Original size 2480x3500

Анализ и Визуализация Продаж Игр Nintendo

PROTECT STATUS: not protected

Введение

Данные

Для данного проекта я выбрал данные по продажам игр Nintendo. Данные были взяты с Kaggle, известного ресурса для анализа данных. Файл содержит информацию о различных играх, включая название, платформу, дату выпуска, оценки критиков и пользователей, разработчиков и жанры.

≫> База Данных на Kaggle ≪<

Причина выбора

Мне было интересно проанализировать именно эти данные, поскольку Nintendo является одной из самых знаковых компаний в игровой индустрии, и ее игры имеют значительное влияние на культуру и индустрию видеоигр. Анализ этих данных может дать ценные инсайты о тенденциях в игровых предпочтениях и популярности различных жанров.

Типы графиков

Гистограммы Для визуализации распределения оценок от критиков и пользователей.

Гистограмма Для отображения распределения игр по годам.

Столбчатая диаграмма Для отображения топ-10 жанров игр.

Этапы работы

1. Загрузка данных

import pandas as pd file_path = 'NintendoGames.csv' data = pd.read_csv (file_path)

2. Просмотр данных

print («Первые несколько строк данных:») print (data.head ())

3. Основной описательный анализ данных

print («\nОсновные статистики данных:») print (data.describe (include='all'))

4. Проверка на наличие пропущенных значений

print («\nПропущенные значения в данных:») print (data.isnull ().sum ())

5. Визуализация данных

Распределение оценок от критиков и пользователей

import matplotlib.pyplot as plt import seaborn as sns

sns.set (style='whitegrid') plt.figure (figsize=(14, 7)) sns.histplot (data=data, x='meta_score', kde=True, bins=30, color='skyblue', label='Meta Score') sns.histplot (data=data, x='user_score', kde=True, bins=30, color='salmon', label='User Score') plt.title ('Распределение оценок от критиков и пользователей') plt.xlabel ('Оценка') plt.ylabel ('Количество игр') plt.legend () plt.show ()

Распределение игр по годам

data['year'] = pd.to_datetime (data['date'], errors='coerce').dt.year plt.figure (figsize=(14, 7)) sns.histplot (data=data, x='year', bins=30, kde=True) plt.title ('Распределение игр по годам') plt.xlabel ('Год') plt.ylabel ('Количество игр') plt.show ()

Топ-10 жанров игр

genres = genres.explode () top_10_genres = genres.value_counts ().head (10) plt.figure (figsize=(14, 7)) sns.barplot (x=top_10_genres.index, y=top_10_genres.values, palette='viridis') plt.title ('Топ-10 жанров игр Nintendo') plt.xlabel ('Жанр') plt.ylabel ('Количество игр') plt.xticks (rotation=45) plt.show ()

Стилизация графиков

Для стилизации графиков был выбран стиль «whitegrid» из библиотеки Seaborn. Этот стиль позволяет создать чистые и четкие графики, которые легко воспринимаются визуально. Также были использованы цветовые палитры, такие как «skyblue» и «salmon» для гистограмм, и «viridis» для столбчатой диаграммы, чтобы сделать графики более привлекательными и информативными.

Итоговые графики

Original size 1400x700

Распределение оценок от критиков и пользователей

Original size 1400x700

Распределение игр по годам

Original size 1400x700

Топ-10 жанров игр Nintendo

Заключение

Проанализировав данные о продажах игр Nintendo, мы можем сделать несколько выводов о тенденциях в оценках игр, популярности жанров и динамике выпуска игр по годам. Эти инсайты могут быть полезны для разработчиков игр, издателей и исследователей игровой индустрии.

≫> Код и Датасет ≪<

Анализ и Визуализация Продаж Игр Nintendo
Бехруз Акрамов провёл анализ и визуализацию продаж игр Nintendo на основе данных с Kaggle. Проект включает гистограммы и столбчатые диаграммы, созданные с использованием библиотеки Seaborn и цветовых палитр для наглядного представления данных.
Project description created with AI
Project created at 25.09.2024
More projects in artificial intelligence
Валерия Бурлаченко провела анализ датасета о Тейлор Свифт, используя данные с Kaggle для создания визуализаций и извлечения музыкальных характеристик. Проект включает интерактивные графики, созданные с помощью библиотеки plotly.express, и стилизованную визуализацию в пастельных тонах.
Екатерина Кашкина провела анализ датасета из Kaggle, посвящённого Олимпийским играм 2022 года. Проект включает интерактивные графики, созданные с использованием библиотеки plotly.express и стилизованные под сезон Олимпиады.
Виктория Кондратьева провела анализ текстов анимационных видео о привычках, используя транскрипции с YouTube и код на Python для изучения содержания. Проект включает в себя автоматическую расшифровку аудио с помощью нейросети OpenAI Whisper и визуализацию частот ключевых слов в виде графиков.
Алиса Кикичева провела анализ популярных песен Spotify, используя данные из открытых источников. Проект включает визуализацию данных с помощью столбчатых и круговых диаграмм, выполненных в различных цветовых сочетаниях.
We use cookies to improve the operation of the website and to enhance its usability. More detailed information on the use of cookies can be fo...
Show more