以图形输出各电影的评论数量；各电影评论中单词的数量分布。

好的，这两个问题可以使用Python中的Matplotlib库和NLTK库来实现。

首先需要准备好数据。假设我们有一个包含电影评论的数据集，其中每个评论都有电影名称和评论文本。我们可以使用pandas库读取数据集，并统计每个电影的评论数量和评论中单词的数量。

import pandas as pd
import nltk
from nltk.tokenize import word_tokenize

# 读取数据集
df = pd.read_csv('comments.csv')

# 统计每个电影的评论数量
comment_count = df.groupby('movie')['comment'].count()

# 统计每个电影评论中单词的数量分布
word_counts = []
for movie, group in df.groupby('movie'):
    words = [word_tokenize(comment) for comment in group['comment']]
    word_counts.append((movie, [len(w) for w in words]))

接下来，我们可以使用Matplotlib库来将统计结果可视化。对于第一个问题，我们可以使用柱状图来展示每个电影的评论数量。

import matplotlib.pyplot as plt

# 可视化评论数量
plt.bar(comment_count.index, comment_count.values)
plt.xticks(rotation=90)
plt.xlabel('Movie')
plt.ylabel('Comment Count')
plt.show()

对于第二个问题，我们可以使用箱线图来展示每个电影评论中单词的数量分布。

# 可视化单词数量分布
fig, ax = plt.subplots()
ax.boxplot([counts for movie, counts in word_counts])
ax.set_xticklabels([movie for movie, counts in word_counts], rotation=90)
ax.set_xlabel('Movie')
ax.set_ylabel('Word Count')
plt.show()

这里使用了Matplotlib库的boxplot()方法来绘制箱线图。其中，每个箱子表示每个电影的单词数量分布。箱子的上边缘、下边缘和中位数分别表示75%、25%分位数和中位数。箱子上方的线表示最大值，下方的线表示最小值。

希望这个示例代码能够帮助到你！