Analyse du jeux de données Netflix (TUDUM)

2. Pré-ambule
3. Description des jeux de données
   • Fichier des films/séries (data/titles.csv)
   • Fichier des acteurs/réalisateurs (data/credits.csv)
4. Mise en place de l'environnement
   • Pré-requis
   • Mise en place de l'environnement virtuel venv
     • Création de l'environnement virtuel
     • Source de ce dernier
5. Installation des dépendances du projet
6. Lancer le serveur
7. Troubleshooting
8. Informations sur les Dataframe et leurs traitements
   • Titles, les différents shows de la plateforme (film & séries)
   • Credits, les acteurs et directeurs des shows
9. Nettoyage des données
10. Analyse des données

Pré-ambule

L'application est accessible ici

Description des jeux de données 📄

Aperçu du jeu de données :

• un fichier data/titres.csv comprenant 5 000 titres uniques disponibles sur Netflix (films/séries) dont 15 colonnes détaillant divers aspects de chaque titre.
• un fichier data/credits.csv avec plus de 77 000 entrées pour les acteurs et les réalisateurs, comprenant 5 colonnes.

Fichier des films/séries (data/titles.csv)

Colonne	Description de la donnée (Français)
id	L'identifiant du titre
title	Le nom du titre.
show_type	Type de programme : série TV ou film.
description	Une brève description.
release_year	L'année de sortie.
age_certification	La classification par âge.
runtime	La durée de l'épisode (série) ou du film.
genres	Liste des genres.
production_countries	Liste des pays ayant produit le titre.
seasons	Nombre de saisons (pour les séries).
imdb_id	L'identifiant du titre sur IMDB.
imdb_score	Note sur IMDB.
imdb_votes	Nombre de votes sur IMDB.
tmdb_popularity	Popularité sur TMDB.
tmdb_score	Note sur TMDB.

Fichier des acteurs/réalisateurs (data/credits.csv)

Colonne	Description de la donnée (Français)
person_ID	L'identifiant de la personne.
id	L'identifiant du titre.
name	Le nom de l'acteur ou du réalisateur.
character_name	Le nom du personnage.
role	Rôle : ACTEUR ou RÉALISATEUR.

Mise en place de l'environnement

Pré-requis

• python >= 3.11
• pip

Mise en place de l'environnement virtuel venv

Documentation

Création de l'environnement virtuel

$ python3.X -m venv venv

Source de ce dernier

Vous devez selon votre OS et votre Shell éxécuter la bonne commande source, referez-vous au tableau suivant dans la documentation

$ source venv/bin/activate

Note: à chaque fois que vous ouvrez un nouveau terminale et que vous souhaitez utiliser l'environnement python dans ce projet vous devez éxécuter la commande de sourcing sinon vous utiliserez le python installé de manière globale sur votre machine.

Installation des dépendances du projet

$ pip install -r requirements.txt

Lancer le serveur

$ make run

Troubleshooting

En cas d'erreur nous vous invitons à :

• Vous assurez que vous utilisez bien la version python de l'environnement virtuel.
• Que vous installez bien toutes les dépendances avec pip.

Todo: Créer une page en + pour présenter les données à côté du Dash.

Informations sur les Dataframe et leurs traitements

Titles, les différents shows de la plateforme (film & séries)

RangeIndex: 5850 entries, 0 to 5849
Data columns (total 15 columns):
 #   Column                Non-Null Count  Dtype
---  ------                --------------  -----
 0   id                    5850 non-null   object   -> id du show
 1   title                 5849 non-null   object   -> titre du show
 2   type                  5850 non-null   object   -> type du show (film ou série)
 3   description           5832 non-null   object   -> description du show
 4   release_year          5850 non-null   int64    -> année de sortie du show
 5   age_certification     3231 non-null   object   -> age minimum pour regarder le show
 6   runtime               5850 non-null   int64    -> durée du show
 7   genres                5850 non-null   object   -> genres du show
 8   production_countries  5850 non-null   object   -> pays de production du show
 9   seasons               2106 non-null   float64  -> nombre de saisons du show
 10  imdb_id               5447 non-null   object   -> id imdb du show
 11  imdb_score            5368 non-null   float64  -> score imdb du show sur 10
 12  imdb_votes            5352 non-null   float64  -> nombre de votes imdb du show
 13  tmdb_popularity       5759 non-null   float64  -> popularité du show sur tmdb (poid, plus c'est élevé plus c'est populaire)
 14  tmdb_score            5539 non-null   float64  -> score tmdb du show sur 10
dtypes: float64(5), int64(2), object(8)

Credits, les acteurs et directeurs des shows

RangeIndex: 77801 entries, 0 to 77800
Data columns (total 5 columns):
 #   Column     Non-Null Count  Dtype
---  ------     --------------  -----
 0   person_id  77801 non-null  int64
 1   id         77801 non-null  object
 2   name       77801 non-null  object
 3   character  68029 non-null  object
 4   role       77801 non-null  object
dtypes: int64(1), object(4)

Nettoyage des données

• Aucune lignes dupliquées.
• Données nulles gardés pour la plupart des analyses car les champs manquants ne sont pas considérés.

Analyse des données

Durée moyenne d'un film ou d'un épisode de série

Durée moyenne d'un épisode de séries Netflix par an

Pour certains genre (ex: documentaires), la durée moyenne d'un épisode de série ne varie pratiquement pas au fil des décennies. En revanche, certains genres changent énormément:

• l'animation fait un bond au milieu des années 90. La durée moyenne d'un épisode est presque doublée. On constate une légère baisse autour de 2010 puis une augmentation constante, probablement grâce aux nouvelles technologies.

• Pour tous les autres genres, on voit une augmentation progressive de la durée moyenne d'un épisode, ce qui peut s'expliquer par la généralisation de la télévision dans les foyers puis à partir des années 2010 par l'essort des plateformes de streaming, qui promeuvent en particuliers les séries.

Les séries ont plus de budget et sont plus populaires auprès du grand public. Certaines se rapprochent davantage du court ou moyen métrage.

Durée moyenne des films Netflix par an

La durée moyenne d'un film, à l'inverse, stagne voir semble diminuer.

Moyenne des notes TMDb et IMDb

A noter :

• Les utilisateurs de Tmdb mettent en moyenne des notes plus élevées que les utilisateurs d'IMDb.
• les pics descendants sur le graphe linéaires correspondent à une absence de données.

Moyenne des notes des films les plus appréciés par an

Excepté pour le sport et l'horreur (baisse puis notes constantes après 1996), on constate une baisse générale des notes moyennes attribuées aux films à partir de la fin des années 90. Cela peut s'expliquer par l'augmentation du nombre de films produits par an et la multiplicité des spectateurs qui prennent le temps de noter les films.

Moyenne des notes des séries les plus appréciés par an (source TMDb et IMDb)

On constate également une baisse générale des notes de séries, même si elle est moins importante que pour les films.

Evolution de la production de films et séries Netflix dans les 10 pays les plus producteurs

Le graphe montre l'évolution de la production de films et séries pour les 10 pays qui pen produisent le plus. La représentation graphique est légèrement biaisée car deux des pays sont en réalité un partenariat entre deux pays (Canada et US, et grande Bretagne et US), mais cela influe peu les déductions que l'on peut en faire. On voit notamment que les US sont très au-dessus des autres, avec plus de 200 films et séries produits à partir de 2017. Entre 2018 et 2020, cela réprensente une production 3,5 supérieure à celle de l'Inde, 2e du classement. Si on regarde indépendamment la production de films et de séries, on voit que c'est la production de films qui influe le plus sur le classement puisque ce sont les US et l'Inde qui en produisent le plus, avec des nombres bien supérieurs à ceux des autres pays. Les US restent également en tête pour les séries mais les disparités sont moins fortes entre les autres pays. On voit notamment l'émergence des séries Japonaises (Jdrama) et Coréennes (Kdrama), toujours plus populaires auprès du grand public.

On constate une forte baisse du nombre de films et séries sorti en 2021: il s'agit sans aucun doute d'une conséquence de la crise du covid, qui avait mis toute production en pause pendant la majorité de l'année 2020, retardant ainsi la sortie de nombreux films et séries.

---

Corrélation entre la popularité d'un film et la présence d'un acteur

Bien sûr, voici une synthèse de l'analyse que nous avons effectuée sur les données des films et des acteurs :

1. Acteur le plus prolifique : Kareena Kapoor Khan s'est avérée être l'actrice ayant joué dans le plus grand nombre de films selon le dataset, avec un total de 25 films.

2. Corrélation entre la présence d'un acteur et la popularité du film :

   • La popularité moyenne des films (mesurée par la popularité sur TMDb) dans lesquels Kareena Kapoor Khan a joué est de 7.68.
   • Cependant, cette popularité n'est pas parmi les plus élevées comparée à d'autres acteurs. Les acteurs comme RQ, Sin-Ting Huang et Sean Lin figurent au sommet de la liste de popularité, avec des scores dépassant 2200.
   • Cela indique que la présence d'un acteur spécifique n'est pas un indicateur fiable de la popularité d'un film.

3. Impact de la présence d'un acteur sur les notes IMDb et TMDb :

   • Les notes moyennes IMDb et TMDb des films avec Kareena Kapoor Khan sont respectivement de 6.28 et 6.25, ce qui n'est pas exceptionnellement élevé.
   • Des acteurs comme Anna Gunn et Zach Tyler figurent en haut de la liste avec des notes IMDb supérieures à 9, tandis que des acteurs comme Wang Herun et Emmanuel Esparza obtiennent des notes parfaites de 10 sur TMDb.
   • Encore une fois, cela suggère que la présence d'un acteur en particulier n'est pas un garant de notes élevées sur IMDb ou TMDb.

La présence d'un acteur particulier dans un film ne garantit pas nécessairement une popularité ou des notes élevées. Bien que les acteurs populaires et talentueux puissent attirer l'attention sur un film, d'autres facteurs tels que le scénario, la réalisation, le genre du film et la qualité de la production jouent également un rôle crucial dans le succès critique et commercial d'un film. Il aurait également été intéressant de pouvoir exploiter le budget alloué à un film pour savoir si le marketting a également eu une influence significative sur le succès du film ...