电影推荐 这是使用TMDB Movies API为Android构建的电影推荐应用程序。 用户将根据自己喜欢的电影的选择获得电影推荐。 入门 这些说明将为您提供在本地计算机上运行的项目的副本 先决条件 Android Studio（> v1.4），TMDB电影API-密钥（ ） 注意：TMDB Movies API密钥需要插入对应的strings.xml文件中相应的字符串，该文件位于moviesRecommendation / app / src / main / res / values / strings.xml 配置 该项目是在以下配置下构建的： compileSdkVersion 23 buildToolsVersion "23.0.2" defaultConfig { applicationId "com.example.android.popularmovies"

调查数据集 介绍： 我选择“ TMDb电影数据集”进行数据分析。 该数据集包含1000多个记录和21列。 它包括有关预算，收入，运行时间，演员，导演，体裁，发行年，电影受欢迎程度，观看者的评分，制作公司等信息。 该数据集可以帮助我们了解各种因素，例如过去几年的流派趋势，获利能力，过去几年的热门电影，过去几年的平均放映时间，顶尖导演和演员等等。 以下是使用Numpy，Pandas（Series和DataFrame）和Matplotlib进行分析的要点。 问题： 哪种类型的电影发行量最高？ 关于投票数2.a。 哪些是前五部电影？ 2.b. 谁是前5名演员？ 2.c. 谁是前五名董事？ 哪部电影3.a. 赚了最高和最少的利润？ 3.b. 有最高和最低人气分数吗？ 3.c. 收入最高和最低？ 3.d. 有最高预算还是最低预算？ 4.a. 哪一年的电影上映次数最多？ 4.b. 哪一年的年

kaggle 上面的 tmdb 数据，5000 个电影数据，提供开发使用，_merge 为将 credits 里面的 cast 演员信息合并到了 movies 文件中生成的合并文件

tmdb_5000_credits.csv tmdb_5000_movies.csv

tmdb数据电影分析与预测

数据分析Nanodegree / TMBD-Movies 从Kaggle下载的TMDB电影数据集，用于数据分析。 它包含约10000部电影及其评级和基本信息。

Kaggle tmdb整理，数据分析源，可用于大数据分析，数据分析，数据库技术练习数据源

烂橙-React TMDb客户端 这是我周末练习React Hook API的项目之一。 使用的技术： 后端（数据源） 前端 屏幕截图 开始使用 克隆此仓库 打开克隆的目录 安装依赖项 npm install 运行开发服务器： npm start ，默认端口8001 npm start 构建项目，输出文件夹dist npm run build

学习用Python进行数据分析一段时间了，也跟着书本、网上案例，包括工作中的数据做了很多分析工作。用一个项目做阶段性的小结。该项目是kaggle上的经典项目，美国百年间的4800部电影数据分析，按照数据分析的步骤做了详细的记录。码字不易，谢谢支持。

kaggle的电影数据，可用于数据分析