Хоррор-фильмы — один из моих самых любимых жанров: я смотрю их на протяжении многих лет и часто ловлю себя на ощущении, что уже пересмотрела практически всё значимое в этом направлении.

Именно поэтому мне стало интересно взглянуть на жанр не как на зритель, а как на объект анализа данных. Датасет IMDb с информацией о хоррор-фильмах позволяет исследовать жанр системно: проследить его развитие во времени, понять, какие поджанры и форматы оказываются наиболее востребованными, и увидеть, какие факторы могут влиять на зрительское восприятие.

Для меня этот проект стал способом совместить личный интерес к хоррору с аналитическим и визуальным исследованием.

Для анализа данных были использованы несколько типов визуализаций, каждый из которых отвечает на отдельный исследовательский вопрос.

— Линейный график показывает, как менялось количество хоррор-фильмов по годам, и помогает проследить динамику развития жанра во времени.

— Гистограмма используется для анализа распределения рейтингов IMDb и позволяет понять, какие оценки являются типичными для хоррор-фильмов.

— Столбчатая диаграмма отражает наиболее распространённые поджанры хоррора и даёт представление о жанровых предпочтениях индустрии.

— Точечный график визуализирует связь между длительностью фильма и его рейтингом, помогая оценить наличие или отсутствие зависимости между этими параметрами.

Все графики выполнены в едином визуальном стиле с тёмной цветовой палитрой и красными акцентами, отсылающими к эстетике хоррор-жанра и создающими цельное визуальное повествование.

Визуальная стилистика проекта основана на эстетике хоррор-жанра. Визуальная палитра проекта вдохновлена световыми решениями в хоррор-фильмах: холодные сине-бирюзовые оттенки используются для аналитических и временных графиков, тогда как красные цвета акцентируют внимание на эмоциональных аспектах жанра. Такое цветовое разделение помогает структурировать информацию и усиливает атмосферу визуального повествования.

черный = «#0b0b0b» темно-красный = «#7a0c0c» кровавый = «#b11226» темно-голубой = «#14213d» глубокий синий = «#1f3a5f» бирюзовый = «#0fa3b1» голубой = «#20c997» белый = «#ffffff»

В начале работы я импортировала библиотеку pandas для анализа данных и библиотеку matplotlib для построения визуализаций. После этого я загрузила датасет с информацией о хоррор-фильмах из CSV-файла в среду Google Colab.

Далее, чтобы убедиться, что данные были загружены корректно, я вывела первые строки таблицы и изучила её структуру. Это позволило увидеть названия столбцов, типы данных и наличие пропущенных значений.

Подготовка и очистка данных. Перед построением визуализаций я выполнила базовую очистку данных. Я удалила строки без рейтинга и года выхода фильма, а также привела ключевые столбцы к числовому формату.

Перед созданием графиков я задала единый визуальный стиль проекта. Были определены основные цвета, вдохновлённые эстетикой хоррор-фильмов, а также настроены фон, цвета текста и осей, чтобы все визуализации выглядели единообразно.

Для начала я выбираю столбец Movie Year, так как он содержит информацию о годе выхода фильма и позволяет анализировать данные во временной динамике. Анализ изменений во времени является важной частью исследования эволюции жанра хоррор.

Я группирую все фильмы по году выхода и считаю количество фильмов в каждом году. Это позволяет перейти от списка отдельных фильмов к точным данным, удобным для анализа тенденций.

В результате группировки получается серия, где индексом является год, а значениями — количество фильмов. Эти данные напрямую используются для построения графика.

Для визуализации я выбираю линейный график, так как он лучше всего подходит для отображения непрерывных изменений во времени и позволяет наглядно увидеть рост или спад.

Я строю линейный график, задавая цвет линии и толщину, чтобы график был хорошо различим на тёмном фоне.

Я добавляю заголовок графика и подписи осей, чтобы зрителю было понятно, что именно отображается и какие данные используются.

Получившийся график позволяет сделать вывод о том, что количество хоррор-фильмов со временем увеличивается, особенно в последние десятилетия.

Для данного графика я использую столбец Rating, так как он отражает среднюю зрительскую оценку фильма и позволяет проанализировать общее восприятие жанра.

Гистограмма является наиболее подходящим способом визуализации распределения числовых данных, так как она показывает, какие значения встречаются чаще всего.

Я разбиваю значения рейтингов на равные интервалы (bins), чтобы увидеть форму распределения.

Я задаю цвет столбцов и цвет границ, чтобы значения были чётко различимы на тёмном фоне и соответствовали общей стилистике проекта.

Добавляю заголовок и подписи осей для пояснения содержания графика.