编写代码，分别统计数据文件ratings.csv中的电影总数和评分大于4.0的电影总数 （rating 一列大于 4.0），并打印这两个数值，以及4.0分以上电影占 比

好的，下面是Python代码实现：

total_movies = 0
good_movies = 0

with open('ratings.csv', 'r') as f:
    next(f)  # 跳过首行
    for line in f:
        total_movies += 1
        rating = float(line.strip().split(',')[2])
        if rating > 4.0:
            good_movies += 1

percentage = good_movies / total_movies * 100
print("总电影数：", total_movies)
print("4.0分以上电影数：", good_movies)
print("4.0分以上电影占比：{:.2f}%".format(percentage))

通过打开文件，使用循环遍历每一行数据。通过line.strip().split(',')获取每行数据中的评分，使用float()将其转换为浮点数，然后统计总电影数和好评电影数。最后计算好评电影占比并打印。

相关问题

编写代码，分别统计数据文件ratings.csv中的电影总数和评分大于4.0的电影总数（rating一列大于4.0），并打印这两个数值，以及4.0分以上电影占比：

以下是Python代码实现：

total_movies = 0
high_rating_movies = 0
with open('ratings.csv', 'r') as f:
    next(f)  # 跳过文件头
    for line in f:
        fields = line.strip().split(',')
        total_movies += 1
        if float(fields[2]) > 4.0:
            high_rating_movies += 1

print("总电影数：", total_movies)
print("评分大于4.0的电影数：", high_rating_movies)
print("4.0分以上电影占比：{:.2f}%".format(high_rating_movies / total_movies * 100))

解释一下代码：

首先，我们打开数据文件ratings.csv，使用 `next(f)` 跳过文件头。

然后，我们遍历文件中的每一行数据，使用 `strip()` 方法去除行末的换行符，再用 `split(',')` 方法将行数据按逗号分割成一个字符串列表。

接下来，我们将电影总数加1。如果列表的第三个元素（即评分）大于4.0，则将评分大于4.0的电影总数加1。

最后，我们打印电影总数、评分大于4.0的电影总数以及4.0分以上电影占比。注意，占比需要乘以100并保留两位小数，可以使用格式化字符串来实现。

3、编写代码，分别统计数据文件ratings.csv中的电影总数和评分大于4.0的电影总数(rating列大于4.0)，并打印这两个数值，以及4.0分以上电影占比:

以下是使用Python实现的代码：

import pandas as pd

# 读取数据文件
df = pd.read_csv('ratings.csv')

# 统计电影总数
total_movies = len(df['movieId'].unique())

# 统计评分大于4.0的电影总数
high_rating_movies = len(df[df['rating'] > 4.0]['movieId'].unique())

# 计算4.0分以上电影占比
high_rating_movies_ratio = high_rating_movies / total_movies * 100

# 打印统计结果
print("总电影数：", total_movies)
print("评分大于4.0的电影数：", high_rating_movies)
print("4.0分以上电影占比：{:.2f}%".format(high_rating_movies_ratio))

注意：代码中假设数据文件名为`ratings.csv`，请根据实际情况修改文件名。