你能否在编写一个更加复杂的示例呢

当然可以！以下是一个更复杂的示例，它演示了使用Python和Pandas库来处理和分析电影评分数据。

首先，我们需要导入必要的库：

import pandas as pd
import matplotlib.pyplot as plt

接下来，我们可以使用Pandas的read_csv函数读取电影评分数据集（可以从Kaggle上下载）：

ratings = pd.read_csv('ratings.csv')

该数据集包含四个列：用户ID、电影ID、评分和时间戳。我们可以使用Pandas的head函数来查看前几行：

print(ratings.head())

输出：

   userId  movieId  rating   timestamp
0       1        1     4.0   964982703
1       1        3     4.0   964981247
2       1        6     4.0   964982224
3       1       47     5.0   964983815
4       1       50     5.0   964982931

接下来，我们可以使用Pandas的describe函数来获取数据的统计信息：

print(ratings.describe())

输出：

              userId        movieId         rating     timestamp
count  100836.000000  100836.000000  100836.000000  1.008360e+05
mean      326.127564   19435.295718       3.501557  1.205946e+09
std       182.618491   35530.987199       1.042529  2.162610e+08
min         1.000000       1.000000       0.500000  8.281246e+08
25%       177.000000    1199.000000       3.000000  1.019124e+09
50%       325.000000    2991.000000       3.500000  1.186087e+09
75%       477.000000    8094.000000       4.000000  1.435994e+09
max       610.000000  193609.000000       5.000000  1.537799e+09

我们可以看到，该数据集中共有100836个评分，用户ID的平均值为326，电影ID的平均值为19435，评分的平均值为3.5。

接下来，我们可以使用Pandas的groupby函数来按用户ID对数据进行分组，并计算每个用户的评分数量和平均评分：

user_ratings = ratings.groupby('userId')['rating'].agg(['count', 'mean'])
print(user_ratings.head())

输出：

        count      mean
userId                 
1         232  4.366379
2          29  3.948276
3          39  2.435897
4         216  3.555556
5          44  3.636364

我们可以看到，用户1共对232部电影进行了评分，平均评分为4.37。同样地，我们也可以按电影ID对数据进行分组：

movie_ratings = ratings.groupby('movieId')['rating'].agg(['count', 'mean'])
print(movie_ratings.head())

输出：

         count      mean
movieId                 
1          215  3.920930
2          110  3.431818
3           52  3.259615
4            7  2.357143
5           49  3.071429

我们可以看到，电影1共收到215个评分，平均评分为3.92。

最后，我们可以使用Matplotlib库来绘制评分分布的直方图：

plt.hist(ratings['rating'])
plt.xlabel('Rating')
plt.ylabel('Count')
plt.title('Distribution of Ratings')
plt.show()

输出：


该直方图显示了评分的分布情况。我们可以看到，大多数评分都集中在3到4之间。