Análisis Exploratorio de Netflix (EDA)¶
En este proyecto exploro el catálogo de Netflix para entender la distribución de películas y series, tendencias por año de lanzamiento, géneros más comunes y participación de distintos países. Este análisis es 100% exploratorio (EDA) y muestra mi capacidad para manipular datos y generar visualizaciones.
1-¿Qué proporción hay entre películas y series en Netflix?
2-¿Cómo evolucionó la cantidad de estrenos a lo largo de los años?
3-¿Qué países aportan más títulos al catálogo?
4-¿Cuáles son los géneros (categorías) más frecuentes?
5-¿Cuál es la distribución de las duraciones (ej. minutos en películas, temporadas en series)?
In [13]:
import warnings
warnings.filterwarnings("ignore", category=FutureWarning)
warnings.filterwarnings("ignore", category=UserWarning)
In [14]:
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# Configuración de estilo
sns.set(style="whitegrid")
plt.rcParams["figure.figsize"] = (10, 5)
# Cargar dataset
df = pd.read_csv("netflix.csv")
df.head()
Out[14]:
| show_id | type | title | director | cast | country | date_added | release_year | rating | duration | listed_in | description | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | s1 | Movie | Dick Johnson Is Dead | Kirsten Johnson | NaN | United States | September 25, 2021 | 2020 | PG-13 | 90 min | Documentaries | As her father nears the end of his life, filmm... |
| 1 | s2 | TV Show | Blood & Water | NaN | Ama Qamata, Khosi Ngema, Gail Mabalane, Thaban... | South Africa | September 24, 2021 | 2021 | TV-MA | 2 Seasons | International TV Shows, TV Dramas, TV Mysteries | After crossing paths at a party, a Cape Town t... |
| 2 | s3 | TV Show | Ganglands | Julien Leclercq | Sami Bouajila, Tracy Gotoas, Samuel Jouy, Nabi... | NaN | September 24, 2021 | 2021 | TV-MA | 1 Season | Crime TV Shows, International TV Shows, TV Act... | To protect his family from a powerful drug lor... |
| 3 | s4 | TV Show | Jailbirds New Orleans | NaN | NaN | NaN | September 24, 2021 | 2021 | TV-MA | 1 Season | Docuseries, Reality TV | Feuds, flirtations and toilet talk go down amo... |
| 4 | s5 | TV Show | Kota Factory | NaN | Mayur More, Jitendra Kumar, Ranjan Raj, Alam K... | India | September 24, 2021 | 2021 | TV-MA | 2 Seasons | International TV Shows, Romantic TV Shows, TV ... | In a city of coaching centers known to train I... |
In [15]:
print("Filas y columnas:", df.shape)
print("\nTipos de datos:")
print(df.dtypes)
print("\nValores nulos por columna:")
print(df.isnull().sum())
Filas y columnas: (8807, 12) Tipos de datos: show_id object type object title object director object cast object country object date_added object release_year int64 rating object duration object listed_in object description object dtype: object Valores nulos por columna: show_id 0 type 0 title 0 director 2634 cast 825 country 831 date_added 10 release_year 0 rating 4 duration 3 listed_in 0 description 0 dtype: int64
In [16]:
sns.countplot(data=df, x="type", color="royalblue")
plt.title("Distribución de Películas y Series en Netflix")
plt.xlabel("")
plt.ylabel("Cantidad")
plt.show()
In [17]:
sns.histplot(df["release_year"], bins=30, kde=False, color="royalblue")
plt.title("Cantidad de títulos por año de lanzamiento")
plt.xlabel("Año")
plt.ylabel("Cantidad")
plt.show()
In [18]:
top_countries = df["country"].dropna().str.split(", ").explode().value_counts().head(10)
sns.barplot(x=top_countries.values, y=top_countries.index, color="royalblue")
plt.title("Top 10 países con más títulos en Netflix")
plt.xlabel("Cantidad de títulos")
plt.ylabel("País")
plt.show()
In [19]:
genres = (
df["listed_in"].dropna().str.split(", ").explode().value_counts().head(10)
.rename_axis("Género").reset_index(name="Cantidad")
)
sns.barplot(x="Cantidad", y="Género", data=genres, color="royalblue")
plt.title("Top 10 géneros en Netflix")
plt.xlabel("Cantidad")
plt.ylabel("Género")
plt.show()
In [20]:
# Crear copias explícitas para evitar SettingWithCopyWarning
movies = df.loc[df["type"] == "Movie"].copy()
shows = df.loc[df["type"] == "TV Show"].copy()
# Extraer números
movies["minutes"] = pd.to_numeric(movies["duration"].str.extract(r"(\d+)")[0], errors="coerce")
shows["seasons"] = pd.to_numeric(shows["duration"].str.extract(r"(\d+)")[0], errors="coerce")
# Gráficos lado a lado
fig, axes = plt.subplots(1, 2, figsize=(14, 5))
sns.histplot(movies["minutes"].dropna(), bins=30, ax=axes[0], color="royalblue")
axes[0].set_title("Duración de Películas (min)")
axes[0].set_xlabel("Minutos")
axes[0].set_ylabel("Frecuencia")
order = sorted(shows["seasons"].dropna().unique())
sns.countplot(x=shows["seasons"], ax=axes[1], color="skyblue", order=order)
axes[1].set_title("Cantidad de Temporadas (Series)")
axes[1].set_xlabel("N° de temporadas")
axes[1].set_ylabel("Cantidad")
plt.tight_layout()
plt.show()
In [ ]: