Original size 1140x1600

Анализ зрительской активности: фильмы и сериалы

PROTECT STATUS: not protected

Анализ зрительской активности: фильмы и сериалы

Современное медиапространство предлагает огромное количество контента: фильмы, сериалы, шоу разных жанров и стран производства. Аудитории интересно понять, какой тип контента пользуется наибольшей популярностью и какие факторы влияют на выбор зрителей. Анализ данных помогает выявить закономерности и наглядно продемонстрировать предпочтения зрителей.

Задача

Проанализировать данные о фильмах и сериалах, чтобы ответить на ключевые вопросы.

Цель

Сформировать визуальные и количественные выводы о зрительских предпочтениях, выявить закономерности в популярности контента и показать, какие факторы сильнее всего влияют на то, что выбирают зрители.

Вопросы

  1. Как менялось количество фильмов и сериалов с течением времени?
  2. Что в среднем смотрят чаще — фильмы или сериалы?
  3. Отличаются ли популярные жанры у фильмов и сериалов?
  4. Какие факторы сильнее всего влияют на то, что смотрят чаще: формат, жанр или год выхода?

Публичные данные для анализа фильмов и сериалов

post

Структура датасета:

  1. Название
  2. Формат контента: «Фильм» или «Сериал»
  3. Год выпуска
  4. Жанр
  5. Рейтинг IMDB
  6. Голоса

Методы анализа

  1. Обработка и очистка данных
  2. Группировка данных
  3. Статистический анализ
  4. Визуализация данных
  5. Выводы и интерпретация

Как менялось количество фильмов и сериалов с течением времени? Кино держит ровную линию, а сериалы — формат с волнами интереса и ростом в более поздний период.

post

import pandas as pd import matplotlib.pyplot as plt

df = pd.read_csv («moviesdataset.ssv», sep=»;»)

print (df.head ()) print (df.columns)

df[«type»] = df[«type»].str.strip ().str.lower ()

print (df[«type»].unique ())

df = df[[«release_year», «type»]]

movies = df[df[«type»] == «movie»] tvshows = df[df[«type»] == «tv show»]

movies_by_year = movies.groupby («release_year»).size () tv_by_year = tvshows.groupby («release_year»).size ()

movies_by_year = movies_by_year.sort_index () tv_by_year = tv_by_year.sort_index ()

plt.figure (figsize=(10, 6))

movies_by_year.index,
movies_by_year.values,
marker="o»,
label="Фильмы»

) plt.plot ( tv_by_year.index, tv_by_year.values, marker="o», label="Сериалы» ) plt.title («Как менялось количество фильмов и сериалов с течением времени») plt.xlabel («Год выхода») plt.ylabel («Количество релизов») plt.legend () plt.grid (True)

plt.show ()

Что в среднем смотрят чаще — фильмы или сериалы? 1. В среднем фильмы получают больше голосов, чем сериалы. 2. Это подтверждает, что формат контента сильно влияет на его популярность.

post

import pandas as pd import matplotlib.pyplot as plt

df = pd.read_csv («moviesdataset.ssv», sep=»;»)

print (df.head ()) print (df.columns)

df[«type»] = df[«type»].str.strip ().str.lower ()

print (df[«type»].unique ())

df = df[[«type», «votes»]]

df = df.dropna (subset=[«votes»])

df[«votes»] = pd.to_numeric (df[«votes»], errors="coerce») df = df.dropna (subset=[«votes»])

avg_votes = ( df.groupby («type»)[«votes»] .mean () ) print (avg_votes)

plt.figure (figsize=(8, 6))

plt.bar ( avg_votes.index, avg_votes.values ) plt.title («Что в среднем смотрят чаще: фильмы или сериалы») plt.xlabel («Тип контента») plt.ylabel («Среднее количество голосов»)

for i, value in enumerate (avg_votes.values): plt.text (i, value, int (value), ha="center», va="bottom»)

plt.show ()

Отличаются ли популярные жанры у фильмов и сериалов? 1. У фильмов наблюдается более равномерное распределение популярности жанров, при этом sci-fi лидирует. 2.У сериалов доминируют sci-fi и drama, остальные жанры менее популярны. 3.Предпочтения аудитории различаются по формату: жанры фильмов и сериалов не совпадают полностью.

post

import pandas as pd import matplotlib.pyplot as plt

df = pd.read_csv («moviesdataset.ssv», sep=»;»)

df[«type»] = df[«type»].str.strip ().str.lower () df[«genre»] = df[«genre»].str.strip ().str.lower ()

print (df[«type»].unique ()) print (df[«genre»].unique ())

movies = df[df[«type»] == «movie»] tvshows = df[df[«type»] == «tv show»]

movies_genre_counts = movies[«genre»].value_counts () tv_genre_counts = tvshows[«genre»].value_counts ()

plt.figure (figsize=(12, 6))

plt.subplot (1, 2, 1) plt.pie ( movies_genre_counts, labels=movies_genre_counts.index, autopct="%1.1f%%», startangle=140 ) plt.title («Популярные жанры фильмов»)

plt.subplot (1, 2, 2) plt.pie ( tv_genre_counts, labels=tv_genre_counts.index, autopct="%1.1f%%», startangle=140 ) plt.title («Популярные жанры сериалов»)

plt.tight_layout () plt.show ()

Какие факторы сильнее всего влияют на то, что смотрят чаще: формат, жанр или год выхода? 1. Популярность контента зависит от формата (фильмы набирают больше голосов, чем сериалы). 2. Жанр также влияет: sci-fi и action чаще собирают больше голосов. 3. Год выпуска играет роль: новые и недавние релизы получают меньше голосов из-за меньшего времени на накопление аудитории.

post

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

df = pd.read_csv («moviesdataset.ssv», sep=»;»)

df[«type»] = df[«type»].str.strip ().str.lower () df[«genre»] = df[«genre»].str.strip ().str.lower () df = df.dropna (subset=[«votes», «release_year», «type», «genre»])

df[«votes»] = pd.to_numeric (df[«votes»], errors="coerce») df[«release_year»] = pd.to_numeric (df[«release_year»], errors="coerce») df = df.dropna (subset=[«votes», «release_year»])

plt.figure (figsize=(12, 6)) sns.scatterplot ( data=df, x="release_year», y="votes», hue="type», style="genre», s=100, ) plt.title («Какие факторы влияют на то, что смотрят чаще») plt.xlabel («Год выпуска») plt.ylabel («Количество голосов») plt.legend (bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.) plt.grid (True) plt.tight_layout () plt.show ()

Ключевые выводы

  1. Анализ показал, что количество выпускаемых сериалов растёт постепенно, однако фильмы по-прежнему остаются доминирующим форматом, несмотря на небольшие колебания во времени. Это говорит о стабильной популярности киноиндустрии и привычке зрителей выбирать фильмы.
  2. Респонденты чаще выбирают фильмы. Сериалы смотрят реже, вероятно, из-за их длительности и необходимости регулярного просмотра, тогда как фильмы позволяют получить завершённый сюжет за один сеанс.
  3. Исследование выявило, что популярные жанры отличаются. Для фильмов лидируют, тогда как сериалы чаще выбирают в жанрах. Это отражает различия в целях и ожиданиях зрителей от форматов: фильм — быстрое развлечение, сериал — длительное вовлечение.
  4. На предпочтения зрителей сильнее всего влияет формат: фильмы выбирают чаще из-за удобства и компактности. Жанр также важен, но менее критичен, а год выхода оказывает минимальное влияние на частоту просмотра.

Описание применения генеративной модели

В ходе исследования генеративная модель использовалась для:

  1. Формулировки исследовательских вопросов по теме «Фильмы и сериалы»;
  2. Редактуры и уточнения текстовых формулировок выводов и заключений, а также описаний к графикам.

Использованная модель: GPT-5.2 Thinking (ChatGPT, OpenAI) Ссылка: https://chat.openai.com

Заключение

Проведённый анализ показал, что фильмы остаются более популярным видом досуга по сравнению с сериалами. Их преимущество заключается в завершённости сюжета за короткое время, что делает их удобными для широкой аудитории. Сериалы, несмотря на рост количества выпускаемых проектов и разнообразие жанров, привлекают меньше зрителей, скорее всего, из-за значительных временных затрат.

Ссылка на IPYNB

Анализ зрительской активности: фильмы и сериалы
Project created at 16.01.2026
adcr.dafes
The Art Directors Club of Russia sets the benchmark for creative excellence in design and advertising, serving as a central hub where industry professionals connect. Since 2004, the Club has hosted the ADCR Awards—a premier national competition celebrating creativity, design, and advertising. The core mission of the awards is to champion agencies and independent creators making their mark in the local market. By presenting this honor on behalf of the professional community, the Club reaffirms its endur... Show more
adcr advertising
adcr design
adcr students and young creators