已知存在数据集，使用jupyter notebook统计电影排名前100中最受欢迎的电影类型是什么

首先，需要导入数据集。这里假设数据集是一个CSV文件，并且文件名为`movie_data.csv`，并且该文件中有一列名为`genres`，表示电影的类型。

然后，使用pandas库读入数据集，并进行数据清洗和统计。

以下是一份示例代码：

import pandas as pd

# 读入数据集
df = pd.read_csv("movie_data.csv")

# 将电影类型列中的逗号替换为空格，并分割字符串
df['genres'] = df['genres'].str.replace('|', ' ')
df['genres'] = df['genres'].str.split()

# 对每个电影类型进行计数
genre_counts = pd.Series([genre for genres in df['genres'] for genre in genres]).value_counts()

# 取前100个电影类型
top_genres = genre_counts.head(100)

# 输出排名前3的电影类型
print("排名前3的电影类型是：")
for i in range(3):
    print(top_genres.index[i])

其中，`str.replace()`函数可以将字符串中的某个字符替换为另一个字符，`str.split()`函数可以按照指定的分隔符对字符串进行分割，并返回一个列表。`Series()`函数可以将一个列表转换为一个Series对象，Series对象的索引值是列表中的元素，值是出现的次数。

最后，输出排名前3的电影类型。