Аналитика мультфильмов Walt Disney

В этом проекте я проанализировал полную историю производства мультфильмов студии Disney с 1937 года до наших дней. Я загрузил датасет с Kaggle и построил серию визуализаций в едином фирменном стиле в Google Colab.

Мне хотелось узнать, в какие десятилетия студия снимала больше всего фильмов. Также было важно понять, как менялись реальные сборы фильмов, если учесть инфляцию. Это показывает, какие годы были самыми успешными. Еще я проверил, для какой аудитории Disney чаще всего создает мультфильмы, посмотрев на возрастные рейтинги. И конечно, я выяснил, какие именно фильмы собрали больше всего денег за всю историю студии.

Я выбрал для анализа фильмы Disney, потому что мне всегда было интересно, как их картины становятся такими успешными. Хотелось на реальных данных посмотреть, в какие годы выходило больше всего фильмов, какие из них собрали больше денег и как менялись их рейтинги со временем. Так из любви к проектам Disney получился настоящий data science проект.

В проекте я использовал четыре типа графиков, чтобы показать данные с разных сторон. Столбчатая диаграмма наглядно сравнивает количество фильмов по десятилетиям. Линейный график позволяет увидеть тренд: как менялись средние кассовые сборы от года к году. Круговая диаграмма в виде кольца просто показывает долю фильмов с разными возрастными рейтингами. А горизонтальная столбчатая диаграмма эффективно представляет рейтинг топ-10 самых кассовых фильмов, где длинные полосы и подписи делают сравнение интуитивно понятным.

В работе я использовал простые статистические методы. Сначала посмотрел на основные цифры: средние сборы, разброс значений. Потом сгруппировал фильмы по десятилетиям и жанрам, чтобы узнать, в какие периоды было снято больше картин и какие направления приносили больше денег. Частотный анализ помог понять, какие возрастные рейтинги встречаются чаще всего. А чтобы увидеть, как менялись сборы с течением времени, я построил график, где по годам отложена средняя касса фильмов. Эти методы позволили перевести историю Disney в понятные цифры и графики.

За основу визуального стиля я взял цветовую палитру, характерную для классических фильмов Disney. Голубой цвет особенно характерен для «Золушки» с её нежно-голубым платьем. Темно-синий ассоциируется со Стичем, героем одноимённого мультсериала. Также я добавил в палитру розовый, отсылающий к платьям принцесс вроде Авроры из "Спящей красавицы", и насыщенный малиновый для контраста. Желтый цвет отсылает ко многим персонажам: Симба из "Короля Льва", Белла и Чудовище из "Красавицы и чудовища", Плуто из мультфильмов про Микки Мауса. Эта палитра создаёт ощущение знакомой диснеевской сказочности, но применена к строгим графикам и диаграммам. В результате визуализации выглядят не как сухие отчёты, а как часть волшебного мира, который я анализирую.

Чтобы проанализировать, как менялась продуктивность студии, я сгруппировал все фильмы по десятилетиям их выхода. Для этого создал новую колонку decade, преобразовав год выпуска. Затем подсчитал количество фильмов в каждом десятилетии с помощью value_counts() и визуализировал результат столбчатой диаграммой. Это позволило чётко увидеть периоды самой активной работы студии.

Для анализа финансовых трендов я рассчитал средние кассовые сборы для каждого года. С помощью groupby('year') я сгруппировал данные, а затем применил mean() к столбцу Box office. Полученные средние значения были отображены на линейном графике с заливкой под линией, что делает видимыми как общую тенденцию, так и отдельные пики успеха.

Чтобы оценить качество фильмов, я работал с рейтингами IMDb. Числовые значения были разделены на категории с помощью функции pd.cut(), которая создаёт интервалы. Полученное распределение по категориям я представил в виде кольцевой диаграммы, которая наглядно показывает долю фильмов разного уровня оценок.

Для выявления абсолютных лидеров по коммерческому успеху я отсортировал весь датасет по убыванию кассовых сборов с помощью nlargest(10, 'Box office'). Чтобы сделать сравнение интуитивно понятным, я выбрал горизонтальную столбчатую диаграмму, где длина каждого столбца соответствует сборам конкретного фильма, а аннотации с точными значениями помогают быстро оценить масштаб.