【数据可视化-30】Netflix电影和电视节目数据集可视化分析

云天徽上

于 2025-04-24 21:53:25 发布

阅读量948

点赞数 27

文章标签：信息可视化机器学习数据挖掘人工智能

本文链接：https://blog.csdn.net/qq_38614074/article/details/147493222

版权

🧑 博主简介：曾任某智慧城市类企业算法总监，目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。CSDN人工智能领域的优质创作者，提供AI相关的技术咨询、项目开发和个性化解决方案等服务，如有需要请站内私信或者联系任意文章底部的的VX名片（ID：xf982831907）

💬 博主粉丝群介绍：① 群内初中生、高中生、本科生、研究生、博士生遍布，可互相学习，交流困惑。② 热榜top10的常客也在群里，也有数不清的万粉大佬，可以交流写作技巧，上榜经验，涨粉秘籍。③ 群内也有职场精英，大厂大佬，可交流技术、面试、找工作的经验。④ 进群免费赠送写作秘籍一份，助你由写作小白晋升为创作大佬。⑤ 进群赠送CSDN评论防封脚本，送真活跃粉丝，助你提升文章热度。有兴趣的加文末联系方式，备注自己的CSDN昵称，拉你进群，互相学习共同进步。

在这里插入图片描述

一、引言

1. 简述数据可视化的重要性

数据可视化是将数据以图形或图像的形式表示出来，使得复杂的数据更容易被人类理解和分析。在数据分析、商业智能、科学研究等领域，数据可视化都扮演着至关重要的角色。它不仅能够直观展示数据的分布、趋势和关联，还能帮助我们发现隐藏在数据中的模式和洞见，从而做出更明智的决策。

Netflix电影和电视节目数据集可视化分析

一、引言

数据可视化是探索和理解复杂数据集的强大工具。通过可视化分析，我们可以揭示Netflix平台上电影和电视节目的分布特征、内容趋势以及用户可能的观看偏好。本文将基于包含丰富信息的Netflix数据集，从多个维度进行可视化探索，帮助大家更直观地了解Netflix内容生态。

二、数据探索

2.1 数据集介绍

本数据集包含以下变量：

show_id：每部电影或电视节目的唯一标识符
type：内容类型（电影或电视节目）
title：电影或电视节目的标题
director：电影导演
cast：参与的演员
country：内容制作国家
date_added：在Netflix上的上架日期
release_year：内容的实际发布年份
rating：内容的电视分级
duration：时长（分钟）或季数

2.2 数据清洗与探索

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 加载数据
df = pd.read_csv('netflix_titles.csv')  # 请替换为实际文件路径

# 查看数据基本信息
print(df.info())

# 查看各列唯一值数量
print(df.nunique())

# 缺失值情况
df.isnull().sum()

从数据的基本信息中，我们可以发现：

数据集包含多种类型变量，包括类别型（如type、rating）和一个数值型（release_year）
一共有8807行数据，数据中存在缺失值，director导演列的缺失值最多，达到2634个，近缺失30%

三、单维度特征可视化

3.1 内容类型分布

plt.figure(figsize=(10, 6))
sns.countplot(x='type', data=df)
plt.title('Content Type Distribution')
plt.xlabel('Content Type')
plt.ylabel('Count')
plt.tight_layout()
plt.show()

观察结果：电视节目和电影的数量差异显著，电视节目占比较高。

3.2 上映年份分布

plt.figure(figsize=(15, 6))
sns.countplot(x='release_year', data=df, palette='viridis')
plt.title('Content Release Year Distribution')
plt.xlabel('Release Year')
plt.ylabel('Count')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

观察结果：内容发布年份集中在近几年，反映出Netflix内容产量的增长趋势。

3.3 电视节目季数分布

# 提取电视节目的季数信息
tv_shows = df[df['type'] == 'TV Show']
tv_shows['duration'] = tv_shows['duration'].apply(lambda x: int(x.split(' ')[0]) if pd.notnull(x) else 0)

plt.figure(figsize=(12, 6))
sns.histplot(tv_shows['duration'], bins=30, kde=True, color='teal')
plt.title('TV Show Seasons Distribution')
plt.xlabel('Number of Seasons')
plt.tight_layout()
plt.show()

观察结果：大部分电视节目季数集中在1到5季，少数节目拥有较长的系列。

3.4 电影时长分布

# 提取电影的时长信息
movies = df[df['type'] == 'Movie']
movies['duration'] = movies['duration'].apply(lambda x: int(x.split(' ')[0]) if pd.notnull(x) else 0)

plt.figure(figsize=(12, 6))
sns.histplot(movies['duration'], bins=50, kde=True, color='coral')
plt.title('Movie Duration Distribution')
plt.xlabel('Duration (minutes)')
plt.tight_layout()
plt.show()

观察结果：电影时长主要集中在90到120分钟之间，符合典型电影的时长范围。

四、多维度关系可视化

4.1 top15国家与内容类型的关系

country = df['country'].value_counts()[:15].index.tolist()
df1 = df[df['country'].isin(country)]

plt.figure(figsize=(15, 8))
sns.countplot(x='country', hue='type', data=df1, palette='Set2')
plt.title('Content Type Distribution by Country')
plt.xlabel('Country')
plt.ylabel('Count')
plt.xticks(rotation=45)
plt.legend(title='Content Type')
plt.tight_layout()
plt.show()

观察结果：美国制作的内容最多，且电影和电视节目分布较为均衡，其他国家则各有侧重。

4.2 年份与内容类型的关系

plt.figure(figsize=(15, 8))
sns.countplot(x='release_year', hue='type', data=df, palette='husl')
plt.title('Content Type Distribution Over Years')
plt.xlabel('Release Year')
plt.ylabel('Count')
plt.legend(title='Content Type', bbox_to_anchor=(1, 1), loc='upper left')
plt.tight_layout()
plt.show()

观察结果：近几年电影和电视节目数量均呈现增长趋势，但电视节目增长更为显著。

4.3 评级与内容类型的关系

plt.figure(figsize=(15, 8))
sns.countplot(x='rating', hue='type', data=df, palette='muted')
plt.title('Content Distribution by Rating and Type')
plt.xlabel('Rating')
plt.ylabel('Count')
plt.xticks(rotation=45)
plt.legend(title='Content Type', bbox_to_anchor=(1, 1), loc='upper left')
plt.tight_layout()
plt.show()

观察结果：不同评级的内容类型分布差异明显，TV-MA（成人级）和TV-14（青春期少年级）分级的内容较多，涵盖电影和电视节目。

4.4 内容时长与上映年份的关系（以电影为例）

plt.figure(figsize=(15, 8))
sns.scatterplot(x='release_year', y='duration', data=movies, alpha=0.6, color='purple')
plt.title('Movie Duration vs Release Year')
plt.xlabel('Release Year')
plt.ylabel('Duration (minutes)')
plt.tight_layout()
plt.show()