Исходный размер 1140x1600

Анализ кассовых сборов в кино

Обложка создана с. помощью https://stablediffusionweb.com/ru/app/image-generator

Концепция

Я решила проанализировать факторы, влияющие на кассовые сборы фильмов. Такой анализ мог бы быть полезен для киностудий при планировании новых проектов и маркетинговых стратегий.

План

  1. Собрать данные о фильмах, включая бюджет, жанр, актерский состав, рейтинги критиков, дату выхода и кассовые сборы.
  2. Исследовать корреляции между различными факторами и кассовыми сборами.
  3. Построить модель машинного обучения для прогнозирования потенциальных сборов.
  4. Визуализировать тренды, например, как меняются предпочтения зрителей по жанрам со временем.
  5. Проанализировать влияние сезонности на успех фильмов.

База данных

Для анализа я использовала данные источники:

Kaggle

Мне всегда после просмотра классного фильма интересно узнать бюджет, который был у команды для создания фильма и посмотреть насколько он окупился.

Код, позволяющий на основе базы данных выявить топ-10 кассовых фильмов.

import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv ('movies_data.csv') top_10 = df.sort_values ('box_office', ascending=False).head (10) print (top_10[['title', 'box_office']]) plt.figure (figsize=(12, 6)) plt.bar (top_10['title'], top_10['box_office']) plt.xticks (rotation=45, ha='right') plt.xlabel ('Фильм') plt.ylabel ('Кассовые сборы') plt.title ('Топ-10 кассовых фильмов') plt.tight_layout () plt.show ()

Результат:

«Аватар» (2009) «Мстители: Финал» (2019) «Титаник» (1997) «Звёздные войны: Пробуждение силы» (2015) «Мстители: Война бесконечности» (2018) «Человек-паук: Нет пути домой» (2021) «Аватар: Путь воды» (2022) «Мир юрского периода» (2015) «Король Лев» (2019) «Мстители» (2012)

Код для графика

import matplotlib.pyplot as plt import numpy as np movies = [ «Аватар», «Мстители: Финал», «Титаник», «Звёздные войны: Пробуждение силы», «Мстители: Война бесконечности», «Человек-паук: Нет пути домой», «Аватар: Путь воды», «Мир юрского периода», «Король Лев», «Мстители» ] box_office = [2.85, 2.80, 2.20, 2.07, 2.05, 1.92, 1.90, 1.67, 1.66, 1.52]

plt.figure (figsize=(12, 6)) bars = plt.bar (movies, box_office)

plt.title («Топ-10 самых кассовых фильмов», fontsize=16) plt.xlabel («Фильмы», fontsize=12) plt.ylabel («Кассовые сборы (млрд $)», fontsize=12) plt.xticks (rotation=45, ha='right')

for bar in bars: height = bar.get_height () plt.text (bar.get_x () + bar.get_width ()/2., height, f'{height:.2f}', ha='center', va='bottom')

plt.tight_layout () plt.show ()

Исходный размер 2416x1152

Код, выявляющий топ-3 самых кассовых жанров фильмов

import pandas as pd import matplotlib.pyplot as plt

df = pd.read_csv ('movies_data.csv')

genre_revenue = df.groupby ('genre')['box_office'].sum ().sort_values (ascending=False)

top_3_genres = genre_revenue.head (3)

print («Топ-3 самых кассовых жанра:») for genre, revenue in top_3_genres.items (): print (f"{genre}: ${revenue:,.2f}»)

plt.figure (figsize=(10, 6)) top_3_genres.plot (kind='bar') plt.title ('Топ-3 самых кассовых жанра') plt.xlabel ('Жанр') plt.ylabel ('Общие кассовые сборы ($)') plt.xticks (rotation=0)

for i, v in enumerate (top_3_genres): plt.text (i, v, f'${v:,.0f}', ha='center', va='bottom')

plt.tight_layout () plt.show ()

Результат:

  1. Экшн/Приключения
  2. Научная фантастика/Фэнтези
  3. Анимация/Семейные фильмы

Код для круговой диаграмы:

Исходный размер 2418x1442

На основе данной диаграммы наглядно видно, что наиболее прибыльными фильмами являются не напрягающие, развлекательно-семейный фильмы, в которых происходит много ярких событий

Код который создает точечный график для отображения топ-5 не окупившихся фильмов

import matplotlib.pyplot as plt

movies = [«Джон Картер», «Одинокий рейнджер», «Марс атакует!», «47 ронинов», «Гудини»] budgets = [250, 225, 120, 175, 120] # в миллионах долларов revenues = [284, 260, 33, 151, 27] # в миллионах долларов

plt.figure (figsize=(12, 8)) plt.scatter (budgets, revenues, s=100, alpha=0.7)

for i, movie in enumerate (movies): plt.annotate (movie, (budgets[i], revenues[i]), xytext=(5, 5), textcoords='offset points')

max_value = max (max (budgets), max (revenues)) plt.plot ([0, max_value], [0, max_value], 'r--', label='Линия безубыточности')

plt.xlabel ('Бюджет (млн $)') plt.ylabel ('Кассовые сборы (млн $)') plt.title ('Соотношение бюджета и кассовых сборов для не окупившихся фильмов')

plt.legend ()

plt.xlim (0, max (budgets) * 1.1) plt.ylim (0, max (revenues) * 1.1)

plt.grid (True, linestyle='--', alpha=0.7)

plt.tight_layout () plt.show ()

Исходный размер 1432x972
Анализ кассовых сборов в кино
Мария Овчарова провела анализ кассовых сборов фильмов, используя данные из открытых источников и методы машинного обучения. Проект включает визуализацию топ-10 кассовых фильмов и выявление наиболее прибыльных жанров на основе статистики.
Описание проекта сделано с помощью ИИ
Проект создан 25.09.2024
Другие проекты c тегом искусственный интеллект
Алексей Синдинский провёл анализ данных монстров из Dungeouns and Dragons в формате финального проекта. Проект включает визуализацию параметров монстров с использованием круговых диаграмм и столбчатых графиков для сравнения по классам опасности.
Александра Воробьева провела анализ данных о трендах в женской моде и создала визуализации для их интерпретации. Проект включает корреляционный анализ и графики, показывающие слабую связь между ценой, количеством продаж и рейтингом товаров.
Ник Шолох провёл анализ данных о породах кошек, чтобы выявить их особенности и помочь владельцам выбрать подходящего питомца. Проект включает визуализацию с использованием генеративной нейросети Copilot для создания цветовой палитры и обложки.
Максим Кириллов провел анализ данных о влиянии музыки на ментальное состояние человека, используя датасет с Kaggle. В проекте были применены различные типы графиков, включая столбчатые диаграммы, круговые диаграммы и диаграммы рассеяния, для визуализации результатов.
dafes
DAFES — платформа, объединяющая лучшие проекты и продукты экосистемы по направлениям design, art, fashion, education и startup. Внутри неё действует сообщество Deziiign, которое объединяет дизайнеров, художников, иллюстраторов и фотографов — профессионалов всех творческих направлений. Это пространство для демонстрации работ, обмена идеями и неординарными подходами, а также встреч с потенциальными заказчиками, исполнителями и па... Показать больше
design
art
fashion
education
startups
Мы используем файлы cookies для улучшения работы сайта и большего удобства его использования. Более подробную информац...
Показать больше