Анализ данных Netflix: Что смотрит мир?

Этот график показывает, какое количество фильмов и сериалов представлено на платформе. Видно, что фильмов (Movies) заметно больше, чем сериалов (TV Shows) — обычно в пропорции примерно 70% к 30%. Такое соотношение логично: Netflix активно закупает и производит фильмы, но за последние годы растёт доля сериалов благодаря развитию собственного контента и длительным франшизам.

Вывод: Платформа больше ориентирована на короткий контент (фильмы), но сериалы тоже занимают значительную долю, отражая стратегию удержания подписчиков длительным просмотром.

1.lt.figure (figsize=(10, 6)) Что делает: Создаёт пустой холст (окно) для графика размером 10 дюймов в ширину и 6 в высоту. Зачем: Чтобы график был достаточно крупным и хорошо читался.

2.type_counts = df['type'].value_counts () Что делает: Считает, сколько раз встречается каждый тип контента (Movie, TV Show). Зачем: Чтобы знать, сколько фильмов и сериалов есть в датасете.

3.colors = ['

E50914', '

221F1F'] # Цвета Netflix Что делает: Определяет цвета для столбцов — фирменные оттенки Netflix (красный и чёрный). Зачем: Чтобы график выглядел в стиле Netflix.

4.bars = plt.bar (type_counts.index, type_counts.values, color=colors, alpha=0.8) Что делает: Строит столбчатую диаграмму:

по оси X — тип контента (Movie, TV Show);

по оси Y — количество записей. Зачем: Визуально сравнить, чего больше — фильмов или сериалов.

5.for bar in bars: Что делает: Запускает цикл по каждому столбцу. Зачем: Чтобы добавить подписи с числами и процентами.

6.height = bar.get_height () Что делает: Берёт высоту столбца (значение).

7.plt.text (…) Что делает: Добавляет над каждым столбцом текст — количество и долю в процентах. Зачем: Чтобы зрительно сразу понять масштабы, не глядя на ось Y.

8.plt.xlabel ('Тип контента', fontsize=12) Что делает: Подписывает ось X названием — «Тип контента».

9.plt.ylabel ('Количество', fontsize=12) Что делает: Подписывает ось Y — «Количество».

10.plt.title ('Распределение контента Netflix по типу', fontsize=14, pad=20) Что делает: Добавляет заголовок вверху графика. Зачем: Чтобы сразу понять, что изображено.

11.plt.grid (axis='y', alpha=0.3) Что делает: Добавляет горизонтальные линии сетки. Зачем: Чтобы легче было сравнивать высоту столбцов по оси Y.

12.plt.savefig ('netflix_content_type.png', dpi=100, bbox_inches='tight') Что делает: Сохраняет график в файл PNG с разрешением 100 точек на дюйм. Зачем: Чтобы использовать изображение в отчётах или презентациях.

13.plt.show () Что делает: Отображает готовый график на экране. Зачем: Чтобы увидеть результат построения.

Этот график показывает, как меняется количество фильмов и сериалов по годам релиза: по оси X отложены годы, а по оси Y — число тайтлов каждого типа, объединённое в виде площадей (stackplot). На графике обычно видно, что общий объём контента растёт по мере приближения к текущим годам, причём сначала доминируют фильмы, а затем заметно увеличивается вклад сериалов, отражая усиление стратегии по выпуску оригинальных шоу. Такое поведение естественно: по мере роста Netflix компания вкладывает всё больше ресурсов в производство собственных тайтлов, в том числе многосезонных сериалов, которые лучше удерживают аудиторию.

Вывод: Каталог Netflix не только расширяется со временем, но и постепенно смещается в сторону более сбалансированного сочетания фильмов и сериалов, что поддерживает устойчивый интерес зрителей.

plt.figure (figsize=(12, 6)) Что делает: Создаёт холст для графика размером 12×6 дюймов. Зачем: Чтобы график получился широким и читабельным.

if 'release_year' in df.columns: Что делает: Проверяет, есть ли в таблице колонка release_year. Зачем: Чтобы не возникла ошибка, если столбца нет.

yearly_data = df.groupby (['release_year', 'type']).size ().unstack ().fillna (0) Что делает:

groupby (['release_year', 'type']) → группирует по году выпуска и типу контента (Movie/TV Show);

.size () → считает количество записей в каждой группе;

.unstack () → превращает типы (‘Movie’, ‘TV Show’) в отдельные столбцы;

.fillna (0) → заменяет пропуски на нули. Результат: таблица вида

text release_year | Movie | TV Show ------------- | ------|-------- 2010 | 50 | 10 2011 | 70 | 15 … yearly_data = yearly_data[yearly_data.index >= 2010] Что делает: Оставляет только данные с 2010 года. Зачем: Для современного периода роста Netflix.

plt.stackplot (…) Что делает: Рисует площадной график, где «Фильмы» и «Сериалы» накладываются слоями. Параметры:

yearly_data.index — ось X (годы);

yearly_data['Movie'], yearly_data['TV Show'] — площади под кривыми;

colors=['

E50914', '

221F1F'] — фирменные цвета Netflix (красный и чёрный);

labels=['Фильмы', 'Сериалы'] — подписи в легенде;

alpha=0.7 — прозрачность для красивого наложения. Результат: Динамика добавления фильмов и сериалов по годам.

plt.xlabel ('Год выпуска') / plt.ylabel ('Количество добавленного контента') Что делает: Подписывает оси X и Y.

plt.title ('Рост контента Netflix по годам') Что делает: Добавляет заголовок к графику.

plt.legend () Что делает: Выводит легенду с цветами и подписями («Фильмы», «Сериалы»).

plt.grid (alpha=0.3) Что делает: Добавляет слабую сетку для удобства чтения графика.

plt.savefig ('netflix_by_year.png', dpi=100, bbox_inches='tight') Что делает: Сохраняет график в файл с разрешением 100 dpi.

plt.show () Что делает: Показывает готовый график на экране.

Этот график показывает, какие жанры встречаются на Netflix чаще всего, выводя 10 лидирующих категорий по количеству тайтлов. Обычно среди верхних строк находятся жанры вроде Drama, Comedy, Documentary и Action, что говорит о фокусе на массовых и универсальных жанрах, ориентированных на широкую аудиторию. Такое распределение закономерно: именно эти жанры легче масштабировать и комбинировать в формате как фильмов, так и сериалов, поэтому они формируют основу контентной библиотеки.

Вывод: Платформа делает ставку на популярные жанры, которые хорошо воспринимаются большинством зрителей, а менее массовые направления остаются в меньшинстве, но дополняют основное предложение.

Вот сокращённый вариант с пунктами:

plt.figure (figsize=(12, 6)) — создаёт холст 12×6 дюймов.

if 'main_genre' in df.columns: — проверяет наличие столбца жанров.

top_genres = df['main_genre'].value_counts ().head (10) — выбирает топ‑10 жанров.

plt.barh (…) — рисует горизонтальные столбцы (градиент красного).

plt.text (…) — подписи с количеством возле каждого бара.

plt.xlabel (…), plt.title (…) — подписи и заголовок графика.

plt.grid (axis='x', alpha=0.3) — лёгкая сетка по оси X.

plt.tight_layout () — аккуратная компоновка.

plt.savefig ('netflix_genres.png') — сохраняет картинку.

plt.show () — показывает результат.

Если смотреть на ситуацию с учётом графиков по Netflix в 2025 году, то стратегия выглядит так:

✅ Делать ставку на формат «фильма» — короткий, законченный продукт, а не громоздкий сериалообразный проект. Это основной тип контента, который лучше заходит массовой аудитории.

✅ Выбирать популярные жанры (аналогично Action/Comedy/Drama) — именно массовые жанры дают основной трафик и чаще попадают в топы, чем нишевые эксперименты.

✅ Ориентироваться на «понятный» формат по длительности и сложности: как у стандартного полнометражного фильма — достаточно насыщенно, но без перегруза, чтобы продукт был доступен максимально широкому кругу пользователей.

✅ Думать как о хитах, а не о количестве: небольшой, но хорошо спроектированный продукт в популярном формате и жанре с высокой доступностью для широкой аудитории имеет больше шансов «выстрелить», чем множество сложных, нишевых и перегруженных проектов.

Датасет: Google Colab Netflix Analysis

Модели: DeepSeek Coder — код (25%) Perplexity AI — анализ (70%) Авторский вклад: 75% кода, структура.