Rotten Tomatoes и рейтинги

Просмотрев все материалы курса, я пришла в ужас: никогда еще столько жуткой информации на голову в один момент мне не падало. Но! Я смогла избежать всепоглощающего отчаяния с помощью интернета. Выбрала относительно интересную тему про относительно интересующий меня сервис с относительно интересующими меня данными. Самую малость покумекав, я поняла, что надо что-то делать и села перелопачивать неизвестный мне сайт с нужным датасетом, чтобы найти хотя бы какие-то намёки на то, что нужно мне для моего проекта. И я нашла. Эти находки очень помогли мне в моем проекте, а потому можно листать ниже, ведь там лежат коды для анализа!

import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt import warnings warnings.filterwarnings ('ignore') %matplotlib inline

#загрузить датасет file_path = 'Rotten Tomatoes Movies.csv' df = pd.read_csv (file_path)

df.head ()

Теперь у меня есть таблица с названиями фильмов, режиссёрами и прочим стаффом, а также с рейтингом как от самого сервиса, так и от зрителей

sns.histplot (df['tomatometer_rating'], bins=20, kde=True) plt.title ('Распределение рейтинга на Tomatoes') plt.xlabel ('Рейтинг по Rotten Tomatoes') plt.ylabel ('Частота оценок') plt.show ()

Отсюда мы видим, что ребята в Rotten Tomatoes либо очень добрые и ставят большую оценку фильмам, либо фильмы и в самом деле очень хороши. Больно уж много фильмов со стопроцентным рейтингом

import seaborn as sns import matplotlib.pyplot as plt

#Получаем топ 10 директоров top_directors = df['directors'].value_counts ().head (10)

#Создаем график с изменением цвета столбцов sns.barplot (x=top_directors.values, y=top_directors.index, palette='viridis') #Здесь 'viridis' — это название палитры

plt.title ('Топ 10 режиссёров по количеству фильмов') plt.xlabel ('Количество фильмов') plt.ylabel ('Режиссёр') plt.show ()

Таблица говорит, что Альфред Хичкок снял фильмов больше всех! Но Вуди Аллен от него не отстает. Клинт Иствуд сдаёт позиции, и уже видна разница в количестве.

import seaborn as sns import matplotlib.pyplot as plt

top_studios = df['studio_name'].value_counts ().head (10)

colors = sns.color_palette ('viridis', n_colors=len (top_studios))

sns.barplot (x=top_studios.values, y=top_studios.index, palette=colors)

plt.title ('Топ 10 студий по количеству фильмов') plt.xlabel ('Число фильмов') plt.ylabel ('Студия') plt.show ()

Еще одна красивая табличка! На ней можно посмотреть, какие студии отличаются своим умением клепать много фильмов.

Датасет взят с сайта Kaggle, коды для табличек и прочего — оттуда же. Ссылка: https://www.kaggle.com/code/devraai/analyzing-rotten-tomatoes-ratings-and-trends

Нейросети были использованы для возможности кастомизации табличек (изменение цвета столбцов). Промпт:

1. При вводе кода выводится таблица, как можно поменять цвет столбцов?

Использованная нейросеть — ChatGPT (https://trychatgpt.ru/)