NETFLIX

Я решила проанализировать данные о фильмах и телешоу, доступных на популярном сервисе потокового вещания Netflix. Данный набор данных можно использовать для поиска названия, типа, режиссера, актерского состава, страны, даты добавления, года выпуска, рейтинга, продолжительности, жанра и описания фильмов и телешоу.

Ссылка: https://www.kaggle.com/datasets/imtkaggleteam/netflix/data

Анализ данных Netflix предоставляет ценную информацию для понимания аудитории, оптимизации стратегии контента и принятия обоснованных решений в индустрии развлечений. Мне бы хотелось проанализировать:

• какие жанры (драмы, комедии, боевики и т.д.) и темы (любовь, война, будущее и т.д.) наиболее популярны среди зрителей определенных стран.
• какие актеры и режиссеры привлекают наибольшую аудиторию.
• как менялись предпочтения аудитории с течением времени (анализ исторических данных)

Для отображения результатов своих исследований я планирую использовать столбчатые и круговые диаграммы, а также диаграммы корреляции в разных цветовых палитрах. Данный вид графики, скорее всего, наиболее точно и красиво визуализирует мой код.

Я буду анализировать только фильмы, поменяю местами столбцы и уберу ненужную мне информацию.

Делаем title перым столбцом в таблице: title = df['title']
df = df.drop('title', axis=1) df.insert(1, 'title', title)

Делаем release_year третьим столбцом в таблице: release_year = df['release_year']
df = df.drop('release_year', axis=1) df.insert(3, 'release_year', release_year) Переименовываем release_year в release: df = df.sort_values(by='release_year') df = df.rename(columns={'release_year': 'release'})

Делаем country четвертым столбцом в таблице: country = df['country']
df = df.drop('country', axis=1) df.insert(4, 'country', country)

Делаем duration пятым столбцом в таблице: duration = df['duration']
df = df.drop('duration', axis=1) df.insert(5, 'duration', duration)

Делаем date_added шестым столбцом в таблице: date_added = df['date_added']
df = df.drop('date_added', axis=1) df.insert(6, 'date_added', date_added) Все значения в столбце date_added приводим к виду 00.00.0000 (день.месяц.год): df['date_added'] = pd.to_datetime(df['date_added'], errors='coerce')
df['date_added'] = df['date_added'].dt.strftime('%d.%m.%Y') Переименовываем date_added в added: df = df.sort_values(by='date_added') df = df.rename(columns={'date_added': 'added'})

Фильтруем столбец 'type' и удаляем столбец 'type': df = df[df['type'] == 'Movie'] df = df.drop('type', axis=1) Переименовываем столбец 'title' в 'Movies' и добавляем кавычки: df = df.rename(columns={'title': 'Movies'}) df['Movies'] = '"' + df['Movies'] + '"'

Убираем колонки show_id и rating: df.drop(['show_id', 'rating'], axis=1)

Фильтрация данных по Соединенным Штатам: united_states_df = df[df['country'] == 'United States']

Разделение жанров и создание списка всех жанров: genres_list = [] for genres in united_states_df['genres'].dropna():
genres_list.extend(genres.split(', '))

Подсчет популярности жанров: genres_counts = pd.Series(genres_list).value_counts()

Выбор топ-10 наименее популярных жанров: least_popular_genres = genres_counts.nsmallest(10)

Визуализация в виде перевернутой столбчатой диаграммы: plt.rcParams['figure.facecolor'] = 'black' plt.rcParams['axes.facecolor'] = 'black'
plt.rcParams['text.color'] = 'white'
plt.rcParams['xtick.color'] = 'white'
plt.rcParams['ytick.color'] = 'white'
plt.rcParams['axes.labelcolor'] = 'white' plt.rcParams['axes.titlecolor'] = 'white' plt.figure(figsize=(10, 6)) least_popular_genres.plot(kind='barh', color='#E50914')
plt.gca().invert_yaxis()

Фильтрация данных по Южной Корее: south_korea_df = df[df['country'] == 'South Korea']

Разделение жанров и создание списка всех жанров: genres_list = [] for genres in south_korea_df['genres'].dropna(): genres_list.extend(genres.split(', '))

Подсчет популярности жанров: genres_counts = pd.Series(genres_list).value_counts()

Выбор топ-10 жанров: top_10_genres = genres_counts.head(10)

Построение столбчатой диаграммы: plt.rcParams['figure.facecolor'] = 'black'
plt.rcParams['axes.facecolor'] = 'black'
plt.rcParams['text.color'] = 'white'
plt.rcParams['xtick.color'] = 'white'
plt.rcParams['ytick.color'] = 'white'
plt.rcParams['axes.labelcolor'] = 'white'
plt.rcParams['axes.titlecolor'] = 'white' plt.figure(figsize=(10, 6))
sns.barplot(x=top_10_genres.index, y=top_10_genres.values, palette="coolwarm") plt.xlabel("Genre") plt.ylabel("Number of movies") plt.title("Top 10 popular genres in South Korea") plt.xticks(rotation=45, ha="right") plt.tight_layout() plt.show()

Фильтрация данных по Южной Корее: korea_df = df[df['country'] == 'South Korea'].copy()

Проверяем, есть ли данные по Южной Корее: if korea_df.empty: print("Нет данных для Южной Кореи.") exit()

Обработка столбца с актерами: actors_list = [] for actors in korea_df['cast'].dropna(): actors_list.extend(actors.split(', '))

Подсчет частоты появления каждого актера: from collections import Counter actors_counts = Counter(actors_list)

Выбор топ-20 актеров: top_20_actors = actors_counts.most_common(20)

Создание DataFrame для визуализации: top_actors_df = pd.DataFrame(top_20_actors, columns=['actor', 'count'])

Визуализация: plt.rcParams['figure.facecolor'] = 'black'
plt.rcParams['axes.facecolor'] = 'black'
plt.rcParams['text.color'] = 'white'
plt.rcParams['xtick.color'] = 'white'
plt.rcParams['ytick.color'] = 'white'
plt.rcParams['axes.labelcolor'] = 'white' осей plt.rcParams['axes.titlecolor'] = 'white' colors = plt.cm.get_cmap('coolwarm', len(top_actors_df)) plt.figure(figsize=(12, 8)) plt.scatter(top_actors_df.index, top_actors_df['count'], c=top_actors_df.index, cmap=colors) plt.xlabel("Actors") plt.ylabel("Number of appearances in movies") plt.title("Top 20 most popular actors in South Korea") plt.colorbar(label="Actor Index") plt.xticks(top_actors_df.index, top_actors_df['actor'], rotation=90, ha="right") plt.tight_layout() plt.show()

Фильтрация данных для Канады: canada_df = df[df['country'] == 'Canada']

Подсчет количества фильмов/шоу для каждого режиссера: director_counts = canada_df['director'].value_counts()

Выбор 30 самых популярных режиссеров: top_30_directors = director_counts.head(30)

Подготовка данных для круговой диаграммы: labels = top_30_directors.index sizes = top_30_directors.values colors = ['#FFFF00', '#800080'] * 15 explode = [0.1] * 30

Создание круговой диаграммы: plt.rcParams['figure.facecolor'] = 'black'
plt.rcParams['axes.facecolor'] = 'black'
plt.rcParams['text.color'] = 'white'
plt.rcParams['xtick.color'] = 'white'
plt.rcParams['ytick.color'] = 'white'
plt.rcParams['axes.labelcolor'] = 'white' plt.rcParams['axes.titlecolor'] = 'white' plt.figure(figsize=(10, 10)) plt.pie(sizes, explode=explode, labels=labels, colors=colors, autopct='%1.1f%%', shadow=True, startangle=140, textprops={'fontsize': 10}) plt.title("Canada's top 30 directors", fontsize=16) plt.axis('equal') plt.tight_layout() plt.show()

from sklearn.preprocessing import LabelEncoder

Фильтруем по стране (США): df_usa = df[df['country'] == 'United States']

Преобразование категориальных признаков в числовые: categorical_cols = df_usa.select_dtypes(include='object').columns

le = LabelEncoder() for col in categorical_cols: df_usa[col] = le.fit_transform(df_usa[col].astype(str))

Анализ корреляции: correlation_matrix = df_usa.corr(numeric_only=True)

Визуализация корреляции: plt.rcParams['figure.facecolor'] = 'black'
plt.rcParams['axes.facecolor'] = 'black'
plt.rcParams['text.color'] = 'white'
plt.rcParams['xtick.color'] = 'white'
plt.rcParams['ytick.color'] = 'white'
plt.rcParams['axes.labelcolor'] = 'white'
plt.rcParams['axes.titlecolor'] = 'white' plt.figure(figsize=(12, 10))
sns.heatmap(correlation_matrix, annot=True, cmap='RdBu', fmt=".2f", linewidths=.5) plt.title('Correlation between attributes of movies in the US', fontsize=16) plt.show()

Для генерации частей кода я использовала нейросеть https://chatgptchatapp.com/

Я старалась придерживаться цветовой палитры заставки Netflix (красный, синий определенных оттенков).