오늘 알아볼 질문

많은 영화 예산이 박스오피스에서 더 많은 수익으로 이어지는가?

오늘 배울 내용

• 씨본이라는, 유명한 데이터 시각화 라이브러리 사용 방법
• 사이킷-런을 이용해 선형 회귀 분석을 실행하고 해석
• 데이터간의 관계를 시각화하는 산점도를 통해, 회귀 분석을 표시하는 방법
• 산점도에 세 번째 차원을 추가하여 거품 차트를 만드는 방법
• 내림 나눗셈(//)을 영리하게 사용해, 데이터를 변환하는 방법

데이터 확인 및 전처리

먼저 데이터의 구성과 NaN 존재 여부, 중복값 확인 및 데이터의 유형을 확인한다.

df = pd.read_csv('cost_revenue_dirty.csv')

# 데이터 구성 확인print(df.shape)# (5391, 6)# NaN 존재 확인print(df.isna().values.any())# False# 중복값 확인print(df.duplicated().values.any())# False# 데이터 유형 확인print(df.info())

또한 금액의 경우 $ 표시와 , 표시가 있으므로 이를 제거하고 숫자 형식으로 변환한다.

# USD_Production_Budget / USD_Worldwide_Gross / USD_Domestic_Gross 숫자 형식으로 변환
chars_to_remove = [',', '$']
columns_to_clean = ['USD_Production_Budget',
                    'USD_Worldwide_Gross',
                    'USD_Domestic_Gross']

for col in columns_to_clean:
    for char in chars_to_remove:
        # replace를 사용하여 없애기
        df[col] = df[col].astype(str).str.replace(char, "")
    # 숫자 형식으로 데이터 변환
    df[col] = pd.to_numeric(df[col])

Release_data를 Pandas Datetime 유형으로 변환한다.

# Release_Date Pandas Datetime 유형으로 변환하기df.Release_Date = pd.to_datetime(df.Release_Date)

모두 잘 바뀐것을 확인할 수 있다.

 #   Column                 Non-Null Count  Dtype
---  ------                 --------------  -----0   Rank                   5391 non-null   int64
 1   Release_Date           5391 non-null   datetime64[ns]
 2   Movie_Title            5391 non-null   object
 3   USD_Production_Budget  5391 non-null   int64
 4   USD_Worldwide_Gross    5391 non-null   int64
 5   USD_Domestic_Gross     5391 non-null   int64