TMDB数据集里的评分和票房的关系，统计推断代码

首先，我们需要导入需要的库和数据集：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 读取数据集
df = pd.read_csv('tmdb_5000_movies.csv')

接下来，我们可以查看数据集的基本信息：

# 查看数据集前几行
df.head()

# 查看数据集信息
df.info()

# 查看评分和票房的相关性
df[['vote_average', 'revenue']].corr()

我们可以看到数据集的前几行和基本信息，还有评分和票房的相关系数。

接下来，我们可以使用 Seaborn 库绘制散点图来观察评分和票房之间的关系：

# 绘制散点图
sns.scatterplot(x='vote_average', y='revenue', data=df)
plt.title('Relation between vote_average and revenue')
plt.show()

最后，我们可以使用线性回归模型来进行统计推断，判断评分与票房之间的关系：

# 导入线性回归模型
from sklearn.linear_model import LinearRegression

# 创建线性回归模型对象
lr_model = LinearRegression()

# 分离自变量和因变量
X = df[['vote_average']]
y = df['revenue']

# 训练模型
lr_model.fit(X, y)

# 输出模型参数
print('截距：', lr_model.intercept_)
print('斜率：', lr_model.coef_)

从模型的参数可以看出，评分和票房之间存在正相关关系，评分提高 1 分钟，票房增加了 1.19 亿美元左右。