pyecharts로 넷플릭스 데이터 시각화하기
안녕하세요, 킹래빗입니다🐰
데이터 분석으로 처음 글을 적어보는데요,
다들 많이 보시는 넷플릭스 영화 및 TV 콘텐츠를 분석해 본 내용입니다🎬🍿
데이터는 kaggle의 데이터셋을 이용해서 미국 넷플릭스 데이터라고 보시면 될 것 같아요.
pyecharts를 이용해 간단하게 시각화하는 내용이어서 쉽게 따라하실 수 있어요.
데이터와 분석 노트북은 깃허브 리포지토리에서 확인하실 수 있습니다.
import warnings
import pandas as pd
import numpy as np
from pyecharts import Bar, Pie
from pyecharts import online
online()
warnings.filterwarnings(action='ignore')
#데이터 불러오기
data = pd.read_csv('netflix_titles.csv')
- 드라마/영화 콘텐츠에는 고유번호가 지정되어 있습니다(show_id 컬럼)
- type에서는 영화인지 TV쇼인지를 구분합니다
- 출연진(cast)과 국가(country, 두개 이상인 경우)는 comma(,)로 구분되어 있습니다
- 콘텐츠 길이(duration)의 경우 영화면 분 단위로, TV쇼이면 시즌 단위로 표기됩니다
- 장르는 listed_in 컬럼이며, 두개 이상의 장르에 속한 경우 comma(,)로 구분됩니다.
data.head(5)
2. 어느 나라 콘텐츠가 많을까¶
아무래도 나라별로 콘텐츠 개수에 차이가 나겠죠. 국가별 콘텐츠 개수가 어떻게 되는지 확인하기 위해 먼저 country 컬럼을 전처리해 줍니다.
comma를 기준으로 country 컬럼을 구분해 준 뒤 국가별로 영화/TV콘텐츠 개수를 집계한 데이터프레임을 만드는 방식입니다.
countries = []
for i in range(len(data)):
if type(data.loc[i, 'country']) == str:
data.loc[i, 'country'] = data.loc[i, 'country'].replace("\"", "")
countries_content = data.loc[i, 'country'].split(', ')
for country in countries_content:
countries.append(country)
else:
pass
countries = list(set(countries))
countries.remove('') #아무것도 없는 문자열 제거
countires_re = [ country.replace(',', '') for country in countries ]
countires_re = list(set(countires_re)) # 국가명 리스트 생성
countries_cnt = []
for country in countires_re:
cnt = 0
# 국가별로 영화/TV콘텐츠 개수를 셉니다. 영화의 country컬럼에 해당 국가명이 포함되면 1을 추가하는 방식입니다.
for i in range(len(data)):
if type(data.loc[i, 'country']) == str and data.loc[i, 'country'].__contains__(country):
cnt +=1
countries_cnt.append(cnt)
# count를 기준으로 정렬합니다.
countries_movie_number = pd.DataFrame({'country':countires_re, 'count':countries_cnt}).sort_values(by='count', ascending=False)
데이터 프레임을 만든 후에는 이를 pyecharts를 이용해 바 그래프로 시각화해 봅니다.
- 콘텐츠 수 상위 10개 국가만 시각화했습니다.
- 먼저 Bar 그래프 객체를 생성한 뒤 테마를 설정하고 그래프 이름, x축 및 y축 데이터 등을 설정하는 방식입니다.
- 그래프 객체 설정 시 전체 그래프의 크기(여기서는 width만 설정함)를 정할 수 있습니다.
- x축의 폰트크기는 9입니다.
- label_text_size에서는 그래프 라벨의 폰트크기를 정합니다.
- is_datazoom_show를 False로 설정해 줌이 불가능하게 했습니다.
- 따로 설정하지는 않았는데 bar.use_theme()으로 테마를 설정할 수 있습니다.
bar = Bar("국가별 넷플릭스 콘텐츠 개수",
width=900)
bar.add("",
countries_movie_number['country'][:10],
countries_movie_number['count'][:10],
xaxis_label_textsize=9,
xaxis_interval=0,
label_text_size=10,
is_label_show=True,
is_datazoom_show=False)
bar
역시 미국🗽의 콘텐츠 양이 압도적입니다. 다음은 발리우드로 유명한 인도인데 2위임에도 미국과 3.5배 정도 차이가 납니다.
한국은 231개로 독일과 공동 8위입니다. 멕시코가 169개로 10위를 차지했네요.
3. 연도별 콘텐츠 개수 분석¶
몇 년 전만 해도 넷플릭스에서 볼 게 많지 않다는 평가가 많았는데요.
최근에는 콘텐츠 양도 절대적으로 많아졌고 오리지널 시리즈도 많이 제작되고 있어서 더이상 이런 평가는 들리지 않는 것 같습니다.
넷플릭스가 매년 콘텐츠를 얼마나 늘려왔는지 한번 확인해볼까요.
콘텐츠별로 넷플릭스에 추가된 날짜는 date_added 컬럼에 저장되어 있습니다. 여기서 연도만 date_added_year 컬럼으로 저장해 준 뒤 시각화해보았습니다.
for i in range(len(data)):
if type(data.loc[i, 'date_added']) == str:
data.loc[i, 'date_added_year'] = data.loc[i, 'date_added'][-4:]
contents_added_year = pd.DataFrame(data['date_added_year'].value_counts()).reset_index().rename(columns={'index':'year', 'date_added_year':'count'}).sort_values(by='year')
bar = Bar("연도별 추가된 콘텐츠 수",
width=900)
bar.add("",
contents_added_year['year'],
contents_added_year['count'],
xaxis_label_textsize=9,
xaxis_interval=0,
label_text_size=10,
is_label_show=True,
is_stack=True,
is_datazoom_show=False)
bar
pie = Pie("유형별 넷플릭스 콘텐츠 비중")
pie.add("", data['type'].value_counts().index, data['type'].value_counts().values, is_label_show=True)
pie
4-2. 장르 분석¶
다음은 장르분석입니다. 국가별 콘텐츠 개수 분석과 마찬가지로 장르별로 콘텐츠 개수를 집계해줍니다.
categories = []
for i in range(len(data)):
cats = data.loc[i, 'listed_in'].split(', ')
for cat in cats:
categories.append(cat)
categories = set(categories)
show_ids = []
categories_list = []
for i in range(len(data)):
cats = data.loc[i, 'listed_in'].split(', ')
for cat in cats:
show_ids.append(data.loc[i, 'show_id'])
categories_list.append(cat)
show_category = pd.DataFrame({'show_id':show_ids, 'category':categories_list})
bar = Bar("장르별 콘텐츠 개수",
width=900)
bar.add("",
show_category.category.value_counts()[:10].keys(),
show_category.category.value_counts()[:10].values,
bar_category_gap='10%',
xaxis_type='category',
xaxis_label_textsize=9,
xaxis_interval=0,
label_text_size=10,
is_label_show=True,
is_datazoom_show=False)
bar
미국 외 다른 나라의 영화/TV쇼를 의미하는 International Movies 장르의 콘텐츠가 가장 많네요. International TV Show도 1351개로 4위이구요. 넷플릭스가 글로벌한 서비스이다보니 자연스레 나타난 결과인 것 같습니다.
드라마가 2위인데 1위와 별로 차이가 안나는 게 오히려 의외입니다. 3위인 코미디와도 개수 차이가 크고요.
다큐멘터리가 액션 영화보다 약간 더 많은 점, TV 드라마가 이 두 장르보다 적은 것도 개인적으로는 의외입니다🤔
넷플릭스에서 다큐멘터리가 생각보다 인기라는 얘기를 들었는데 이런 점이 반영된 것일 수도 있겠네요.
여기까지 넷플릭스 콘텐츠 데이터를 분석해보았습니다. 읽어주셔서 감사합니다:)