Netflix数据集cast列高频演员统计求助：拆分后如何计数前15位演员

直接上可运行的pandas代码方案，步骤如下：

1. 导入pandas并读取数据集（替换为你的文件路径）：

import pandas as pd

df = pd.read_csv('netflix_titles.csv')

2. 清洗并拆分演员列：
   • 先过滤cast列的空值（避免拆分时出错）
   • 用str.split(', ')拆分每个单元格的演员列表（匹配数据里逗号加空格的格式）
   • 用explode()把每个演员拆分成单独行，这是实现统计的核心步骤

# 处理cast列：过滤空值→拆分演员列表→展开为单行
cast_series = df['cast'].dropna().str.split(', ').explode()

3. 统计前15位高频演员：

# 统计出现次数并取前15
top_15_actors = cast_series.value_counts().head(15)

# 打印结果
print(top_15_actors)

4. 可选：可视化展示结果（更直观）

import matplotlib.pyplot as plt

top_15_actors.plot(kind='barh', figsize=(10,6), title='Top 15 Actors on Netflix')
plt.xlabel('Number of Appearances')
plt.ylabel('Actor Name')
plt.gca().invert_yaxis()  # 让次数最多的演员显示在最上方
plt.show()

关键说明 #

• explode()是解决问题的核心：它会把每个包含演员列表的单元格拆分成多行，每行对应一个演员，这样就能直接用value_counts()统计次数。
• 必须先过滤cast列的空值，否则拆分后会出现无效值，影响统计准确性。

内容的提问来源于stack exchange，提问作者Arthur59