In [1]:
df = pd.read_csv('../resource/preprocess_df1.csv')
df
Out[1]:
영화
내 별점(y)
평균별점
이동진 별점
평가자수
보고싶어요수
코멘트수
감독
배우
등급
장르
국가
상영시간
년도
별점분포
이동진 코멘트
0
스포트라이트
3.5
4.22683
4.5
13,025
9,796
2,585
토마스 맥카시
[마이클 키튼, 마크 러팔로, 레이첼 맥아담스]
15세 관람가
드라마
미국
128
2015
{"1":7,"2":14,"3":10,"4":50,"5":83,"6":454,"7"...
'모두가 대통령의 사람들'과 함께 오래도록 거론될 모범적 언론영화.
1
찌라시 : 위험한 소문
2.5
2.99629
NaN
58,122
3,166
965
김광식
[김강우, 정진영, 박성웅]
15세 관람가
드라마
한국
121
2013
{"1":1312,"2":2150,"3":2238,"4":6597,"5":6749,...
NaN
2
비포 미드나잇
4.0
3.90119
NaN
66,296
33,565
1,539
리처드 링클레이터
[에단 호크, 줄리 델피, 시머스 데이비-피츠패트릭]
청소년 관람불가
로맨스/멜로
미국
108
2013
{"1":228,"2":956,"3":316,"4":2367,"5":1513,"6"...
NaN
3
더 웹툰: 예고살인
2.0
2.62241
NaN
67,031
1,079
712
김용균
[이시영, 엄기준, 문가영]
15세 관람가
공포
한국
104
2013
{"1":3615,"2":5424,"3":4063,"4":11525,"5":8133...
NaN
4
트랜센던스
3.0
3.31175
NaN
68,174
9,510
2,439
월리 피스터
[조니 뎁, 레베카 홀, 모건 프리먼]
12세 관람가
SF
미국, 영국
119
2014
{"1":787,"2":1329,"3":1612,"4":5251,"5":6635,"...
NaN
5
인간중독
2.0
2.27068
NaN
71,711
1,780
1,801
김대우
[송승헌, 임지연, 온주완]
청소년 관람불가
드라마
한국
132
2014
{"1":6464,"2":7810,"3":7653,"4":15110,"5":9750...
NaN
6
헝거게임: 모킹제이
2.5
3.52048
NaN
74,705
7,661
2,829
프란시스 로렌스
[제니퍼 로렌스, 리암 헴스워스, 조쉬 허처슨]
15세 관람가
판타지
미국
123
2014
{"1":627,"2":895,"3":994,"4":3262,"5":5484,"6"...
NaN
7
인턴
3.5
3.90317
NaN
74,444
10,389
7,696
낸시 마이어스
[로버트 드 니로, 앤 해서웨이, 르네 루소]
12세 관람가
코미디
미국
121
2015
{"1":68,"2":134,"3":215,"4":892,"5":2333,"6":8...
NaN
8
뷰티 인사이드
2.0
3.61165
NaN
78,615
6,108
7,895
백종열
[이현우, 한효주, 김대명]
12세 관람가
로맨스/멜로
한국
127
2015
{"1":294,"2":475,"3":764,"4":2612,"5":5541,"6"...
NaN
9
검은 사제들
4.0
3.60711
NaN
79,275
4,026
7,954
장재현
[김윤석, 강동원, 박소담]
15세 관람가
스릴러
한국
108
2015
{"1":268,"2":398,"3":495,"4":1916,"5":4124,"6"...
NaN
10
내부자들
4.5
3.86041
NaN
81,082
5,085
8,404
우민호
[이병헌, 조승우, 백윤식]
청소년 관람불가
범죄
한국
130
2015
{"1":159,"2":244,"3":280,"4":1133,"5":2816,"6"...
NaN
11
사일런트 힐
3.0
3.34497
NaN
83,358
5,629
841
크리스토프 갱스
[라다 미첼, 로리 홀든, 숀 빈]
청소년 관람불가
공포
캐나다, 일본, 미국, 프랑스
124
2006
{"1":833,"2":3363,"3":1109,"4":8095,"5":3894,"...
NaN
12
마션
3.5
4.01025
4.0
93,331
8,067
10,234
리들리 스콧
[맷 데이먼, 제시카 차스테인, 제프 다니엘스]
12세 관람가
SF
미국
142
2015
{"1":69,"2":141,"3":186,"4":691,"5":1441,"6":6...
하나를 위한 전체. 세상에서 가장 낙천적인 (SF)재난영화.
13
시간 여행자의 아내
3.0
3.66282
NaN
96,957
21,133
1,044
로베르트 슈벤트케
[에릭 바나, 레이첼 맥아담스, 알렉스 페리스]
12세 관람가
로맨스/멜로
미국
107
2009
{"1":246,"2":1604,"3":535,"4":4844,"5":3179,"6...
NaN
14
군도:민란의 시대
3.5
3.14855
NaN
102,482
7,671
7,200
윤종빈
[하정우, 강동원, 이경영]
15세 관람가
액션
한국
137
2014
{"1":1196,"2":1647,"3":2669,"4":7522,"5":12924...
NaN
15
씬 시티
3.5
3.56793
NaN
101,752
8,883
1,061
프랭크 밀러
[브루스 윌리스, 미키 루크, 제시카 알바]
청소년 관람불가
범죄
미국
123
2005
{"1":558,"2":3799,"3":782,"4":8100,"5":2620,"6...
NaN
16
끝까지 간다
4.0
3.86662
3.5
116,851
6,526
6,115
김성훈
[이선균, 조진웅, 신동미]
15세 관람가
범죄
한국
111
2013
{"1":201,"2":353,"3":472,"4":1644,"5":2972,"6"...
두 주인공이 처음 직접 대면하게 될 때의 굉장한 박력.
17
빅 히어로
4.0
3.95044
NaN
119,876
10,304
5,545
크리스 윌리엄스
[라이언 포터, 스콧 애짓, 제이미 정]
전체 관람가
애니메이션
미국
108
2014
{"1":403,"2":543,"3":544,"4":1960,"5":3478,"6"...
NaN
18
루시
3.0
3.10815
NaN
122,449
9,728
6,180
뤽 베송
[스칼렛 요한슨, 모건 프리먼, 최민식]
청소년 관람불가
액션
미국, 프랑스
90
2014
{"1":2579,"2":3428,"3":4574,"4":12048,"5":1583...
NaN
19
버킷 리스트 - 죽기 전에 꼭 하고 싶은 것들
3.5
3.94196
NaN
127,387
40,384
1,187
롭 라이너
[잭 니콜슨, 모건 프리먼, 숀 헤이즈]
12세 관람가
드라마
미국
96
2007
{"1":254,"2":1390,"3":390,"4":3414,"5":2259,"6...
NaN
20
킬러들의 수다
3.5
3.36549
NaN
132,497
5,907
598
장진
[신현준, 정재영, 신하균]
15세 관람가
코미디
한국
120
2001
{"1":772,"2":4549,"3":1366,"4":12560,"5":5349,...
NaN
21
암살
4.0
3.94286
NaN
142,933
5,514
10,405
최동훈
[전지현, 이정재, 하정우]
15세 관람가
액션
한국
140
2015
{"1":179,"2":323,"3":434,"4":1445,"5":3557,"6"...
NaN
22
베테랑
3.5
4.00765
3.5
156,282
5,621
12,327
류승완
[황정민, 유아인, 유해진]
15세 관람가
액션
한국
124
2015
{"1":236,"2":319,"3":414,"4":1417,"5":2903,"6"...
심플하고 힘있게 치고 달리는 영화가 선사하는 통쾌함.
23
메이즈 러너
2.5
3.69728
NaN
159,950
6,841
5,961
웨스 볼
[딜런 오브라이언, 토마스 생스터, 윌 폴터]
12세 관람가
액션
미국
113
2014
{"1":617,"2":1039,"3":1414,"4":4641,"5":8592,"...
NaN
24
디 워
0.5
1.98421
NaN
267,408
484
2,215
심형래
[제이슨 베어, 아만다 브룩스, 크레이그 로빈슨]
12세 관람가
판타지
한국
90
2007
{"1":35355,"2":65926,"3":14910,"4":56686,"5":1...
NaN
25
건축학개론
3.0
3.58254
NaN
636,441
6,750
3,231
이용주
[엄태웅, 한가인, 이제훈]
12세 관람가
로맨스/멜로
한국
118
2012
{"1":3472,"2":14338,"3":5626,"4":43984,"5":217...
NaN
26
어거스트 러쉬
3.5
3.94234
NaN
450,272
13,246
1,565
커스틴 쉐리단
[프레디 하이모어, 조나단 리스 마이어스, 케리 러셀]
전체 관람가
드라마
미국
113
2007
{"1":1275,"2":5987,"3":1918,"4":16750,"5":8455...
NaN
27
브루스 올마이티
3.5
3.79117
NaN
314,274
9,659
1,323
톰 새디악
[짐 캐리, 모건 프리먼, 제니퍼 애니스턴]
12세 관람가
코미디
미국
100
2003
{"1":620,"2":3393,"3":1089,"4":10671,"5":6469,...
NaN
28
색, 계
4.0
3.55195
NaN
178,290
9,805
1,245
이안
[양조위, 탕웨이, 왕리홍]
청소년 관람불가
로맨스/멜로
미국, 중국, 대만, 홍콩
157
2007
{"1":978,"2":5044,"3":1517,"4":13926,"5":5093,...
NaN
29
펄프 픽션
3.5
3.93998
NaN
65,199
17,580
1,466
쿠엔틴 타란티노
[존 트라볼타, 사무엘 L. 잭슨, 우마 서먼]
청소년 관람불가
범죄
미국
154
1994
{"1":113,"2":1300,"3":158,"4":2506,"5":720,"6"...
NaN
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
514
광해, 왕이 된 남자
4.0
4.02419
NaN
740,618
8,495
2,878
추창민
[이병헌, 류승룡, 한효주]
15세 관람가
드라마
한국
131
2012
{"1":1780,"2":6653,"3":2773,"4":19218,"5":1370...
NaN
515
7번방의 선물
4.0
3.97763
NaN
718,646
6,212
3,769
이환경
[류승룡, 갈소원, 박신혜]
15세 관람가
코미디
한국
127
2012
{"1":7418,"2":16716,"3":6659,"4":32781,"5":182...
NaN
516
도둑들
4.0
3.76309
NaN
710,614
4,949
2,893
최동훈
[김윤석, 김혜수, 이정재]
15세 관람가
액션
한국
135
2012
{"1":2414,"2":8829,"3":4207,"4":31241,"5":2036...
NaN
517
말죽거리 잔혹사
3.0
3.37415
NaN
284,807
2,659
1,122
유하
[권상우, 이정진, 한가인]
15세 관람가
액션
한국
116
2004
{"1":1829,"2":7344,"3":3355,"4":25527,"5":1288...
NaN
518
포화 속으로
3.0
3.30031
1.5
295,020
1,733
872
이재한
[차승원, 권상우, 김승우]
12세 관람가
전쟁
한국
120
2010
{"1":2911,"2":11753,"3":4867,"4":31202,"5":149...
갓 제대한 학도병들이 만든 영화 같다.
519
스파이더맨 2
3.0
3.67278
NaN
331,860
2,607
920
샘 레이미
[토비 맥과이어, 커스틴 던스트, J.K. 시몬스]
12세 관람가
판타지
미국
126
2004
{"1":830,"2":4077,"3":1776,"4":17108,"5":8713,...
NaN
520
센과 치히로의 행방불명
5.0
4.27281
NaN
647,024
7,048
3,539
미야자키 하야오
[최덕희, 김영선, 성선녀]
전체 관람가
애니메이션
일본
126
2001
{"1":866,"2":3894,"3":1078,"4":9284,"5":4560,"...
NaN
521
나비 효과
5.0
4.04594
NaN
298,343
22,950
1,720
에릭 브레스
[애쉬튼 커쳐, 에이미 스마트, 에릭 스톨츠]
청소년 관람불가
스릴러
미국
113
2004
{"1":664,"2":3439,"3":792,"4":8155,"5":3622,"6...
NaN
522
셔터 아일랜드
4.0
3.80457
NaN
219,885
18,106
2,104
마틴 스콜세지
[레오나르도 디카프리오, 마크 러팔로, 벤 킹슬리]
15세 관람가
스릴러
미국
138
2010
{"1":599,"2":4282,"3":829,"4":10539,"5":3894,"...
NaN
523
트루먼 쇼
5.0
4.22021
NaN
428,668
22,765
3,243
피터 위어
[짐 캐리, 로라 린니, 노아 엠머리히]
15세 관람가
드라마
미국
102
1998
{"1":695,"2":3046,"3":708,"4":6914,"5":3291,"6...
NaN
524
이프 온리
3.0
4.03853
NaN
366,089
21,471
1,733
길 정거
[제니퍼 러브 휴이트, 폴 니콜스, 루시 대번포트]
15세 관람가
로맨스/멜로
미국, 영국
96
2004
{"1":906,"2":4836,"3":1305,"4":12228,"5":5549,...
NaN
525
공동경비구역 JSA
5.0
3.89998
NaN
321,863
13,833
1,301
박찬욱
[오동진, 은미, 원호섭]
15세 관람가
드라마
한국
110
2000
{"1":694,"2":3390,"3":900,"4":9629,"5":4234,"6...
NaN
526
본 슈프리머시
4.0
4.14620
NaN
233,050
11,009
1,049
폴 그린그래스
[맷 데이먼, 프랑카 포텐테, 브라이언 콕스]
15세 관람가
액션
미국, 독일
110
2004
{"1":415,"2":2088,"3":428,"4":4293,"5":2035,"6...
NaN
527
초능력자
2.0
2.85195
NaN
272,508
2,429
1,194
김민석
[강동원, 고수, 정은채]
15세 관람가
스릴러
한국
114
2010
{"1":5817,"2":21666,"3":8388,"4":49212,"5":211...
NaN
528
블라인드
2.0
3.40819
3.0
284,610
3,631
785
안상훈
[김하늘, 유승호, 조희봉]
청소년 관람불가
스릴러
한국
111
2011
{"1":1550,"2":8508,"3":2868,"4":26329,"5":1124...
캐릭터의 약점을 영화의 장점으로 바꾸는 솜씨.
529
스쿨 오브 락
3.0
3.79351
3.5
297,396
10,288
1,430
리처드 링클레이터
[잭 블랙, 조앤 쿠삭, 사라 실버맨]
전체 관람가
코미디
미국, 독일
108
2003
{"1":840,"2":4372,"3":1236,"4":12211,"5":5781,...
한바탕의 신나는 난장을 만들어내는 유희정신.
530
500일의 썸머
5.0
3.87432
4.5
290,351
30,515
4,145
마크 웹
[조셉 고든-레빗, 주이 디샤넬, 클락 그레그]
15세 관람가
로맨틱 코미디
미국
95
2009
{"1":881,"2":5666,"3":1279,"4":12680,"5":5313,...
사랑은 꼭 그 사람일 필요가 없는 우연을 반드시 그 사람이어야만 하는 운명으로 바꾸...
531
쇼생크 탈출
4.0
4.42741
NaN
458,522
26,688
3,182
프랭크 다라본트
[팀 로빈스, 모건 프리먼, 밥 건톤]
15세 관람가
드라마
미국
142
1994
{"1":749,"2":3589,"3":601,"4":5289,"5":2135,"6...
NaN
532
러브 레터
5.0
3.97103
4.5
226,169
20,212
2,464
이와이 슌지
[나카야마 미호, 토요카와 에츠시, 카시와바라 타카시]
전체 관람가
로맨스/멜로
일본
117
1995
{"1":560,"2":4162,"3":737,"4":8782,"5":2818,"6...
눈의 잔상과 편지의 이명, 끝내 남아 있는 사랑의 흔적들.
533
범죄와의 전쟁 : 나쁜놈들 전성시대
4.0
3.99282
NaN
464,647
15,638
2,243
윤종빈
[최민식, 하정우, 조진웅]
청소년 관람불가
범죄
한국
133
2011
{"1":1008,"2":5099,"3":1419,"4":13383,"5":6578...
NaN
534
악마는 프라다를 입는다
4.0
3.83566
NaN
485,522
12,069
2,109
데이빗 프랭클
[앤 해서웨이, 메릴 스트립, 스탠리 투치]
12세 관람가
로맨틱 코미디
미국
109
2006
{"1":939,"2":4630,"3":1584,"4":16019,"5":9278,...
NaN
535
이끼
3.0
3.28881
3.5
274,059
5,396
967
강우석
[정재영, 박해일, 유해진]
청소년 관람불가
스릴러
한국
163
2010
{"1":1916,"2":9614,"3":3245,"4":30131,"5":1282...
158분을 달리고도 소진되지 않는 에너지.
536
리얼 스틸
1.0
3.69244
NaN
315,856
5,589
1,423
숀 레비
[휴 잭맨, 에반젤린 릴리, 다코타 고요]
12세 관람가
SF
미국
127
2011
{"1":1088,"2":5026,"3":1966,"4":17349,"5":9465...
NaN
537
레옹
4.0
4.29233
NaN
384,705
31,362
4,414
뤽 베송
[장 르노, 나탈리 포트만, 게리 올드만]
청소년 관람불가
범죄
프랑스, 미국
133
1994
{"1":533,"2":2792,"3":614,"4":5691,"5":2673,"6...
NaN
538
내가 살인범이다
2.0
3.53845
NaN
309,470
8,553
1,353
정병길
[정재영, 박시후, 정해균]
청소년 관람불가
스릴러
한국
119
2012
{"1":2153,"2":8194,"3":3498,"4":22331,"5":1258...
NaN
539
말아톤
4.0
3.60102
NaN
375,039
2,092
799
정윤철
[조승우, 김미숙, 안내상]
전체 관람가
드라마
한국
115
2005
{"1":1174,"2":5835,"3":2050,"4":20412,"5":1001...
NaN
540
클래식
5.0
3.85321
NaN
314,513
15,380
1,829
곽재용
[손예진, 조승우, 조인성]
12세 관람가
로맨스/멜로
한국
132
2003
{"1":970,"2":5735,"3":1401,"4":13933,"5":5904,...
NaN
541
아이언맨 3
4.0
4.10486
NaN
564,090
7,039
2,794
세인 블랙
[로버트 다우니 주니어, 기네스 팰트로우, 가이 피어스]
12세 관람가
SF
미국, 중국
129
2013
{"1":1198,"2":4521,"3":1666,"4":12696,"5":8740...
NaN
542
어린 신부
3.0
2.97457
NaN
341,757
782
757
김호준
[김래원, 문근영, 김인문]
12세 관람가
로맨틱 코미디
한국
115
2004
{"1":4791,"2":21333,"3":7747,"4":54695,"5":219...
NaN
543
내 아내의 모든 것
4.0
3.65453
NaN
461,916
8,540
1,931
민규동
[임수정, 이선균, 류승룡]
15세 관람가
로맨틱 코미디
한국
121
2012
{"1":1717,"2":7827,"3":3095,"4":25019,"5":1403...
NaN
544 rows × 16 columns
In [2]:
# String => Dictionary 변환
import ast
df1 = pd.DataFrame(index=range(10))
for index, row in df.iterrows():
dist_dict = ast.literal_eval(row.get('별점분포'))
df2 = pd.DataFrame(dist_dict.values())
df1 = pd.concat([df1, df2], axis=1)
In [3]:
df1
Out[3]:
0
0
0
0
0
0
0
0
0
0
...
0
0
0
0
0
0
0
0
0
0
0
2108
2459
14948
2340
4299
1740
7786
9484
6491
4377
...
97248
24389
56940
162324
46520
47757
78410
197303
19789
71984
1
7
1312
228
3615
787
6464
627
68
294
268
...
939
1916
1088
533
2153
1174
970
1198
4791
1717
2
10
2238
316
4063
1612
7653
994
215
764
495
...
1584
3245
1966
614
3498
2050
1401
1666
7747
3095
3
14
2150
956
5424
1329
7810
895
134
475
398
...
4630
9614
5026
2792
8194
5835
5735
4521
21333
7827
4
83
6749
1513
8133
6635
9750
5484
2333
5541
4124
...
9278
12825
9465
2673
12583
10014
5904
8740
21986
14038
5
50
6597
2367
11525
5251
15110
3262
892
2612
1916
...
16019
30131
17349
5691
22331
20412
13933
12696
54695
25019
6
1472
9397
7526
6501
13675
5136
16857
16408
19241
23240
...
51499
27166
33556
19824
32122
44313
25697
46867
26642
51010
7
454
16842
9953
17566
15493
13452
15539
8537
13621
14162
...
97439
85827
71885
33805
74889
100190
60021
73291
116168
107155
8
4509
1367
7289
765
4620
717
5451
13171
8633
7177
...
26902
6469
14244
41942
11681
15177
18274
37416
3589
18351
9
4318
9011
21200
7099
14473
3879
17810
23202
20943
23118
...
179984
72477
104337
114507
95499
128117
104168
180392
65017
161720
10 rows × 544 columns
In [4]:
df2
Out[4]:
0
0
71984
1
1717
2
3095
3
7827
4
14038
5
25019
6
51010
7
107155
8
18351
9
161720
In [5]:
df2 = df1.transpose()
df3 = pd.concat([df2.ix[:,1:], df2.ix[:,:0]], axis=1)
df3
Out[5]:
1
2
3
4
5
6
7
8
9
0
0
7
10
14
83
50
1472
454
4509
4318
2108
0
1312
2238
2150
6749
6597
9397
16842
1367
9011
2459
0
228
316
956
1513
2367
7526
9953
7289
21200
14948
0
3615
4063
5424
8133
11525
6501
17566
765
7099
2340
0
787
1612
1329
6635
5251
13675
15493
4620
14473
4299
0
6464
7653
7810
9750
15110
5136
13452
717
3879
1740
0
627
994
895
5484
3262
16857
15539
5451
17810
7786
0
68
215
134
2333
892
16408
8537
13171
23202
9484
0
294
764
475
5541
2612
19241
13621
8633
20943
6491
0
268
495
398
4124
1916
23240
14162
7177
23118
4377
0
159
280
244
2816
1133
17798
9406
13980
26694
8572
0
833
1109
3363
3894
8095
9721
22115
3029
22544
8655
0
69
186
141
1441
691
17710
6399
20209
35774
10711
0
246
535
1604
3179
4844
12990
21657
6560
31673
13669
0
1196
2669
1647
12924
7522
26156
28380
3269
16006
2713
0
558
782
3799
2620
8100
9690
22607
5442
31937
16217
0
201
472
353
2972
1644
26814
12364
17296
42627
12108
0
403
544
543
3478
1960
21940
12859
19271
36988
21890
0
2579
4574
3428
15836
12048
23538
28387
6242
19359
6458
0
254
390
1390
2259
3414
13299
20407
10470
44832
30672
0
772
1366
4549
5349
12560
14382
38527
3664
38626
12702
0
179
434
323
3557
1445
30103
14994
26425
45653
19820
0
236
414
319
2903
1417
31166
12063
31427
52650
23687
0
617
1414
1039
8592
4641
37161
26216
16663
44106
19501
0
35355
14910
65926
16272
56686
8712
46132
1406
14679
7330
0
3472
5626
14338
21799
43984
61959
159911
22984
199358
103010
0
1275
1918
5987
8455
16750
36516
74932
28263
149635
126541
0
620
1089
3393
6469
10671
35734
64547
16868
120436
54447
0
978
1517
5044
5093
13926
18714
43671
9587
53611
26149
0
113
158
1300
720
2506
5159
9866
6283
22912
16182
...
...
...
...
...
...
...
...
...
...
...
0
1780
2773
6653
13707
19218
64363
104992
51875
254822
220435
0
7418
6659
16716
18252
32781
47612
94642
46504
183835
264227
0
2414
4207
8829
20367
31241
76738
148730
34423
243595
140070
0
1829
3355
7344
12887
25527
32512
85617
7965
81038
26733
0
2911
4867
11753
14956
31202
27829
86515
6797
75137
33053
0
830
1776
4077
8713
17108
35702
85251
11654
111257
55492
0
866
1078
3894
4560
9284
34269
59920
57238
207706
268209
0
664
792
3439
3622
8155
21522
40860
24174
105567
89548
0
599
829
4282
3894
10539
20787
40458
17404
77939
43154
0
695
708
3046
3291
6914
25142
41245
46248
144162
157217
0
906
1305
4836
5549
12228
25338
53239
24528
116785
121375
0
694
900
3390
4234
9629
27473
55591
21992
131500
66460
0
415
428
2088
2035
4293
15706
27495
16559
82502
81529
0
5817
8388
21666
21128
49212
21120
83282
3237
42724
15934
0
1550
2868
8508
11249
26329
26360
84131
7054
83611
32950
0
840
1236
4372
5781
12211
30984
58886
15726
110000
57360
0
881
1279
5666
5313
12680
27087
47612
23477
96953
69403
0
749
601
3589
2135
5289
15286
28854
43314
119334
239371
0
560
737
4162
2818
8782
15123
36934
15101
73481
68471
0
1008
1419
5099
6578
13383
37959
69027
31844
170676
127654
0
939
1584
4630
9278
16019
51499
97439
26902
179984
97248
0
1916
3245
9614
12825
30131
27166
85827
6469
72477
24389
0
1088
1966
5026
9465
17349
33556
71885
14244
104337
56940
0
533
614
2792
2673
5691
19824
33805
41942
114507
162324
0
2153
3498
8194
12583
22331
32122
74889
11681
95499
46520
0
1174
2050
5835
10014
20412
44313
100190
15177
128117
47757
0
970
1401
5735
5904
13933
25697
60021
18274
104168
78410
0
1198
1666
4521
8740
12696
46867
73291
37416
180392
197303
0
4791
7747
21333
21986
54695
26642
116168
3589
65017
19789
0
1717
3095
7827
14038
25019
51010
107155
18351
161720
71984
544 rows × 10 columns
In [6]:
df4 = df3.rename(columns={
1:"0.5", 2:"1", 3:"1.5", 4:"2", 5:"2.5", 6:"3", 7:"3.5", 8:"4", 9:"4.5", 0:"5"
})
df4
Out[6]:
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
0
7
10
14
83
50
1472
454
4509
4318
2108
0
1312
2238
2150
6749
6597
9397
16842
1367
9011
2459
0
228
316
956
1513
2367
7526
9953
7289
21200
14948
0
3615
4063
5424
8133
11525
6501
17566
765
7099
2340
0
787
1612
1329
6635
5251
13675
15493
4620
14473
4299
0
6464
7653
7810
9750
15110
5136
13452
717
3879
1740
0
627
994
895
5484
3262
16857
15539
5451
17810
7786
0
68
215
134
2333
892
16408
8537
13171
23202
9484
0
294
764
475
5541
2612
19241
13621
8633
20943
6491
0
268
495
398
4124
1916
23240
14162
7177
23118
4377
0
159
280
244
2816
1133
17798
9406
13980
26694
8572
0
833
1109
3363
3894
8095
9721
22115
3029
22544
8655
0
69
186
141
1441
691
17710
6399
20209
35774
10711
0
246
535
1604
3179
4844
12990
21657
6560
31673
13669
0
1196
2669
1647
12924
7522
26156
28380
3269
16006
2713
0
558
782
3799
2620
8100
9690
22607
5442
31937
16217
0
201
472
353
2972
1644
26814
12364
17296
42627
12108
0
403
544
543
3478
1960
21940
12859
19271
36988
21890
0
2579
4574
3428
15836
12048
23538
28387
6242
19359
6458
0
254
390
1390
2259
3414
13299
20407
10470
44832
30672
0
772
1366
4549
5349
12560
14382
38527
3664
38626
12702
0
179
434
323
3557
1445
30103
14994
26425
45653
19820
0
236
414
319
2903
1417
31166
12063
31427
52650
23687
0
617
1414
1039
8592
4641
37161
26216
16663
44106
19501
0
35355
14910
65926
16272
56686
8712
46132
1406
14679
7330
0
3472
5626
14338
21799
43984
61959
159911
22984
199358
103010
0
1275
1918
5987
8455
16750
36516
74932
28263
149635
126541
0
620
1089
3393
6469
10671
35734
64547
16868
120436
54447
0
978
1517
5044
5093
13926
18714
43671
9587
53611
26149
0
113
158
1300
720
2506
5159
9866
6283
22912
16182
...
...
...
...
...
...
...
...
...
...
...
0
1780
2773
6653
13707
19218
64363
104992
51875
254822
220435
0
7418
6659
16716
18252
32781
47612
94642
46504
183835
264227
0
2414
4207
8829
20367
31241
76738
148730
34423
243595
140070
0
1829
3355
7344
12887
25527
32512
85617
7965
81038
26733
0
2911
4867
11753
14956
31202
27829
86515
6797
75137
33053
0
830
1776
4077
8713
17108
35702
85251
11654
111257
55492
0
866
1078
3894
4560
9284
34269
59920
57238
207706
268209
0
664
792
3439
3622
8155
21522
40860
24174
105567
89548
0
599
829
4282
3894
10539
20787
40458
17404
77939
43154
0
695
708
3046
3291
6914
25142
41245
46248
144162
157217
0
906
1305
4836
5549
12228
25338
53239
24528
116785
121375
0
694
900
3390
4234
9629
27473
55591
21992
131500
66460
0
415
428
2088
2035
4293
15706
27495
16559
82502
81529
0
5817
8388
21666
21128
49212
21120
83282
3237
42724
15934
0
1550
2868
8508
11249
26329
26360
84131
7054
83611
32950
0
840
1236
4372
5781
12211
30984
58886
15726
110000
57360
0
881
1279
5666
5313
12680
27087
47612
23477
96953
69403
0
749
601
3589
2135
5289
15286
28854
43314
119334
239371
0
560
737
4162
2818
8782
15123
36934
15101
73481
68471
0
1008
1419
5099
6578
13383
37959
69027
31844
170676
127654
0
939
1584
4630
9278
16019
51499
97439
26902
179984
97248
0
1916
3245
9614
12825
30131
27166
85827
6469
72477
24389
0
1088
1966
5026
9465
17349
33556
71885
14244
104337
56940
0
533
614
2792
2673
5691
19824
33805
41942
114507
162324
0
2153
3498
8194
12583
22331
32122
74889
11681
95499
46520
0
1174
2050
5835
10014
20412
44313
100190
15177
128117
47757
0
970
1401
5735
5904
13933
25697
60021
18274
104168
78410
0
1198
1666
4521
8740
12696
46867
73291
37416
180392
197303
0
4791
7747
21333
21986
54695
26642
116168
3589
65017
19789
0
1717
3095
7827
14038
25019
51010
107155
18351
161720
71984
544 rows × 10 columns
In [7]:
dist_df = df4.reset_index().drop("index", 1)
dist_df
Out[7]:
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
0
7
10
14
83
50
1472
454
4509
4318
2108
1
1312
2238
2150
6749
6597
9397
16842
1367
9011
2459
2
228
316
956
1513
2367
7526
9953
7289
21200
14948
3
3615
4063
5424
8133
11525
6501
17566
765
7099
2340
4
787
1612
1329
6635
5251
13675
15493
4620
14473
4299
5
6464
7653
7810
9750
15110
5136
13452
717
3879
1740
6
627
994
895
5484
3262
16857
15539
5451
17810
7786
7
68
215
134
2333
892
16408
8537
13171
23202
9484
8
294
764
475
5541
2612
19241
13621
8633
20943
6491
9
268
495
398
4124
1916
23240
14162
7177
23118
4377
10
159
280
244
2816
1133
17798
9406
13980
26694
8572
11
833
1109
3363
3894
8095
9721
22115
3029
22544
8655
12
69
186
141
1441
691
17710
6399
20209
35774
10711
13
246
535
1604
3179
4844
12990
21657
6560
31673
13669
14
1196
2669
1647
12924
7522
26156
28380
3269
16006
2713
15
558
782
3799
2620
8100
9690
22607
5442
31937
16217
16
201
472
353
2972
1644
26814
12364
17296
42627
12108
17
403
544
543
3478
1960
21940
12859
19271
36988
21890
18
2579
4574
3428
15836
12048
23538
28387
6242
19359
6458
19
254
390
1390
2259
3414
13299
20407
10470
44832
30672
20
772
1366
4549
5349
12560
14382
38527
3664
38626
12702
21
179
434
323
3557
1445
30103
14994
26425
45653
19820
22
236
414
319
2903
1417
31166
12063
31427
52650
23687
23
617
1414
1039
8592
4641
37161
26216
16663
44106
19501
24
35355
14910
65926
16272
56686
8712
46132
1406
14679
7330
25
3472
5626
14338
21799
43984
61959
159911
22984
199358
103010
26
1275
1918
5987
8455
16750
36516
74932
28263
149635
126541
27
620
1089
3393
6469
10671
35734
64547
16868
120436
54447
28
978
1517
5044
5093
13926
18714
43671
9587
53611
26149
29
113
158
1300
720
2506
5159
9866
6283
22912
16182
...
...
...
...
...
...
...
...
...
...
...
514
1780
2773
6653
13707
19218
64363
104992
51875
254822
220435
515
7418
6659
16716
18252
32781
47612
94642
46504
183835
264227
516
2414
4207
8829
20367
31241
76738
148730
34423
243595
140070
517
1829
3355
7344
12887
25527
32512
85617
7965
81038
26733
518
2911
4867
11753
14956
31202
27829
86515
6797
75137
33053
519
830
1776
4077
8713
17108
35702
85251
11654
111257
55492
520
866
1078
3894
4560
9284
34269
59920
57238
207706
268209
521
664
792
3439
3622
8155
21522
40860
24174
105567
89548
522
599
829
4282
3894
10539
20787
40458
17404
77939
43154
523
695
708
3046
3291
6914
25142
41245
46248
144162
157217
524
906
1305
4836
5549
12228
25338
53239
24528
116785
121375
525
694
900
3390
4234
9629
27473
55591
21992
131500
66460
526
415
428
2088
2035
4293
15706
27495
16559
82502
81529
527
5817
8388
21666
21128
49212
21120
83282
3237
42724
15934
528
1550
2868
8508
11249
26329
26360
84131
7054
83611
32950
529
840
1236
4372
5781
12211
30984
58886
15726
110000
57360
530
881
1279
5666
5313
12680
27087
47612
23477
96953
69403
531
749
601
3589
2135
5289
15286
28854
43314
119334
239371
532
560
737
4162
2818
8782
15123
36934
15101
73481
68471
533
1008
1419
5099
6578
13383
37959
69027
31844
170676
127654
534
939
1584
4630
9278
16019
51499
97439
26902
179984
97248
535
1916
3245
9614
12825
30131
27166
85827
6469
72477
24389
536
1088
1966
5026
9465
17349
33556
71885
14244
104337
56940
537
533
614
2792
2673
5691
19824
33805
41942
114507
162324
538
2153
3498
8194
12583
22331
32122
74889
11681
95499
46520
539
1174
2050
5835
10014
20412
44313
100190
15177
128117
47757
540
970
1401
5735
5904
13933
25697
60021
18274
104168
78410
541
1198
1666
4521
8740
12696
46867
73291
37416
180392
197303
542
4791
7747
21333
21986
54695
26642
116168
3589
65017
19789
543
1717
3095
7827
14038
25019
51010
107155
18351
161720
71984
544 rows × 10 columns
In [8]:
dist_df.to_csv('../resource/preprocess_dist_df.csv', index=False, encoding='utf8')