🎬 Sistema de Análisis y Recomendación de Películas

Demo en vivo

👉 Puedes probar la aplicación en vivo aquí: Demo App. Tan solo necesitas subir el dataset movies_dataset.xlsx o una cualquier versión similar que contenga al menos las columnas de interés con el mismo formato.

📋 Descripción

Sistema completo de análisis y visualización de datos cinematográficos que proporciona insights detallados sobre películas, incluyendo análisis financiero, puntuaciones, tendencias temporales y un sistema de recomendación. Desarrollado con Python y Streamlit, ofrece una interfaz interactiva y amigable para explorar datos de películas.

🌟 Características Principales

• Dashboard interactivo con múltiples visualizaciones
• Análisis detallado por género y temporal
• Métricas financieras y de popularidad
• Sistema de recomendación personalizado
• Filtros dinámicos para análisis específicos
• Visualizaciones estadísticas avanzadas

🔧 Estructura del Proyecto

movie-analysis/
│
├── app.py            # Punto de entrada principal
├── dashboard.py          # Implementación del dashboard
├── analysis.py           # Funciones de análisis de datos
├── visualization.py      # Funciones de visualización
├── requirements.txt      # Dependencias del proyecto
└── README.md            # Este archivo

📚 Requisitos del Sistema

• Python 3.8+
• Dependencias principales:

  streamlit>=1.20.0
  pandas>=1.5.0
  numpy>=1.23.0
  matplotlib>=3.6.0
  seaborn>=0.12.0
  plotly>=5.13.0
  scipy>=1.9.0
  scikit-learn>=1.2.0
  

🚀 Instalación y Uso

Instalación

1. Clonar el repositorio:

   git clone https://github.com/your-username/movie-analysis.git
   cd movie-analysis

2. Crear y activar un entorno virtual:

   python -m venv venv
   
   # En Windows:
   .\venv\Scripts\activate
   
   # En macOS/Linux:
   source venv/bin/activate

3. Instalar dependencias:

   pip install -r requirements.txt

Uso

1. Ejecutar la aplicación:

   streamlit run app.py

2. Cargar datos:

   • Usar el botón "Cargar dataset de películas" en la barra lateral
   • Formatos soportados: CSV, XLSX
   • El dataset debe contener las siguientes columnas:
     • title: Título de la película
     • genre: Género
     • release_year: Año de estreno
     • critic_score: Puntuación de críticos (0-100)
     • audience_score: Puntuación de audiencia (0-100)
     • box_office_millions: Recaudación en millones
     • popularity: Índice de popularidad
     • duration_minutes: Duración en minutos
     • budget_millions: Presupuesto en millones

3. Explorar análisis:

   • Usar las pestañas para navegar entre diferentes análisis
   • Ajustar filtros en la barra lateral
   • Interactuar con las visualizaciones

📊 Funcionalidades Principales

1. Resumen General

• Métricas clave y KPIs
• Distribución de variables principales
• Análisis de outliers y calidad de datos

2. Análisis por Género

• Distribución de puntuaciones
• Tendencias de popularidad
• Análisis financiero por género

3. Análisis Financiero

• ROI y métricas de rentabilidad
• Análisis de presupuesto vs recaudación
• Tendencias financieras

4. Visualizaciones Interactivas

• Gráficos personalizables
• Análisis multivariable
• Comparativas detalladas

5. Evolución Temporal

• Tendencias históricas
• Análisis por década
• Patrones estacionales

6. Sistema de Recomendación

• Recomendaciones personalizadas
• Filtros por género y año
• Análisis de similitud

🤝 Contribución

Las contribuciones son bienvenidas. Para contribuir:

1. Fork el proyecto
2. Crear una rama para tu feature (git checkout -b feature/AmazingFeature)
3. Commit tus cambios (git commit -m 'Add some AmazingFeature')
4. Push a la rama (git push origin feature/AmazingFeature)
5. Abrir un Pull Request