Python如何统计CSV文件中各genre影片数量及对应平均评分

这里提供两种实现思路，你可以根据自己的需求选择：

方法1：纯Python实现（基于你当前使用的csv.reader） #

不需要引入额外第三方库，适合不想依赖pandas的场景：

1. 首先导入需要的内置模块

import csv
from collections import defaultdict

2. 初始化统计用的存储结构

# 存储每个分类的影片数量（去重后）
genre_movie_count = defaultdict(int)
# 存储每个分类的总评分
genre_total_rating = defaultdict(float)
# 存储每个分类的评分记录总数
genre_rating_count = defaultdict(int)
# 存储已经统计过的影片，避免重复计数
seen_movies = set()

3. 遍历你读取的csv数据，完成统计

# 这里假设你已经用csv.reader读取了文件，存为reader变量
next(reader) # 跳过表头行
for row in reader:
    title = row[0].strip()
    genres = row[1].strip().split('|')
    rating = float(row[2].strip())
    
    # 统计分类对应的影片数量（同一部电影只算一次）
    if title not in seen_movies:
        for genre in genres:
            genre_movie_count[genre] += 1
        seen_movies.add(title)
    
    # 统计分类的总评分和评分记录数
    for genre in genres:
        genre_total_rating[genre] += rating
        genre_rating_count[genre] += 1

# 计算每个分类的平均评分，保留2位小数
genre_avg_rating = {
    genre: round(genre_total_rating[genre]/genre_rating_count[genre], 2)
    for genre in genre_total_rating
}

4. 输出结果示例

# 打印所有分类的统计结果
for genre in genre_movie_count:
    print(f"分类：{genre}，影片数量：{genre_movie_count[genre]}，平均评分：{genre_avg_rating[genre]}")

注意：如果你的数据中存在同一部电影对应不同分类的情况，可以把seen_movies的判断逻辑改为判断(title, genre)元组是否存在，避免统计错误。

方法2：pandas实现（更适合大数据量场景） #

10万行数据用pandas处理效率更高，代码也更简洁：

import pandas as pd

# 读取csv文件
df = pd.read_csv('你的文件路径.csv')
# 将genres列按|分割，拆分成长格式
df = df.assign(genres=df['genres'].str.split('|')).explode('genres')

# 分组聚合计算：影片数量（去重）、平均评分
result = df.groupby('genres').agg(
    影片数量=('title', 'nunique'),
    平均评分=('rating', 'mean')
).reset_index()

# 打印结果
print(result)
# 如果需要保存为csv可以用 result.to_csv('统计结果.csv', index=False)

内容的提问来源于stack exchange，提问作者stickfrosch95