[프로젝트]넷플릭스 데이터 분석1

https://github.com/1282saa/netflix-data-

GitHub - 1282saa/netflix-data-: this project analize netfilix data

 

 

 

넷플릭스¶

 

 

목차¶

3.데이터 소개

• 3-1 변수 설명
• 3-2 데이터 분석 내용

4.데이터 불러오기

• 4-1 분석에 필요한 패키지 불러오기
• 4-2 데이터 불러오기

5.데이터 검토 및 결측치 확인

• 5-1 결측치 확인
• 5-2 데이터 검토

6.데이터 전처리

• 6-1 변수명 변환
• 6-2 결측치 변환 및 행 제거
• 6-3 비교 분석을 위해 새로운 컬럼 생성
• 6-4 데이터 type 변환

7.one-hot encoding

8.데이터 분석 & EDA

• 8-1 넷플릭스에 프로그램이 추가되는 달 분석
• 8-2 type 컬럼의 tv show와 movie 타입 비율 분석
• 8-3 영화, 티비 쇼 타입의 연령대별 시청 수 분석
• 8-4 컨텐츠 추가 연도 분석
• 8-5 영화 프로그램 상영 시간 분석
• 8-6 장르와 프로그램 길이 분석
• 8-7 국가별 프로그램 길이 분석
• 8-8 국가별 인기 장르 분석
• 8-9 넷플릭스 제작 국가 분석
• 8-10 director 분석
• 8-11 개봉 연도와 프로그램 길이의 상관관계

9. 결론 및 인사이트

 

 

데이터 소개¶

• 넷플릭스 데이터 데이터 분석
• 출처 : https://www.kaggle.com/datasets/ariyoomotade/netflix-data-cleaning-analysis-and-visualization/data

 

 

변수 설명¶

• show_id : 프로그램 고유 id
• type : 프로그램의 카테고리 (tv show와 movie 타입으로 나눠짐)
• title : 프로그램 이름
• director : 감독 이름
• country : 제작국가
• date_added : 프로그램이 넷플릭스에 추가된 날짜
• release_year : 프로그램의 개봉일
• rating : 연령대별 프로그램 등급
• duration : 프로그램 길이
• listed_in : 프로그램의 장르

 

 

데이터 분석 내용¶

• 넷플릭스에 프로그램이 추가되는 달 분석
• type 컬럼의 tv show와 movie 타입 비율 분석
• 영화, 티비 쇼 타입의 연령대별 시청 수 분석
• 텐츠 추가 연도 분석
• 영화 프로그램 상영 시간 분석
• 장르와 프로그램 길이 분석
• 국가별 프로그램 길이 분석
• 국가별 인기 장르 분석
• 넷플릭스 제작 국가 분석
• director 분석
• 개봉 연도와 프로그램 길이의 상관관계

 

 

데이터 불러오기¶

 

 

분석에 필요한 패키지 불러오기¶

 

In [1]:

import pandas as pd
import numpy as np
import seaborn as sns
from sklearn.metrics.pairwise import cosine_similarity,cosine_distances
import matplotlib.pyplot as plt
import plotly.express as px
import plotly.graph_objects as go
from scipy.stats import norm

 

 

데이터 불러오기¶

 

In [2]:

nfx=pd.read_csv('netflix1.csv') #nfx로 데이터프레임 저장
nfx

 

Out[2]:

	show_id	type	title	director	country	date_added	release_year	rating	duration	listed_in
0	s1	Movie	Dick Johnson Is Dead	Kirsten Johnson	United States	9/25/2021	2020	PG-13	90 min	Documentaries
1	s3	TV Show	Ganglands	Julien Leclercq	France	9/24/2021	2021	TV-MA	1 Season	Crime TV Shows, International TV Shows, TV Act...
2	s6	TV Show	Midnight Mass	Mike Flanagan	United States	9/24/2021	2021	TV-MA	1 Season	TV Dramas, TV Horror, TV Mysteries
3	s14	Movie	Confessions of an Invisible Girl	Bruno Garotti	Brazil	9/22/2021	2021	TV-PG	91 min	Children & Family Movies, Comedies
4	s8	Movie	Sankofa	Haile Gerima	United States	9/24/2021	1993	TV-MA	125 min	Dramas, Independent Movies, International Movies
...	...	...	...	...	...	...	...	...	...	...
8785	s8797	TV Show	Yunus Emre	Not Given	Turkey	1/17/2017	2016	TV-PG	2 Seasons	International TV Shows, TV Dramas
8786	s8798	TV Show	Zak Storm	Not Given	United States	9/13/2018	2016	TV-Y7	3 Seasons	Kids' TV
8787	s8801	TV Show	Zindagi Gulzar Hai	Not Given	Pakistan	12/15/2016	2012	TV-PG	1 Season	International TV Shows, Romantic TV Shows, TV ...
8788	s8784	TV Show	Yoko	Not Given	Pakistan	6/23/2018	2016	TV-Y	1 Season	Kids' TV
8789	s8786	TV Show	YOM	Not Given	Pakistan	6/7/2018	2016	TV-Y7	1 Season	Kids' TV

8790 rows × 10 columns

 

 

데이터 검토 및 결측치 확인¶

 

 

결측치 확인¶

 

In [3]:

nfx.isnull().sum()

 

Out[3]:

show_id         0
type            0
title           0
director        0
country         0
date_added      0
release_year    0
rating          0
duration        0
listed_in       0
dtype: int64

 

 

데이터 검토¶

 

In [4]:

nfx.info()
#release_year 컬럼을 제외하고 모두 문자형인 것을 확인할 수 있음

 

 

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8790 entries, 0 to 8789
Data columns (total 10 columns):
 #   Column        Non-Null Count  Dtype 
---  ------        --------------  ----- 
 0   show_id       8790 non-null   object
 1   type          8790 non-null   object
 2   title         8790 non-null   object
 3   director      8790 non-null   object
 4   country       8790 non-null   object
 5   date_added    8790 non-null   object
 6   release_year  8790 non-null   int64 
 7   rating        8790 non-null   object
 8   duration      8790 non-null   object
 9   listed_in     8790 non-null   object
dtypes: int64(1), object(9)
memory usage: 686.8+ KB

 

In [5]:

nfx.describe() 

 

Out[5]:

	release_year
count	8790.000000
mean	2014.183163
std	8.825466
min	1925.000000
25%	2013.000000
50%	2017.000000
75%	2019.000000
max	2021.000000

 

In [6]:

nfx['director'].value_counts() #감독 컬럼의 빈도 수 파악

 

Out[6]:

Not Given                         2588
Rajiv Chilaka                       20
Alastair Fothergill                 18
Raúl Campos, Jan Suter              18
Suhas Kadav                         16
                                  ... 
Matt D'Avella                        1
Parthiban                            1
Scott McAboy                         1
Raymie Muzquiz, Stu Livingston       1
Mozez Singh                          1
Name: director, Length: 4528, dtype: int64

 

In [7]:

nfx['country'].value_counts() #나라별 시청 빈도 확인

 

Out[7]:

United States     3240
India             1057
United Kingdom     638
Pakistan           421
Not Given          287
                  ... 
Iran                 1
West Germany         1
Greece               1
Zimbabwe             1
Soviet Union         1
Name: country, Length: 86, dtype: int64

 

In [8]:

nfx['rating'].value_counts() #연령별 등급 확안

 

Out[8]:

TV-MA       3205
TV-14       2157
TV-PG        861
R            799
PG-13        490
TV-Y7        333
TV-Y         306
PG           287
TV-G         220
NR            79
G             41
TV-Y7-FV       6
NC-17          3
UR             3
Name: rating, dtype: int64

 

 

rating 컬럼 설명

티비 쇼 권장 시청자 연령 그룹(빈도 수 순서로 설명)

TV-MA(성인 시청자 전용): 성인 시청자를 대상으로 하며 17세 미만의 어린이에게는 적합하지 않습니다. 콘텐츠에는 강렬한 폭력, 폭력적인 언어, 성적인 콘텐츠 또는 기타 성인용 주제가 포함될 수 있습니다.

TV-14(부모님 강력 주의): 일부 자료는 14세 미만의 어린이에게 적합하지 않을 수 있습니다. 콘텐츠에는 강렬한 폭력, 성적인 내용, 저속한 유머 또는 거친 언어가 포함될 수 있으므로 부모는 주의를 기울여야 합니다.

TV-PG(부모 지도 권장): 일부 자료는 어린이에게 적합하지 않을 수 있습니다. 콘텐츠에 가벼운 폭력, 암시적인 대화 또는 거친 언어가 포함될 수 있으므로 부모는 "부모의 지도"를 제공하는 것이 좋습니다.

R(제한): 17세 이상 시청가 또는 부모 또는 성인 보호자가 동반한 시청자로 제한됩니다. 콘텐츠에는 거친 언어, 격렬한 폭력, 과도한 노출, 약물 사용 또는 기타 성인용 주제가 포함될 수 있습니다. 이 등급은 일반적으로 TV 프로그램보다는 영화에 사용됩니다.

PG-13(부모님 강력 주의): 일부 자료는 13세 미만 어린이에게 부적절할 수 있습니다. 해당 콘텐츠에는 폭력, 짧은 노출, 온화한 언어가 포함될 수 있으므로 부모는 주의하시기 바랍니다. 이 등급은 일반적으로 TV 프로그램보다는 영화에 사용됩니다.

TV-Y7(고학년 어린이 대상): 7세 이상의 어린이를 대상으로 합니다. 콘텐츠는 좀 더 큰 어린이에게 적합하도록 설계되었으며 가벼운 판타지 폭력이나 코미디 요소가 포함될 수 있습니다.

TV-Y(모든 어린이): 모든 어린이에게 적합합니다. 콘텐츠는 모든 연령대의 어린이에게 적합하도록 설계되었으며 불쾌감을 줄 수 있는 내용을 포함하지 않습니다.

PG(부모 지도 권장): 일부 자료는 어린이에게 적합하지 않을 수 있습니다. 콘텐츠에는 어린 시청자가 혼란스럽거나 속상하다고 느낄 수 있는 내용이 포함될 수 있으므로 부모는 '부모의 지도'를 제공할 것을 권장합니다.

TV-G(일반 시청자): 모든 연령층에 적합합니다. 해당 콘텐츠는 어린이를 포함해 모든 사람에게 적합한 것으로 간주됩니다. 여기에는 부모가 부적절하다고 생각할 만한 자료가 포함되어 있지 않습니다.

NR(등급 없음): 콘텐츠에 특정 등급이 할당되지 않았습니다. 이는 독립 영화나 등급을 위해 제출되지 않은 콘텐츠 등 다양한 이유로 발생할 수 있습니다.

G(일반 관객): 모든 연령층에 적합합니다. 해당 콘텐츠는 어린이를 포함해 모든 사람에게 적합한 것으로 간주됩니다. 이 등급은 일반적으로 TV 프로그램보다는 영화에 사용됩니다.

TV-Y7-FV(고학년 대상 - 판타지 폭력): 7세 이상의 어린이를 대상으로 합니다. 콘텐츠에는 TV-Y7 등급 프로그램에 비해 더 강렬하거나 빈번한 판타지 폭력이 포함될 수 있습니다.

NC-17(성인 전용): 17세 이하는 입장할 수 없습니다. 해당 콘텐츠는 어린이나 청소년에게 적합하지 않으며 노골적인 성적 콘텐츠, 장기간의 폭력 또는 기타 극단적인 성인 주제가 포함될 수 있습니다. 이 등급은 일반적으로 TV 프로그램보다는 영화에 사용됩니다.

UR(등급 없음): 콘텐츠에 특정 등급이 할당되지 않았거나 등급이 부여된 영화의 등급이 없는 버전입니다. 시청자는 시청하기 전에 주의를 기울이고 콘텐츠의 성격을 고려해야 합니다.

 

 

전처리¶

 

 

변수명 변환¶

 

In [9]:

#rating컬럼을 쉽게 알아보기 위해 target_ages컬럼을 생성

#- ok(older kids)=3개 
#- ad(adults)=5개
#- te(teens)=2개
#- ki(kids)=3개

ratings_ages = {
    'TV-PG': 'Older Kids',  ## ok
    'TV-MA': 'Adults',  ## ad
    'TV-Y7-FV': 'Older Kids',  ##ok
    'TV-Y7': 'Older Kids', ##ok
    'TV-14': 'Teens', ## te
    'R': 'Adults', ## ad
    'TV-Y': 'Kids', ##ki
    'NR': 'Adults', ##ad  ##NR(등급 없음): 콘텐츠에 특정 등급이 할당되지 않았습니다. 이는 독립 영화나 등급을 위해 제출되지 않은 콘텐츠 등 다양한 이유로 발생할 수 있습니다.
    'PG-13': 'Teens', ##te
    'TV-G': 'Kids', ##ki
    'PG': 'Older Kids', ##ok
    'G': 'Kids', ##ki
    'UR': 'Adults', ##ad 
#UR(등급 없음): 콘텐츠에 특정 등급이 할당되지 않았거나 등급이 부여된 영화의 등급이 없는 버전입니다. 시청자는 시청하기 전에 주의를 기울이고 콘텐츠의 성격을 고려해야 합니다.
    'NC-17': 'Adults' ## ad
}

nfx['target_ages']=nfx['rating'].replace(ratings_ages)

 

 

결측치 변환 및 행 제거¶

 

In [10]:

# rating 컬름의 UR 값은 특정 등급이 지정되지 않았거나 부여된 영화의 등급이 없는 등급이다. 또한 빈도수를 확인하면 상대적으로 적은 빈도인 3개의 값이 존재하는 것을 확인 가능하다
#따라서 데이터 분석에 큰 요인이 되지않는 UR 등급이 존재하는 행은 삭제한다.
nfx['rating']=np.where(nfx['rating']=='UR',np.nan,nfx['rating']) #UR이 값을 결측치로 변환

nfx.isna().sum()

#ur 값은 삭제된 상태

 

Out[10]:

show_id         0
type            0
title           0
director        0
country         0
date_added      0
release_year    0
rating          3
duration        0
listed_in       0
target_ages     0
dtype: int64

 

In [11]:

nfx=nfx.dropna() #결측치로 변환한 값 제거해주기
nfx.isna().sum() #ur값이 사라진 것을 확인 가능

 

Out[11]:

show_id         0
type            0
title           0
director        0
country         0
date_added      0
release_year    0
rating          0
duration        0
listed_in       0
target_ages     0
dtype: int64

 

 

비교 분석을 위해 새로운 컬럼 생성¶

 

In [12]:

## date_added 컬럼을 연도와 달로 분해하기

# year_added 컬럼 추가 하기
nfx['year_added'] = nfx['date_added'].apply(lambda x: x.split("/")[-1])

# month_added 컬럼 추가 하기
nfx['month_added'] = nfx['date_added'].apply(lambda x: x.split("/")[0])

# 추가한 컬럼 데이터 확인
nfx.tail() 
#year_added / month_added / target_ages 컬럼이 새롭게 추가된 것을 확인 가능

 

 

/var/folders/24/kj6qhrn550xbr18__b59pv440000gn/T/ipykernel_9766/2728872958.py:4: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  nfx['year_added'] = nfx['date_added'].apply(lambda x: x.split("/")[-1])
/var/folders/24/kj6qhrn550xbr18__b59pv440000gn/T/ipykernel_9766/2728872958.py:7: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  nfx['month_added'] = nfx['date_added'].apply(lambda x: x.split("/")[0])

Out[12]:

	show_id	type	title	director	country	date_added	release_year	rating	duration	listed_in	target_ages	year_added	month_added
8785	s8797	TV Show	Yunus Emre	Not Given	Turkey	1/17/2017	2016	TV-PG	2 Seasons	International TV Shows, TV Dramas	Older Kids	2017	1
8786	s8798	TV Show	Zak Storm	Not Given	United States	9/13/2018	2016	TV-Y7	3 Seasons	Kids' TV	Older Kids	2018	9
8787	s8801	TV Show	Zindagi Gulzar Hai	Not Given	Pakistan	12/15/2016	2012	TV-PG	1 Season	International TV Shows, Romantic TV Shows, TV ...	Older Kids	2016	12
8788	s8784	TV Show	Yoko	Not Given	Pakistan	6/23/2018	2016	TV-Y	1 Season	Kids' TV	Kids	2018	6
8789	s8786	TV Show	YOM	Not Given	Pakistan	6/7/2018	2016	TV-Y7	1 Season	Kids' TV	Older Kids	2018	6

 

 

데이터 type 변환¶

 

In [13]:

nfx.dtypes

 

Out[13]:

show_id         object
type            object
title           object
director        object
country         object
date_added      object
release_year     int64
rating          object
duration        object
listed_in       object
target_ages     object
year_added      object
month_added     object
dtype: object

 

In [14]:

#비교를 하기 위해 type을 변환
nfx['type']=pd.Categorical(nfx['type']) #type은 카테고리형으로 변환
nfx['year_added']=pd.to_numeric(nfx['year_added']) #날짜 데이터는 정수형으로 변환하기
nfx['month_added']=pd.to_numeric(nfx['month_added']) #날짜 데이터는 정수형으로 변환하기

 

 

/var/folders/24/kj6qhrn550xbr18__b59pv440000gn/T/ipykernel_9766/497470474.py:2: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  nfx['type']=pd.Categorical(nfx['type']) #type은 카테고리형으로 변환
/var/folders/24/kj6qhrn550xbr18__b59pv440000gn/T/ipykernel_9766/497470474.py:3: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  nfx['year_added']=pd.to_numeric(nfx['year_added']) #날짜 데이터는 정수형으로 변환하기
/var/folders/24/kj6qhrn550xbr18__b59pv440000gn/T/ipykernel_9766/497470474.py:4: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  nfx['month_added']=pd.to_numeric(nfx['month_added']) #날짜 데이터는 정수형으로 변환하기

 

In [15]:

nfx.dtypes

 

Out[15]:

show_id           object
type            category
title             object
director          object
country           object
date_added        object
release_year       int64
rating            object
duration          object
listed_in         object
target_ages       object
year_added         int64
month_added        int64
dtype: object

 

 

one-hot encoding¶

-범주형 데이터인 type 혹은 target_ages를 원핫 인코딩 실시

1)type은 movie와 tv show로 원핫 인코딩이 가능

2)target_ages는 adults / kids / older kids / teens로 원핫 인코딩이 가능

 

In [16]:

type_dummy=pd.get_dummies(nfx[['type']])
type_dummy.head(10)

 

Out[16]:

	type_Movie	type_TV Show
0	1	0
1	0	1
2	0	1
3	1	0
4	1	0
5	0	1
6	1	0
7	1	0
8	1	0
9	1	0

 

In [17]:

target_ages_dummy=pd.get_dummies(nfx[['target_ages']])
target_ages_dummy.head(10)

 

Out[17]:

	target_ages_Adults	target_ages_Kids	target_ages_Older Kids	target_ages_Teens
0	0	0	0	1
1	1	0	0	0
2	1	0	0	0
3	0	0	1	0
4	1	0	0	0
5	0	0	0	1
6	0	0	0	1
7	0	0	1	0
8	1	0	0	0
9	0	0	1	0

 

In [18]:

concat_data=pd.concat([nfx,target_ages_dummy],axis=1)
concat_data #원핫인코딩한 데이터 결과와 nfx기존 데이터 합치기

 

Out[18]:

	show_id	type	title	director	country	date_added	release_year	rating	duration	listed_in	target_ages	year_added	month_added	target_ages_Adults	target_ages_Kids	target_ages_Older Kids	target_ages_Teens
0	s1	Movie	Dick Johnson Is Dead	Kirsten Johnson	United States	9/25/2021	2020	PG-13	90 min	Documentaries	Teens	2021	9	0	0	0	1
1	s3	TV Show	Ganglands	Julien Leclercq	France	9/24/2021	2021	TV-MA	1 Season	Crime TV Shows, International TV Shows, TV Act...	Adults	2021	9	1	0	0	0
2	s6	TV Show	Midnight Mass	Mike Flanagan	United States	9/24/2021	2021	TV-MA	1 Season	TV Dramas, TV Horror, TV Mysteries	Adults	2021	9	1	0	0	0
3	s14	Movie	Confessions of an Invisible Girl	Bruno Garotti	Brazil	9/22/2021	2021	TV-PG	91 min	Children & Family Movies, Comedies	Older Kids	2021	9	0	0	1	0
4	s8	Movie	Sankofa	Haile Gerima	United States	9/24/2021	1993	TV-MA	125 min	Dramas, Independent Movies, International Movies	Adults	2021	9	1	0	0	0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
8785	s8797	TV Show	Yunus Emre	Not Given	Turkey	1/17/2017	2016	TV-PG	2 Seasons	International TV Shows, TV Dramas	Older Kids	2017	1	0	0	1	0
8786	s8798	TV Show	Zak Storm	Not Given	United States	9/13/2018	2016	TV-Y7	3 Seasons	Kids' TV	Older Kids	2018	9	0	0	1	0
8787	s8801	TV Show	Zindagi Gulzar Hai	Not Given	Pakistan	12/15/2016	2012	TV-PG	1 Season	International TV Shows, Romantic TV Shows, TV ...	Older Kids	2016	12	0	0	1	0
8788	s8784	TV Show	Yoko	Not Given	Pakistan	6/23/2018	2016	TV-Y	1 Season	Kids' TV	Kids	2018	6	0	1	0	0
8789	s8786	TV Show	YOM	Not Given	Pakistan	6/7/2018	2016	TV-Y7	1 Season	Kids' TV	Older Kids	2018	6	0	0	1	0

8787 rows × 17 columns