Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/vgvr0/analisis-de-datos-con-streamlit-numpy-pandas-y-matplotlib
Sistema completo de análisis y visualización de datos cinematográficos que proporciona insights detallados sobre películas, incluyendo análisis financiero, puntuaciones, tendencias temporales y un sistema de recomendación. Desarrollado con Python y Streamlit, ofrece una interfaz interactiva y amigable para explorar datos de películas.
https://github.com/vgvr0/analisis-de-datos-con-streamlit-numpy-pandas-y-matplotlib
matplotlib numpy pandas plotly plotly-dash recommendation-system streamlit
Last synced: 12 days ago
JSON representation
Sistema completo de análisis y visualización de datos cinematográficos que proporciona insights detallados sobre películas, incluyendo análisis financiero, puntuaciones, tendencias temporales y un sistema de recomendación. Desarrollado con Python y Streamlit, ofrece una interfaz interactiva y amigable para explorar datos de películas.
- Host: GitHub
- URL: https://github.com/vgvr0/analisis-de-datos-con-streamlit-numpy-pandas-y-matplotlib
- Owner: vgvr0
- Created: 2024-11-08T00:06:04.000Z (12 days ago)
- Default Branch: main
- Last Pushed: 2024-11-08T00:48:46.000Z (12 days ago)
- Last Synced: 2024-11-08T01:23:26.007Z (12 days ago)
- Topics: matplotlib, numpy, pandas, plotly, plotly-dash, recommendation-system, streamlit
- Language: Python
- Homepage:
- Size: 4.35 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# 🎬 Sistema de Análisis y Recomendación de Películas
## 📋 Descripción
Sistema completo de análisis y visualización de datos cinematográficos que proporciona insights detallados sobre películas, incluyendo análisis financiero, puntuaciones, tendencias temporales y un sistema de recomendación. Desarrollado con Python y Streamlit, ofrece una interfaz interactiva y amigable para explorar datos de películas.
### 🌟 Características Principales
- Dashboard interactivo con múltiples visualizaciones
- Análisis detallado por género y temporal
- Métricas financieras y de popularidad
- Sistema de recomendación personalizado
- Filtros dinámicos para análisis específicos
- Visualizaciones estadísticas avanzadas
## 🔧 Estructura del Proyecto
```
movie-analysis/
│
├── app.py # Punto de entrada principal
├── dashboard.py # Implementación del dashboard
├── analysis.py # Funciones de análisis de datos
├── visualization.py # Funciones de visualización
├── requirements.txt # Dependencias del proyecto
└── README.md # Este archivo
```
## 📚 Requisitos del Sistema
- Python 3.8+
- Dependencias principales:
```
streamlit>=1.20.0
pandas>=1.5.0
numpy>=1.23.0
matplotlib>=3.6.0
seaborn>=0.12.0
plotly>=5.13.0
scipy>=1.9.0
scikit-learn>=1.2.0
```
## 🚀 Instalación y Uso
### Instalación
1. Clonar el repositorio:
```bash
git clone https://github.com/your-username/movie-analysis.git
cd movie-analysis
```
2. Crear y activar un entorno virtual:
```bash
python -m venv venv
# En Windows:
.\venv\Scripts\activate
# En macOS/Linux:
source venv/bin/activate
```
3. Instalar dependencias:
```bash
pip install -r requirements.txt
```
### Uso
1. Ejecutar la aplicación:
```bash
streamlit run app.py
```
2. Cargar datos:
- Usar el botón "Cargar dataset de películas" en la barra lateral
- Formatos soportados: CSV, XLSX
- El dataset debe contener las siguientes columnas:
- title: Título de la película
- genre: Género
- release_year: Año de estreno
- critic_score: Puntuación de críticos (0-100)
- audience_score: Puntuación de audiencia (0-100)
- box_office_millions: Recaudación en millones
- popularity: Índice de popularidad
- duration_minutes: Duración en minutos
- budget_millions: Presupuesto en millones
3. Explorar análisis:
- Usar las pestañas para navegar entre diferentes análisis
- Ajustar filtros en la barra lateral
- Interactuar con las visualizaciones
## 📊 Funcionalidades Principales
### 1. Resumen General
- Métricas clave y KPIs
- Distribución de variables principales
- Análisis de outliers y calidad de datos
### 2. Análisis por Género
- Distribución de puntuaciones
- Tendencias de popularidad
- Análisis financiero por género
### 3. Análisis Financiero
- ROI y métricas de rentabilidad
- Análisis de presupuesto vs recaudación
- Tendencias financieras
### 4. Visualizaciones Interactivas
- Gráficos personalizables
- Análisis multivariable
- Comparativas detalladas
### 5. Evolución Temporal
- Tendencias históricas
- Análisis por década
- Patrones estacionales
### 6. Sistema de Recomendación
- Recomendaciones personalizadas
- Filtros por género y año
- Análisis de similitud
## 🤝 Contribución
Las contribuciones son bienvenidas. Para contribuir:
1. Fork el proyecto
2. Crear una rama para tu feature (`git checkout -b feature/AmazingFeature`)
3. Commit tus cambios (`git commit -m 'Add some AmazingFeature'`)
4. Push a la rama (`git push origin feature/AmazingFeature`)
5. Abrir un Pull Request