Доходы киноиндустрии — это способ посмотреть, как меняется мир кино и медиа. Финансовые показатели помогают увидеть переход от кинотеатров к цифровым платформам и стримингам.
Проект объединяет анализ данных и визуальное исследование современных медиа.
Введение
В чем суть работы? Какие анализируются данные: Анализируются данные о доходах киноиндустрии. Использован учебный датасет, созданный в Python.
Почему была выбрана именно эта тема: Кино — крупная индустрия, где можно проследить экономические изменения и влияние технологий.
Типы графиков, использованных в работе: — Линейные — динамика по годам — Столбчатые — сравнение бюджетов — Точечные — рост стримингов
Разные графики были созданы для большей наглядности.
Этапы работы
Обработка данных: Был создан датасет, сделана таблица в Pandas и построены графики в Matplotlib.
Использование нейросетей: Был использован стандартный ChatGPT для помощи с кодом и выводами.
Стилизация: Графики были оформлены в едином минималистичном стиле.
Формат визуализации: К каждому графику были добавлены краткие пояснения.
Статистические методы: Описательная статистика, сравнение и анализ динамики.
Импорт библиотек
import pandas as pd import matplotlib.pyplot as plt
Создание датасета
data = { «Year»: [2005, 2006, 2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021, 2022, 2023],
«Films_Released»: [450, 470, 500, 520, 540, 560, 580, 600, 630, 650,
680, 700, 720, 740, 760, 500, 520, 680, 750],
«Average_Budget_Million»: [40, 42, 45, 47, 50, 52, 55, 58, 60, 63,
65, 68, 70, 72, 75, 60, 62, 74, 78],
«Total_BoxOffice_Billion»: [25, 27, 30, 32, 35, 38, 41, 45, 48, 52,
55, 58, 62, 66, 70, 42, 46, 68, 75],
«Streaming_Revenue_Billion»: [0, 0, 0, 0, 1, 2, 3, 5, 7, 9,
12, 15, 18, 22, 26, 35, 40, 48, 55]
}
Превращение данных в таблицу Pandas
df = pd.DataFrame (data) print (df)
График 1: Количество выпущенных фильмов по годам
plt.figure () plt.plot (df[«Year»], df[«Films_Released»]) plt.title («Количество выпущенных фильмов по годам») plt.xlabel («Год») plt.ylabel («Количество фильмов») plt.show ()
Производство фильмов росло, но в 2020 году произошло резкое падение.
Вывод: индустрия зависит от внешних событий, но способна восстанавливаться.
График 2: Средний бюджет фильмов
plt.figure () plt.bar (df[«Year»], df[«Average_Budget_Million»]) plt.title («Средний бюджет фильмов (млн $)») plt.xlabel («Год») plt.ylabel («Бюджет (млн $)») plt.show ()
Бюджеты постепенно увеличиваются с течением времени.
Вывод: создание фильмов становится дороже из-за технологий и масштабов производства.
График 3: Общие кассовые сборы
plt.figure () plt.plot (df[«Year»], df[«Total_BoxOffice_Billion»]) plt.title («Общие кассовые сборы (млрд $)») plt.xlabel («Год») plt.ylabel («Сборы (млрд $)») plt.show ()
Доходы кинотеатров росли вместе с рынком, затем временно снизились.
Вывод: прибыль киноиндустрии связана с доступностью офлайн-показа.
График 4: Доходы стриминговых сервисов
plt.figure () plt.scatter (df[«Year»], df[«Streaming_Revenue_Billion»]) plt.title («Доходы стриминговых сервисов (млрд $)») plt.xlabel («Год») plt.ylabel («Доход (млрд $)») plt.show ()
Наблюдается быстрый и устойчивый рост онлайн-платформ.
Вывод: стриминги становятся ключевым источником дохода и меняют модель просмотра.
Общий вывод
Анализ показал, что киноиндустрия активно развивается и меняется под влиянием технологий и внешних факторов. Традиционный кинопрокат остаётся важным, но всё большую роль начинают играть цифровые платформы и стриминговые сервисы.
Индустрия постепенно переходит к новой модели потребления контента, где онлайн-форматы становятся ключевыми.
