kaggle 데이터셋 분석

출처 : https://www.kaggle.com/datasets/shivamb/netflix-shows

1. 데이터 확인을 위한 작업

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

import missingno as msno
import koreanize_matplotlib

# csv file reading 

data = pd.read_csv("https://raw.githubusercontent.com/prasertcbs/basic-dataset/master/netflix_titles.csv",sep=",")

data.head()

데이터셋 확인

컬럼 설명

• show_id : id
• type : 분류 (TV쇼 or 영화)
• title : 제목
• director : 제작자
• cast : 출연진
• country : 출연국가
• data_added : 개봉날짜
• release_year : 출시연도
• rating : 관람 등급
• duration : 작품 길이
• listed_in : 해당 작품이 속한 분류
• description : 작품개요

data.info()

• 결측치 확인

# 결측치 확인 
data.isnull().sum()

결측치 시각화
msno.bar 를 사용예정

msno.bar(data)

결측치를 시각화 할 수 있다

범주형 데이터 확인

data.describe(include="object") 

수치형 데이터 확인

data.describe(include="int")

• describe 그냥 써도 되는데 기호에따라 include 옵션을 쓰는게 중요하다

---

탐색 마무리

• 위 출력한 내용들을 한번에 print문으로 마무리

total_elements = data.shape[0] * data.shape[1]
missing_count = data.isnull().sum().sum()
missing_ratio = (missing_count / total_elements) * 100

print(f"전체 데이터 수 : {total_elements}")
print(f"결측치 수 : {missing_count}")
print(f"전체 데이터 내 결측치 비율 : {missing_ratio:.2f}%")
print(f"범주형 데이터 수 : {data.select_dtypes(include='object').shape[1]}")
print(f"수치형 데이터 수 : {data.select_dtypes(include='number').shape[1]}")

• 무엇을 분석하는게 좋을까?

1. 어느 나라 작품이 많을까
2. 작품 중 어느 타입이 가장 많을지
3. 년/월 별 등록 작품 수 확인
4. 관람등급 빈도
5. 작품의 러닝타임(상영시간) 평균 시간
6. 장르 분포도
7. 장르 비율
8. 관람등급의 비율