python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。

要实现该功能，需要使用Python的数据分析库Pandas和可视化库Matplotlib。

首先，我们需要从数据集中读取数据并将其转换为Pandas数据框。假设我们有一个名为“movies.csv”的CSV文件，其中包含电影评论数据，其中包含电影名称和评论文本。可以使用以下代码来读取数据：

import pandas as pd

data = pd.read_csv('movies.csv')

接下来，我们可以使用Pandas的groupby()函数将数据按电影名称进行分组，并计算每个电影的评论数量：

movie_count = data.groupby('电影名称').size().reset_index(name='评论数量')

现在，我们可以使用Matplotlib来可视化每个电影的评论数量。以下是一个简单的条形图实现：

import matplotlib.pyplot as plt

plt.bar(movie_count['电影名称'], movie_count['评论数量'])
plt.xticks(rotation=90)
plt.xlabel('电影名称')
plt.ylabel('评论数量')
plt.show()

接下来，我们需要计算每个电影评论中单词的数量分布。可以使用NLTK库来分词，并使用Pandas的apply()函数将其应用于所有评论。以下是实现代码：

import nltk
from nltk.tokenize import word_tokenize

nltk.download('punkt')

data['单词数量'] = data['评论文本'].apply(lambda x: len(word_tokenize(x)))

现在，我们可以使用Pandas的groupby()函数按电影名称和单词数量计算评论数量，并将其转换为数据框：

word_count = data.groupby(['电影名称', '单词数量']).size().reset_index(name='评论数量')

最后，我们可以使用Matplotlib绘制每个电影的单词数量分布。以下是一个简单的折线图实现：

fig, ax = plt.subplots()

for movie in word_count['电影名称'].unique():
    plot_data = word_count[word_count['电影名称'] == movie]
    ax.plot(plot_data['单词数量'], plot_data['评论数量'], label=movie)

ax.set_xlabel('单词数量')
ax.set_ylabel('评论数量')
ax.legend()
plt.show()

这样，我们就可以得到各电影的评论数量和评论中单词的数量分布的图形输出了。