# IMPORTACIONES import sqlite3 as sq3 import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import numpy as np from IPython.display import display # CONEXION Y CREACIÓN DE DFs conn = sq3.connect('/work/Mi_proyecto/Consigna 6/netflix_oscar (1).db') dfs = { "df_content":pd.read_sql_query("SELECT * FROM content",conn), "df_oscar": pd.read_sql_query("SELECT * FROM oscar",conn), "df_production": pd.read_sql_query("SELECT * FROM production",conn) } conn.close()

#Comprobando la cración de los DataFramne display(dfs['df_content'].head()) print() display(dfs['df_oscar'].head()) print() display(dfs['df_production'].head()) print()

def analizar_columnas(columna): no_nulos = columna.count() nulos = columna.isnull().sum() distintos = columna.nunique() vacios = (columna == " ").sum() return pd.Series([no_nulos,nulos,distintos,vacios], index = ["No_nulos","Nulos","Distintos","Vacios"]) dfs_analisis = {tabla : pd.DataFrame for tabla in dfs} # print(dfs_analisis) para ver el diccionaro que creé con llaves "df_content","df_oscar","df_production" y DataFrames vacios #Itero los items de mi dfs donde guardé los datos y asigno en mi dfs_analisis for tabla, df in dfs.items(): dfs_analisis[tabla] = df.apply(analizar_columnas) #Donde h es la llave e i es el valor del diccionario dfs_analisis. #Nótese que el valor de este diccionario es un DataFrame que "llenamos" aplicando la fórmula en la iteración de arriba for h, i in dfs_analisis.items(): print(f"{h}:") display(i) print()

# Consultas específicas a DF #Asignamos a 3 variables los valores de los dataframes de las llaves de los diccionarios dfs df_content = dfs["df_content"].fillna('') df_oscar = dfs["df_oscar"].fillna('') df_production = dfs["df_production"].fillna('') #Respondiendo la pregunta i print('Respuesta pregunta i') display(df_content.loc[:,['type','title_content','country','rating','duration','listed_in']]) #Respondiendo la pregunta ii print('Respuesta pregunta ii') display(df_content.loc[df_content['country'].str.contains('Argentina'),\ ['id_content','type','title_content','cast','rating','duration','listed_in']] ) #Respondiendo la pregunta iii print('Respuesta pregunta iii') display(df_production.loc[df_production['imdb_score']>7.5,['title_production','genre','language','imdb_score']]) #Respondiendo la pregunta iv print('Respuesta pregunta iv') frances_90 = df_production.loc[(df_production['runtime']>90)&(df_production['language']=='French')] df_joineado = pd.merge(frances_90,df_content, how= 'inner', on= 'id_content') display(df_joineado.loc[:,['title_production','type','runtime','imdb_score']]\ .sort_values('imdb_score',ascending=False).reset_index(drop=True) )

df_set_total = pd.read_csv('/work/Mi_proyecto/Consigna 6/set_total.csv') df_set_total #Respondiendo la pregunta i df_set_total.duplicated().sum() df_set_total.drop_duplicates(inplace=True) #Respondiendo la pregunta ii df_set_total.dtypes df_set_total['id_content']=df_set_total['id_content'].fillna(0).astype('int64') df_set_total['id_content']

#Matplotlib df_content = dfs["df_content"] df_production = dfs["df_production"] df_oscar = dfs["df_oscar"] print("Respuesta i") #Configuracion del estilo sns.set(style="whitegrid") #Configuracion del grafico de pastel fig,ax=plt.subplots() ax.pie(df_content["type"].value_counts(), labels=df_content["type"].value_counts().index,autopct="%.2f%%",\ colors=sns.color_palette('pastel') ) #Creando el circulo blanco para que sea un grafico de dona centre_circle = plt.Circle((0,0),0.30,fc='white') fig = plt.gcf() fig.gca().add_artist(centre_circle) ax.axis('equal') #Se coloca el titulo del grafico ax.set_title("Relación entre películas y series") #Se muestra el grafico plt.show() print("Respuesta ii") #Limpiamos datos para finalmente plotear #Dropeamos nulos df_limpio = df_content[["type","country"]].dropna(subset=["country"]) #Borrar las cooperaciones df_limpio = df_limpio[~df_limpio["country"].str.contains(",")] df_limpio #Creación de tabla dinámica (pivot_table) df_limpio_agrupado = df_limpio.pivot_table(index="country",columns="type",aggfunc="size",fill_value=0) #Creo columna nueva para tener el total de títulos df_limpio_agrupado["Total"]=df_limpio_agrupado["Movie"]+df_limpio_agrupado["TV Show"] #Ordeno y me quedo solo con el top10 top_10_ordenado = df_limpio_agrupado.sort_values("Total",ascending=False).head(10) #Borro columna total que ya cumplió su misión top_10_ordenado.drop("Total",axis="columns",inplace=True) #Configuración del estilo de seaborn (para cambiar paleta de colores) sns.set(style="whitegrid") #Selecciono la paleta de colores azul pastel colores_azules_pastel = sns.color_palette("pastel", n_colors=len(top_10_ordenado.columns)) fig,barras= plt.subplots() top_10_ordenado.plot(kind="bar",width=0.8,ax=barras, color=colores_azules_pastel) #Inclino los títulos de los países en el eje x barras.set_xticklabels(barras.get_xticklabels(), rotation=45, ha="right") barras.set_title("Top 10 paises con más producciones") plt.show()

#Seaborn df_content = dfs["df_content"] df_production = dfs["df_production"] df_oscar = dfs["df_oscar"] print('Respuesta i') #Limpiamos datos #Dropeamos nulos en la columna "director" df_limpio_directores = df_content.dropna(subset=["director"]) #Borramos las cooperaciones df_limpio_directores = df_limpio_directores[~df_limpio_directores["director"].str.contains(",")] df_limpio_directores #Configuramos el estilo de seaborn sns.set(style="whitegrid") #Obtenemos el top 20 de directores con más producciones top_directores = df_limpio_directores["director"].value_counts().head(20) #display(top_directores) # Selecciono una paleta de colores azul en un degradado colores_azul_degradado = sns.color_palette("Blues", n_colors=20)[::-1] #Creo el gráfico de barras con Seaborn plt.figure(figsize=(12, 8)) sns.barplot(x=top_directores.values, y=top_directores.index, palette=colores_azul_degradado) #Establezco el título plt.title("Top 20 Directores con más producciones") #Muestro el gráfico plt.show() print('Respuesta ii') #Dropeamos nulos en la columna "listed_in" df_limpio_generos = df_content.dropna(subset=["listed_in"]) #Borramos las cooperaciones df_limpio_generos = df_limpio_generos[~df_limpio_generos["listed_in"].str.contains(",")] df_limpio_generos #Configuración del estilo de seaborn (opcional) sns.set(style="whitegrid") #Obtén el top 20 de géneros con más producciones top_generos = df_limpio_generos["listed_in"].value_counts().head(20) #Selecciono una paleta de colores en un degradado y la invierto colores_degradado = sns.color_palette("viridis", n_colors=20)[::-1] #Crear el gráfico de barras con Seaborn y colores en degradado plt.figure(figsize=(12, 8)) sns.barplot(x=top_generos.values, y=top_generos.index, palette=colores_degradado) #Establezco el título correctamente plt.title("Top 20 Géneros de Netflix con más producciones") #Rotación de las etiquetas del eje y para mejorar la legibilidad plt.xticks(rotation=45, ha="right") #Muestra el gráfico plt.show() print('Respuesta iii') #Dropeo nulos df_limpio_content = df_content[["type","rating"]].dropna() gen_cnt = df_limpio_content['rating'].value_counts().sort_values(ascending=False) orden = gen_cnt.index #Selecciono una paleta de colores personalizada colores_personalizados = ["#001F3F", "#003366"] fig, ax1 = plt.subplots(figsize=(16, 9)) #Uso la paleta de colores personalizada y ajusto el tamaño de los números en las barras sns.countplot(data=df_limpio_content, x='rating', hue='type', palette=colores_personalizados, order=orden) #Aumento el tamaño de los números en las barras for bar in ax1.patches: ax1.annotate( f'{int(bar.get_height())}', xy=(bar.get_x() + bar.get_width() / 2, bar.get_height()), ha='center', va='center', size=12, # Ajusta el tamaño de los números xytext=(0, 5), textcoords='offset points' ) ax1.set_yticks(range(0, 2200, 400)) ax1.set_title('Clasificación por tipo de contenido') plt.show() print('Respuesta iv') #Dropeamos nulos y filtramos por películas que no son en inglés df_limpio_idiomas = df_production.dropna(subset=["language"]) df_limpio_idiomas = df_limpio_idiomas[df_limpio_idiomas["language"] != "English"] #Configuración del estilo de seaborn (opcional) sns.set(style="whitegrid") #Obtengo el top 15 de idiomas con más películas top_idiomas = df_limpio_idiomas["language"].value_counts().head(15) fig, ax = plt.subplots(figsize=(12, 8)) #Creo el gráfico de barras con Seaborn sns.barplot(x=top_idiomas.values, y=top_idiomas.index, palette="viridis", ax=ax) #Añado anotaciones en cada barra for bar in ax.patches: ax.annotate( f'{int(bar.get_width())}', xy=(bar.get_width(), bar.get_y() + bar.get_height() / 2), ha='left', va='center', size=10, xytext=(5, 0), textcoords='offset points' ) #Establezvo el título correctamente ax.set_title("Top 15 Idiomas de Películas (excluyendo inglés)") #Muestra el gráfico plt.show()