ОПИСАНИЕ ПРОЕКТА актуальность и используемые данные
В ожидании грядущей церемонии вручения, вероятно, главной кинематографической премии, каждый, кто более или менее близок к миру экранного искусства, выдвигал свои предположения о будущих обладателях «Оскара». Более того, на номинантов ставили ставки, соревнуясь в количестве угаданных победителей. Я и сама спорила с друзьями.
Но вот в чем вопрос: на чем были основаны предположения кино-критиков и популярных медиа? Можно ли из года в год проследить закономерность, вооружившись которой, будет проще угадать будущих оскароносцев. Чаще всего, выдвигая такие гипотезы, люди основываются на победителях прошлых лет. Это я и решила сделать самостоятельно, проанализировав данные, содержащие в себе различную информацию о прошлых церемониях.
промпт для midjourney: oscar award fashion shoot, hipper realism, proffesional camera, soffit light, minimal details, black and white colors
В своем анализе я использовала две базы данных (Oscar-Winning Directors Analysis и Oscar Best Picture Movies), которые я нашла на сатйе Kaggle, так как посчитала датасеты достаточно содержательными, чтобы сделать определенные выводы. В ходе обработки данных я поставила перед собой следующие вопросы: 1/ Киностудии: какие компании чаще всего получают «Оскар» и как их доля менялась со временем. 2/ Пол и раса режиссёров: насколько гендерные и этнические факторы влияют на вероятность победы. 3/ Продолжительность фильма: существует ли зависимость между длительностью фильма и его шансами на победу. 4/ Рейтинги фильмов: как оценки зрителей и критиков коррелируют с наградами. 5/ Корреляционный анализ: выявление зависимостей между различными числовыми характеристиками номинированных фильмов.
В ходе анализа я посчитала подходящими следующие виды графиков, поскольку нашла их наиболее релевантными и наглядными для визуализации данных: / Столбчатый барчарт (удобен для количественного сравнения) / Линейная диаграмма (используется для наглядной демонстрации корреляции двух факторов) / Тепловая карта (для презентации распределения и выявления новых закономерностей)
В оформлении графиков я использовала строгое сочетание черного и белого, которое у меня ассоциируется с четкостью данных и официальностью самой награды, о которой идет речь. В то же время я не могла не задействовать золотистый оттенок, отсылающий к желанной статуэтке.
ОБРАБОТКА ДАННЫХ подготовительный этап
Для начала необходимо было импортировать требующиеся библиотеки и настроить стиль диаграмм с помощью созданной функции.
Следующим этапом стало считывание баз данных в формате csv и обработка их с помощью методов drop (чтобы убрать лишние строки) и head (чтобы убедиться в корректности).
АНАЛИЗ ПОБЕДИТЕЛЕЙ ПО КИНОСТУДИЯМ
Для начала интересно отследить статистку побед различных крупных кинокомпаний. Наглядно визуализировать ее помогает функция barplot.
// Крупные киностудии, такие как MGM и Fox, лидируют по количеству побед на «Оскаре». // Независимые студии выигрывают реже, но их присутствие в номинациях со временем увеличивается, что может говорить о росте влияния авторского кино.
АНАЛИЗ ВЛИЯНИЯ ПОЛА РЕЖИССЕРА НА ВЕРОЯТНОСТЬ ПОБЕДЫ
Далее визуализировано соотношение женщин и мужчин победителей в номинациях за режиссуру.
// Данные исчерпывающе демонстрируют абсолютное превосходство мужчин в отношении количества статуэток.
АНАЛИЗ ВЛИЯНИЯ ДЛИТЕЛЬНОСТИ ФИЛЬМА НА ВЕРОЯТНОСТЬ ПОБЕДЫ
В следующем графике демонстрируется соотношение победы в фильме с его хронометражом. Используется функция histplot.
