"The Movie Database" filmų analizė¶

Hipotezės:

  1. Didžiausią biudžetą turėjęs filmas sugeneravo daugiausiai pajamų.
  2. Aukščiausią filmo įvertinimą TMDB turintis filmas sutampa su IMDB aukščiausią įvertinimo balą turinčiu filmu.
  3. Dažniausiai naudojamas žodis filmų pavadinimuose - "love".
  4. Populiariausias filmų žanras - drama.

Duomenų tvarkymas¶

In [1]:
import pandas as pd
import numpy as np
from nltk.corpus import stopwords
import nltk
nltk.download('stopwords')
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns

[nltk_data] Downloading package stopwords to
[nltk_data]     C:\Users\gedvile.ribinskaite\AppData\Roaming\nltk_data
[nltk_data]     ...
[nltk_data]   Package stopwords is already up-to-date!
In [3]:
movies = pd.read_csv('C:\\...\\movies_cleaned.csv', low_memory = False)# If low_memory=False, 
# then whole columns will be read in first, and then the proper types determined. For example, the column will be kept as 
# objects (strings) as needed to preserve information.
movies.head(3)
Out[3]:
id adult collection_id belongs_to_collection budget genre_1 genre_2 genre_3 genre_4 original_title ... release_date revenue runtime spoken_languages status tagline title video vote_average vote_count
0 862 FALSE 10194.0 Toy Story Collection 30000000 Animation Comedy Family NaN Toy Story ... 10/30/1995 373554033.0 81.0 en Released NaN Toy Story False 7.7 5415.0
1 8844 FALSE NaN NaN 65000000 Adventure Fantasy Family NaN Jumanji ... 12/15/1995 262797249.0 104.0 en, fr Released Roll the dice and unleash the excitement! Jumanji False 6.9 2413.0
2 15602 FALSE 119050.0 Grumpy Old Men Collection 0 Romance Comedy NaN NaN Grumpier Old Men ... 12/22/1995 0.0 101.0 en Released Still Yelling. Still Fighting. Still Ready for... Grumpier Old Men False 6.5 92.0

3 rows × 27 columns

In [63]:
movies.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 45466 entries, 0 to 45465
Data columns (total 27 columns):
 #   Column                  Non-Null Count  Dtype  
---  ------                  --------------  -----  
 0   id                      45466 non-null  object 
 1   adult                   45466 non-null  object 
 2   collection_id           4494 non-null   float64
 3   belongs_to_collection   4491 non-null   object 
 4   budget                  45466 non-null  object 
 5   genre_1                 43021 non-null  object 
 6   genre_2                 28462 non-null  object 
 7   genre_3                 13982 non-null  object 
 8   genre_4                 4397 non-null   object 
 9   original_title          45466 non-null  object 
 10  overview                44512 non-null  object 
 11  popularity              45461 non-null  object 
 12  poster_path             45080 non-null  object 
 13  production_companies_1  45463 non-null  object 
 14  production_companies_2  17130 non-null  object 
 15  production_countries_1  39178 non-null  object 
 16  production_countries_2  7027 non-null   object 
 17  release_date            45379 non-null  object 
 18  revenue                 45460 non-null  float64
 19  runtime                 45203 non-null  float64
 20  spoken_languages        45459 non-null  object 
 21  status                  45379 non-null  object 
 22  tagline                 20412 non-null  object 
 23  title                   45460 non-null  object 
 24  video                   45460 non-null  object 
 25  vote_average            45460 non-null  float64
 26  vote_count              45460 non-null  float64
dtypes: float64(5), object(22)
memory usage: 9.4+ MB
In [64]:
movies['adult'].value_counts()
Out[64]:
FALSE                                                                                                                             45454
TRUE                                                                                                                                  9
 - Written by Ørnås                                                                                                                   1
 Avalanche Sharks tells the story of a bikini contest that turns into a horrifying affair when it is hit by a shark avalanche.        1
 Rune Balot goes to a casino connected to the October corporation to try to wrap up her case once and for all.                        1
Name: adult, dtype: int64

Matome, jog beveik visi filmai neturi amžiaus ribojimų, todėl šis rodiklis analizėje neduos jokios naudos ir jį galime pašalinti.

In [32]:
movies[['title', 'original_title']]
Out[32]:
title original_title
0 Toy Story Toy Story
1 Jumanji Jumanji
2 Grumpier Old Men Grumpier Old Men
3 Waiting to Exhale Waiting to Exhale
4 Father of the Bride Part II Father of the Bride Part II
... ... ...
45461 Subdue رگ خواب
45462 Century of Birthing Siglo ng Pagluluwal
45463 Betrayal Betrayal
45464 Satan Triumphant Satana likuyushchiy
45465 Queerama Queerama

45466 rows × 2 columns

Duomenyse yra du panašūs stulpeliai, kurie rodo filmo pavadinimą ir filmo pavadinimą originalo kalba. Analizei naudosime filmo anglišką pavadinimą, todėl perteklinį stulpelį galima ištrinti.

Panaikiname ir kitus stulpelius, kurių nenaudosime analizėje.

In [4]:
movies_2 = movies.drop(['adult', 'original_title', 'poster_path', 'video'], axis = 1)
movies_2.head(3)
Out[4]:
id collection_id belongs_to_collection budget genre_1 genre_2 genre_3 genre_4 overview popularity ... production_countries_2 release_date revenue runtime spoken_languages status tagline title vote_average vote_count
0 862 10194.0 Toy Story Collection 30000000 Animation Comedy Family NaN Led by Woody, Andy's toys live happily in his ... 21.946943 ... NaN 10/30/1995 373554033.0 81.0 en Released NaN Toy Story 7.7 5415.0
1 8844 NaN NaN 65000000 Adventure Fantasy Family NaN When siblings Judy and Peter discover an encha... 17.015539 ... NaN 12/15/1995 262797249.0 104.0 en, fr Released Roll the dice and unleash the excitement! Jumanji 6.9 2413.0
2 15602 119050.0 Grumpy Old Men Collection 0 Romance Comedy NaN NaN A family wedding reignites the ancient feud be... 11.7129 ... NaN 12/22/1995 0.0 101.0 en Released Still Yelling. Still Fighting. Still Ready for... Grumpier Old Men 6.5 92.0

3 rows × 23 columns

"Release date" stulpelio tipą pakeičiame į "Datetime" tipą.

In [5]:
movies_2['release_date'] = pd.to_datetime(movies_2['release_date'], format = '%m/%d/%Y', errors = 'coerce')
pd.to_datetime(movies_2['release_date'], format = '%Y-%m-%d', errors = 'coerce')

movies_2['release_date'] = pd.to_datetime(movies_2['release_date'], format = '%m/%d/%Y', errors = 'coerce').fillna(pd.to_datetime(movies_2['release_date'], format = '%Y-%m-%d', errors = 'coerce'))

Filmų pelningumo apskaičiavimas¶

In [41]:
movies_2['budget'].value_counts()
Out[41]:
budget  
0           36573
5000000       286
10000000      259
20000000      243
2000000       242
            ...  
2489400         1
2494400         1
25              1
250050          1
998000          1
Length: 1226, dtype: int64

Matome, jog 36 573 filmų neturi duomenų apie biudžetą (reikšmė lygi 0). Kad būtų paprasčiau atlikti tolimesnę biudžeto analizę ir ji būtų tikslesnė, 0 pakeisime Nan reikšme, prieš tai biudžeto stulpelio reikšmes pavertę į 'numeric'.

In [7]:
movies_2['budget'] = pd.to_numeric(movies_2['budget'], errors='coerce')# If ‘coerce’, then invalid parsing will be set as NaN
movies_2['budget'] = movies_2['budget'].replace(0, np.nan)
movies_2['budget'].value_counts(dropna = False)
Out[7]:
NaN           36576
5000000.0       286
10000000.0      259
20000000.0      243
2000000.0       242
              ...  
2115000.0         1
1590000.0         1
1978000.0         1
1182273.0         1
2135161.0         1
Name: budget, Length: 1223, dtype: int64

Panašiai sutvarkysime ir 'revenue' stulpelio duomenis (0 reikšmes pakeisime į Nan, kad toliau galėtume atlikti skaitinę analizę).

In [46]:
movies_2['revenue'].value_counts()
Out[46]:
0.0           38052
12000000.0       20
11000000.0       19
10000000.0       19
2000000.0        18
              ...  
31554855.0        1
9627492.0         1
30822861.0        1
13960203.0        1
38702310.0        1
Name: revenue, Length: 6863, dtype: int64
In [8]:
movies_2['revenue'] = movies_2['revenue'].replace(0, np.nan)
movies_2['revenue'].astype(float)
movies_2['revenue'].value_counts(dropna = False)
Out[8]:
NaN           38058
12000000.0       20
11000000.0       19
10000000.0       19
2000000.0        18
              ...  
31554855.0        1
9627492.0         1
30822861.0        1
13960203.0        1
38702310.0        1
Name: revenue, Length: 6863, dtype: int64

Analizę pradėsime nuo rodiklio skaičiavimo, kuris parodys, ar filmas buvo pelningas, ar ne. Reikšmės, didesnės už 1, rodo, jog filmas uždirbo pelną. Kuo rodiklis aukštesnis, tuo didesnis buvo filmo pelnas.

In [9]:
movies_2['return'] = movies_2['revenue'] / movies_2['budget']
movies_2['return'] = movies_2[['return']].round(decimals = 2)
movies_2['return'] = movies_2['return'].replace(0, np.nan)
movies_2[movies_2['return'].isnull()].shape
Out[9]:
(40147, 24)

40 147 filmų duomenų apie pelningumą neturi, tačiau atliksime analizę su likusiais 5 319 filmų.

In [10]:
movies_2[['title', 'return']].dropna(subset = ['return'])
Out[10]:
title return
0 Toy Story 12.45
1 Jumanji 4.04
3 Waiting to Exhale 5.09
5 Heat 3.12
8 Sudden Death 1.84
... ... ...
45167 Wind River 16.80
45250 Sivaji: The Boss 1.58
45409 Savages 1.66
45412 Pro Lyuboff 0.63
45422 Antidur 0.28

5319 rows × 2 columns

Brangiausių filmų TOP 10¶

Pirmiausiai apžvelgsime biudžeto stulpelio statistinius duomenis.

In [70]:
movies_2['budget'].astype(float)
movies_2['budget'].describe()
Out[70]:
count    8.890000e+03
mean     2.160428e+07
std      3.431063e+07
min      1.000000e+00
25%      2.000000e+06
50%      8.000000e+06
75%      2.500000e+07
max      3.800000e+08
Name: budget, dtype: float64

Vidutinis filmo biudžetas pagal mūsų duomenis yra 21.6 mln. USD, o mediana - tik 8 mln., todėl galime manyti, kad tokį skirtumą nulemia išskirtinai didelio biudžeto filmų reikšmės (matome, jog maksimali reikšmė siekia net 380 mln. USD).

In [71]:
movies_2[['title', 'budget', 'revenue', 'return']].dropna().sort_values('budget', ascending = False).head(10)
Out[71]:
title budget revenue return
17124 Pirates of the Caribbean: On Stranger Tides 380000000.0 1.045714e+09 2.75
11827 Pirates of the Caribbean: At World's End 300000000.0 9.610000e+08 3.20
26558 Avengers: Age of Ultron 280000000.0 1.405404e+09 5.02
11067 Superman Returns 270000000.0 3.910812e+08 1.45
44842 Transformers: The Last Knight 260000000.0 6.049421e+08 2.33
16130 Tangled 260000000.0 5.917949e+08 2.28
18685 John Carter 260000000.0 2.841391e+08 1.09
11780 Spider-Man 3 258000000.0 8.908716e+08 3.45
21175 The Lone Ranger 255000000.0 8.928991e+07 0.35
31072 Batman v Superman: Dawn of Justice 250000000.0 8.732602e+08 3.49

Matome, jog brangiausias filmas buvo "Pirates of the Caribbean" (šio filmo kita dalis užima ir antrąją vietą). Top 3 užbaigia "Avengers". Kaip buvo minėta anksčiau, "return" rodiklis, didesnis už 1, rodo, jog filmas buvo pelningas. Galime pastebėti, jog visi filmai, išskyrus vieną ("The Lone Ranger"), gavo pelną.

Didžiausias pajamas gavusių filmų TOP 10¶

In [72]:
movies_2['revenue'].describe()
Out[72]:
count    7.408000e+03
mean     6.878739e+07
std      1.464203e+08
min      1.000000e+00
25%      2.400000e+06
50%      1.682272e+07
75%      6.722707e+07
max      2.787965e+09
Name: revenue, dtype: float64
In [73]:
movies_2[['title', 'budget', 'revenue', 'return']].dropna().sort_values('revenue', ascending = False).head(10)
Out[73]:
title budget revenue return
14551 Avatar 237000000.0 2.787965e+09 11.76
26555 Star Wars: The Force Awakens 245000000.0 2.068224e+09 8.44
1639 Titanic 200000000.0 1.845034e+09 9.23
17818 The Avengers 220000000.0 1.519558e+09 6.91
25084 Jurassic World 150000000.0 1.513529e+09 10.09
28830 Furious 7 190000000.0 1.506249e+09 7.93
26558 Avengers: Age of Ultron 280000000.0 1.405404e+09 5.02
17437 Harry Potter and the Deathly Hallows: Part 2 125000000.0 1.342000e+09 10.74
22110 Frozen 150000000.0 1.274219e+09 8.49
42222 Beauty and the Beast 160000000.0 1.262886e+09 7.89

Matome, jog daugiausiai pajamų gavo filmas "Avatar" (2.8 mlrd. USD). Antroje ir trečioje vietoje atitinkamai "Star Wars" ir "Titanic". Galima pastebėti, jog visų filmų "return" rodiklis yra didesnis už 1, tai reiškia, jog visi filmai buvo pelningi. Tačiau matome, jog tarp TOP 3 daugiausia pajamų gavusių filmų nėra nei vieno filmo iš daugiausiai kainavusių filmų TOP 3. Tai rodo, kad nebūtinai didžiausią biudžetą turėję filmai buvo sėkmingiausi ir uždirbo daugiausiai.

1-ąją hipotezę galime atmesti, nes didžiausio biudžeto filmas "Pirates of the Caribbean: On Stranger Tides" nesugeneravo daugiausiai pajamų - tai padarė filmas "Avatar".

Ilgiausi ir trumpiausi filmai¶

Ilgiausi filmai¶

In [11]:
movies_2['runtime'] = movies_2['runtime'].replace(0, np.nan)
movies_2['runtime'].describe()
Out[11]:
count    43645.000000
mean        97.488303
std         34.644505
min          1.000000
25%         86.000000
50%         95.000000
75%        107.000000
max       1256.000000
Name: runtime, dtype: float64

Matome, jog vidutinis filmo ilgis yra 97 minutės. Mediana beveik sutampa su vidurkiu, tai reiškia, jog trukmė pasiskirsčiusi gana tolygiai. Maksimali trukmė yra net 1256 min., todėl galime daryti išvadą, jog tai tikriausiai ne filmas, o mini serialas.

In [12]:
movies_2[movies_2['runtime'] < 300][['title', 'runtime', 'release_date']].dropna(subset = ['runtime']).sort_values('runtime', ascending = False).head(10)
Out[12]:
title runtime release_date
42034 The Phantom 299.0 1943-12-24
3409 Smoking / No Smoking 298.0 1993-12-15
24938 Long Way Round 294.0 2004-10-03
7473 Frank Herbert's Dune 292.0 2000-12-03
44097 The Private Life of Plants 292.0 1995-01-01
22991 Cranford 291.0 2007-11-18
34263 Naval Cadets, Charge! 290.0 1987-06-06
32777 12 Chairs 290.0 1976-12-31
18407 The Nazis - A Warning From History 289.0 1997-09-10
20999 As I Was Moving Ahead Occasionally I Saw Brief... 288.0 2000-07-19

Nustatant TOP 10 ilgiausių filmų, buvo padaryta prielaida, jog filmo trukmė neviršija 300 min. Didesnės reikšmės šiuo konkrečiu atveju bus traktuojamos kaip mini serialai.

Trumpiausi filmai¶

In [179]:
movies_2[['title', 'runtime', 'release_date']].sort_values('runtime').head(10)
Out[179]:
title runtime release_date
35146 La Vague 1.0 NaT
36577 Champs de Mars 1.0 1900-08-21
36576 Palace of Electricity 1.0 1900-01-01
44965 Luis Martinetti, Contortionist 1.0 NaT
42357 A Gathering of Cats 1.0 2007-01-01
36575 Eiffel Tower from Trocadero Palace 1.0 1900-08-21
36574 Panorama of Eiffel Tower 1.0 1900-01-01
44714 The Infernal Caldron 1.0 1903-10-17
19244 The Kiss 1.0 NaT
44646 The Vanishing Lady 1.0 NaT

Matome, jog visi šie filmai truko tik po 1 minutę! Ir beveik visi jie buvo sukurti XIX a. pab. - XX a. pr., kuomet filmų istorija tik prasidėjo.

Įvertinimo vidurkis ir balsų skaičius¶

Daugiausiai įvertinimų turintys filmai¶

In [13]:
movies_2['vote_count'] = movies_2['vote_count'].replace(0, np.nan)
In [14]:
movies_2[['title', 'vote_count', 'vote_average', 'release_date']].sort_values('vote_count', ascending = False).head(10)
Out[14]:
title vote_count vote_average release_date
15480 Inception 14075.0 8.1 2010-07-14
12481 The Dark Knight 12269.0 8.3 2008-07-16
14551 Avatar 12114.0 7.2 2009-12-10
17818 The Avengers 12000.0 7.4 2012-04-25
26564 Deadpool 11444.0 7.4 2016-02-09
22879 Interstellar 11187.0 8.1 2014-11-05
20051 Django Unchained 10297.0 7.8 2012-12-25
23753 Guardians of the Galaxy 10014.0 7.9 2014-07-30
2843 Fight Club 9678.0 8.3 1999-10-15
18244 The Hunger Games 9634.0 6.9 2012-03-12

Aukščiausius įvertinimo balus turintys filmai¶

In [15]:
movies_2['vote_average'] = movies_2['vote_average'].replace(0, np.nan)
In [16]:
movies_2[movies_2['vote_count']> 3000][['title', 'vote_average', 'vote_count', 'release_date']].sort_values(['vote_average','vote_count'], ascending = False).nlargest(10, 'vote_average')
Out[16]:
title vote_average vote_count release_date
314 The Shawshank Redemption 8.5 8358.0 1994-09-23
834 The Godfather 8.5 6024.0 1972-03-14
12481 The Dark Knight 8.3 12269.0 2008-07-16
2843 Fight Club 8.3 9678.0 1999-10-15
292 Pulp Fiction 8.3 8670.0 1994-09-10
522 Schindler's List 8.3 4436.0 1993-11-29
23673 Whiplash 8.3 4376.0 2014-10-10
5481 Spirited Away 8.3 3968.0 2001-07-20
2211 Life Is Beautiful 8.3 3643.0 1997-12-20
1178 The Godfather: Part II 8.3 3418.0 1974-12-20

Filtruojant TOP 10 aukščiausius įvertinimus turinčių filmų, buvo pridėta papildoma sąlyga, jog filmas turi turėti bent 3000 balsų. Tokiu būdu gautas rezultatas labiau atitiks realią situaciją.

Galime patvirtinti 2-ąją hipotezę, jog daugiausiai balų surinkęs filmas sutampa su IMDB reitingo 1-ąja vieta ("The Shawshank Redemption").

Populiariausi žodžiai filmų pavadinimuose ir aprašymuose¶

Populiariausi žodžiai filmų pavadinimuose¶

In [17]:
movies_2['title'] = movies_2['title'].astype(str)
In [18]:
stop = stopwords.words('english')
movies_2['title_without_stop'] = pd.Series(movies_2['title'].apply(lambda x: ' '.join([word for word in x.split() if word not in (stop)])))
In [19]:
pd.Series(' '.join(movies_2['title_without_stop']).lower().split()).value_counts()[:10]
Out[19]:
the      10082
a         1235
man        639
love       635
my         532
i          477
&          455
story      393
night      382
life       377
dtype: int64

Pagal atliktą analizę matome, jog populiariausias žodis filmo pavadinime yra "man", bet "love" nuo jo atsilieka labai nedaug. Tačiau 3-ąją hipotezę visgi turime atmesti.

Populiariausi žodžiai filmų aprašymuose¶

In [20]:
movies_2['tagline'] = movies_2['tagline'].astype(str)
In [21]:
stop = stopwords.words('english')
movies_2['tagline_without_stop'] = pd.Series(movies_2['tagline'].apply(lambda x: ' '.join([word for word in x.split() if word not in (stop)])))
In [22]:
pd.Series(' '.join(movies_2['tagline_without_stop']).lower().split()).value_counts()[:10]
Out[22]:
nan      25054
the       3883
a         2344
one       1242
love       855
story      750
never      639
you        618
they       591
in         575
dtype: int64

Matome, jog žodžiai "love" ir "story" yra vieni populiariausių tiek filmų pavadinimuose, tiek jų trumpuose apibūdinimuose. Galime daryti išvadą, jog meilės ir romantikos tema yra dominuojanti filmų industrijoje.

Populiariausios filmų kalbos¶

In [27]:
movies_2['spoken_languages'] = movies_2['spoken_languages'].astype(str)
In [28]:
movies_2['spoken_languages'] = movies_2['spoken_languages'].replace('0', np.nan)
In [29]:
def kableliai(txt):
    return txt.replace(',', '')
In [30]:
Top_languages = pd.Series(' '.join(movies_2['spoken_languages'].apply(kableliai)).lower().split()).value_counts()[:15]
Top_languages
Out[30]:
en     28743
fr      4196
nan     3836
de      2625
es      2411
it      2367
ja      1757
ru      1563
zh       788
hi       707
pt       590
sv       558
ko       541
pl       523
cn       472
dtype: int64

Matome, jog populiariausios filmų kalbos yra anglų, prancūzų bei vokiečių.

In [165]:
Top_10 = np.array(pd.Series(' '.join(movies_2['spoken_languages'].apply(kableliai)).lower().split()).value_counts()[:10])
lan_labels = ['English', 'French','Nan','German', 'Spanish', 'Italian', 'Japanese', 'Russian', 'Mandarin', 'Hindi']
plt.pie(Top_10, labels = lan_labels, autopct='%1.0f%%', shadow = True, explode = [0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1], radius = 1.4)
plt.show()

Populiariausi filmų žanrai¶

In [35]:
def skliaustai (txt):
    return txt.replace(']', '')
In [32]:
movies_2['genre_1'] = movies_2['genre_1'].astype(str)
movies_2['genre_2'] = movies_2['genre_2'].astype(str)
movies_2['genre_3'] = movies_2['genre_3'].astype(str)
movies_2['genre_4'] = movies_2['genre_4'].astype(str)
In [38]:
movies_2['genre_1'] = movies_2['genre_1'].apply(skliaustai)
movies_2['genre_1'].value_counts()
Out[38]:
 Drama              11966
 Comedy              8820
 Action              4489
 Documentary         3415
 Horror              2619
nan                  2445
 Crime               1685
 Thriller            1665
 Adventure           1514
 Romance             1191
 Animation           1124
 Fantasy              704
 Science Fiction      647
 Mystery              554
 Family               524
 Music                487
 Western              451
 TV Movie             390
 War                  379
 History              279
 Foreign              118
Name: genre_1, dtype: int64

Populiariausias filmų žanras mūsų duomenų bazėje yra "Drama". Antroje vietoje yra komedijos, o trečioje - veiksmo filmai, kurių yra jau dvigubai mažiau nei antroje vietoje esančių veiksmo filmų. Taigi, galime patvirtinti ir ketvirtąją hipotezę, jog populiariausias filmų žanras yra drama.

In [40]:
len(np.unique(movies_2[['genre_1', 'genre_2', 'genre_3', 'genre_4']]))
Out[40]:
21

Mūsų duomenų bazėje yra iš viso 21 žanro rūšis.

In [143]:
genre_df = pd.DataFrame(movies_2['genre_1'].value_counts()).reset_index()
genre_df.columns = ['genre', 'movie_count']
genre_df.head()
Out[143]:
genre movie_count
0 Drama 11966
1 Comedy 8820
2 Action 4489
3 Documentary 3415
4 Horror 2619
In [148]:
plt.figure(figsize=(20,6))
sns.set_theme(style="whitegrid")
sns.barplot(x='genre', y='movie_count', data = genre_df)
plt.show()

Kurį mėnesį išleidžiama daugiausiai naujų filmų?¶

In [62]:
movies_2.groupby(movies_2['release_date'].dt.month)['release_date'].count().sort_values(ascending = False)
Out[62]:
release_date
1.0     5876
9.0     4834
10.0    4610
12.0    3779
11.0    3653
3.0     3549
4.0     3450
8.0     3390
5.0     3332
6.0     3151
2.0     3032
7.0     2639
Name: release_date, dtype: int64

Pagal atliktą analizę matome, jog dažniausiai filmai išleidžiami sausio mėnesį. Nedaug atsilieka ir rugsėjis. Šie mėnesiai kino industrijoje dar kitaip vadinami "dump months" - sausį Kalėdų periodas jau būna praėjęs, o rugsėjį visi mokiniai grįžta į mokyklas ir labai sumažėja paklausa, todėl šiais mėnesiai kino teatrai dažniausiai rodo filmus, kuriems nėra prognozojama didelė sėkmė.

Išvados¶

Hipotezių patvirtinimas/atmetimas:

  1. Didžiausią biudžetą turėjęs filmas sugeneravo daugiausiai pajamų - ATMESTA
  2. Aukščiausią filmo įvertinimą TMDB turintis filmas sutampa su IMDB aukščiausią įvertinimo balą turinčiu filmu - PATVIRTINTA
  3. Dažniausiai naudojamas žodis filmų pavadinimuose - "love" - ATMESTA
  4. Populiariausias filmų žanras - drama - PATVIRTINTA