{col}_b"]
),
axis=1,
)
columns_to_drop = [col for col in merged_df.columns if col.endswith(("_a", "_b"))]
merged_df = merged_df.drop(columns=columns_to_drop, axis=1)
merged_df.dropna(subset=["country", "genres","ratings","user_vote"], inplace=True)
print(merged_df.info())
merged_df.to_csv("imdb_merged.csv", index=False)
'''
# Gộp dữ liệu từ critic_data.csv và imdb_merged.csv
'''
df_a = pd.read_csv("imdb_merged.csv")
df_b = pd.read_csv("critic_data.csv")
print(df_b.info())
df_b = df_b.dropna(subset=["critic_vote_rotten","critic_vote_metacritic","meta_score_metacritic","meta_score_rotten"],how = "all")
print(df_b.info())
merged_df = pd.merge(
df_a,
df_b,
on=[
"movie_name",
],
how="outer",
suffixes=("_a", "_b"),
)
print(merged_df.info())
merged_df["month"] = merged_df["month_a"]
merged_df["year"] = merged_df["year_a"]
columns_to_drop = [col for col in merged_df.columns if col.endswith(("_a", "_b"))]
merged_df = merged_df.drop(columns=columns_to_drop, axis=1)
merged_df.drop(columns = ["critic_vote_rotten","critic_vote_metacritic","meta_score_metacritic","meta_score_rotten"], axis=1, inplace=True)
merged_df = merged_df.dropna(subset = ["critic_vote","meta_score"], how = "all")
print(merged_df.info())
merged_df.to_csv("critic_merged.csv", index=False)
'''
# Gộp dữ liệu từ critic_merged.csv và themoviedb.csv
df_a = pd.read_csv("critic_merged.csv")
df_b = pd.read_csv("../themoviedb/data/all_data_themoviedb.csv")
merged_df = pd.merge(
df_a,
df_b,
on=[
"movie_name",
],
how="outer",
suffixes=("_a", "_b"),
)
print(merged_df.info())
merged_df["month"] = merged_df["month_a"]
merged_df["year"] = merged_df["year_a"]
columns_to_drop = [col for col in merged_df.columns if col.endswith(("_a", "_b"))]
merged_df = merged_df.drop(columns=columns_to_drop, axis=1)
print(merged_df.info())
# Hàm sửa đổi cột "genres"
def fix_genres(genres_str):
genres = genres_str.split()
if "Music" in genres and "Musical" in genres:
genres.remove("Music")
else:
genres = [genre.replace("Music", "Musical") for genre in genres]
genres = [genre.replace("Musicalal", "Musical") for genre in genres]
return " ".join(genres)
# Áp dụng hàm sửa đổi cho cột "genres"
merged_df["genres"] = merged_df["genres"].apply(fix_genres)
merged_df.drop(["tt_id","rl_id"],axis=1,inplace = True)
merged_df.to_csv("final_merged.csv", index=False)
|