I. PHÂN TÍCH, LÀM SẠCH DỮ LIỆU

library(readr)
## Warning: package 'readr' was built under R version 4.3.3
netflix <- read_csv("netflix_titles.csv")
## Rows: 8807 Columns: 12
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (11): show_id, type, title, director, cast, country, date_added, rating,...
## dbl  (1): release_year
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
head(netflix)
## # A tibble: 6 × 12
##   show_id type    title    director cast  country date_added release_year rating
##   <chr>   <chr>   <chr>    <chr>    <chr> <chr>   <chr>             <dbl> <chr> 
## 1 s1      Movie   Dick Jo… Kirsten… <NA>  United… September…         2020 PG-13 
## 2 s2      TV Show Blood &… <NA>     Ama … South … September…         2021 TV-MA 
## 3 s3      TV Show Ganglan… Julien … Sami… <NA>    September…         2021 TV-MA 
## 4 s4      TV Show Jailbir… <NA>     <NA>  <NA>    September…         2021 TV-MA 
## 5 s5      TV Show Kota Fa… <NA>     Mayu… India   September…         2021 TV-MA 
## 6 s6      TV Show Midnigh… Mike Fl… Kate… <NA>    September…         2021 TV-MA 
## # ℹ 3 more variables: duration <chr>, listed_in <chr>, description <chr>
# Tóm tắt mô tả datafram Netflix
summary(netflix)
##    show_id              type              title             director        
##  Length:8807        Length:8807        Length:8807        Length:8807       
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##      cast             country           date_added         release_year 
##  Length:8807        Length:8807        Length:8807        Min.   :1925  
##  Class :character   Class :character   Class :character   1st Qu.:2013  
##  Mode  :character   Mode  :character   Mode  :character   Median :2017  
##                                                           Mean   :2014  
##                                                           3rd Qu.:2019  
##                                                           Max.   :2021  
##     rating            duration          listed_in         description       
##  Length:8807        Length:8807        Length:8807        Length:8807       
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
## 
# Khai báo biến
names(netflix)
##  [1] "show_id"      "type"         "title"        "director"     "cast"        
##  [6] "country"      "date_added"   "release_year" "rating"       "duration"    
## [11] "listed_in"    "description"
# Kích thước dataframe diamonds
kich_thuoc <- dim(netflix)
print(paste("Số hàng và số cột của dataframe netflix là:", kich_thuoc[1], " hàng và ", kich_thuoc[2], " cột."))
## [1] "Số hàng và số cột của dataframe netflix là: 8807  hàng và  12  cột."
# Kiểm tra số lượng giá trị NaN và số dòng trùng lặp trong data ban đầu
so_NaN<- sum(is.na(netflix))
print(paste("Số lượng giá trị NaN trong datafame netflix là :",so_NaN))
## [1] "Số lượng giá trị NaN trong datafame netflix là : 4307"
trung_lap<-sum(duplicated(netflix))
print(paste("Số lượng dòng trùng lặp trong dataframe netflix là:",trung_lap))
## [1] "Số lượng dòng trùng lặp trong dataframe netflix là: 0"
# Tính tổng số giá trị thiếu trong mỗi cột của DataFrame
missing_values <- colSums(is.na(netflix))
# In ra tổng số giá trị thiếu của mỗi cột
print(missing_values)
##      show_id         type        title     director         cast      country 
##            0            0            0         2634          825          831 
##   date_added release_year       rating     duration    listed_in  description 
##           10            0            4            3            0            0

Rating: ánh xạ tuổi dựa trên rating ‘TV-PG’ = ‘Older Kids’- phù hợp với mọi lựa tuổi, cần sự giám sát cảu người lớn với trẻ <10 tuổi ‘TV-MA’ = ‘Adults’- phù hợp nhóm tuổi trưởng thàng ‘TV-Y7-FV’ = ‘Older Kids’, ‘TV-Y7’ = ‘Older Kids’, ‘TV-14’ = ‘Teens’, ‘R’ = ‘Adults’, ‘TV-Y’ = ‘Kids’- Phù hợp nhóm tuổi trẻ em ‘NR’ = ‘Adults’, ‘PG-13’ = ‘Teens’, ‘TV-G’ = ‘Kids’, ‘PG’ = ‘Older Kids’, ‘G’ = ‘Kids’, ‘UR’ = ‘Adults’, ‘NC-17’ = ‘Adults’

# Loại bỏ các giá trị NaN 
netflix <- na.omit(netflix)
# Kiểm tra lại 
kich_thuoc <- dim(netflix)
print(paste("Số hàng và số cột của dataframe netflix là:", kich_thuoc[1], " hàng và ", kich_thuoc[2], " cột."))
## [1] "Số hàng và số cột của dataframe netflix là: 5332  hàng và  12  cột."
so_NaN<- sum(is.na(netflix))
print(paste("Số lượng giá trị NaN trong datafame netflix là :",so_NaN))
## [1] "Số lượng giá trị NaN trong datafame netflix là : 0"
missing_values <- colSums(is.na(netflix))
print(missing_values)
##      show_id         type        title     director         cast      country 
##            0            0            0            0            0            0 
##   date_added release_year       rating     duration    listed_in  description 
##            0            0            0            0            0            0
# Tóm tắt datafram Neyflix sau khi làm sạch dữ liệu
summary(netflix)
##    show_id              type              title             director        
##  Length:5332        Length:5332        Length:5332        Length:5332       
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##      cast             country           date_added         release_year 
##  Length:5332        Length:5332        Length:5332        Min.   :1942  
##  Class :character   Class :character   Class :character   1st Qu.:2011  
##  Mode  :character   Mode  :character   Mode  :character   Median :2016  
##                                                           Mean   :2013  
##                                                           3rd Qu.:2018  
##                                                           Max.   :2021  
##     rating            duration          listed_in         description       
##  Length:5332        Length:5332        Length:5332        Length:5332       
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
## 
# Tóm tắt mô tả của DataFrame netflix_movie
netflix_movie <- netflix[netflix$type == "Movie", ]
summary(netflix_movie)
##    show_id              type              title             director        
##  Length:5185        Length:5185        Length:5185        Length:5185       
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##      cast             country           date_added         release_year 
##  Length:5185        Length:5185        Length:5185        Min.   :1942  
##  Class :character   Class :character   Class :character   1st Qu.:2011  
##  Mode  :character   Mode  :character   Mode  :character   Median :2016  
##                                                           Mean   :2013  
##                                                           3rd Qu.:2018  
##                                                           Max.   :2021  
##     rating            duration          listed_in         description       
##  Length:5185        Length:5185        Length:5185        Length:5185       
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
## 
# Tóm tắt mô tả của DataFrame netflix_tv
netflix_tv <- netflix[netflix$type == "TV Show", ]
summary(netflix_tv)
##    show_id              type              title             director        
##  Length:147         Length:147         Length:147         Length:147        
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##      cast             country           date_added         release_year 
##  Length:147         Length:147         Length:147         Min.   :1990  
##  Class :character   Class :character   Class :character   1st Qu.:2016  
##  Mode  :character   Mode  :character   Mode  :character   Median :2018  
##                                                           Mean   :2017  
##                                                           3rd Qu.:2020  
##                                                           Max.   :2021  
##     rating            duration          listed_in         description       
##  Length:147         Length:147         Length:147         Length:147        
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
## 

II. TRỰC QUAN HÓA DỮ LIỆU

1. Phân loại theo ” Genre” và ” Type”

## Tính phần trăm số lượng các phân loại " Movie" và "TV Show" trong cột "type"
type_counts <- prop.table(table(netflix$type)) * 100
print(type_counts)
## 
##     Movie   TV Show 
## 97.243061  2.756939
type_counts <- c(movie = sum(netflix$type == "Movie"), tv_show = sum(netflix$type == "TV Show"))
type_counts_df <- data.frame(type = names(type_counts), percentage = type_counts / sum(type_counts) * 100)

# Vẽ đồ thị tỷ lệ giữa Movie và TV Show
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.3.2
ggplot(type_counts_df, aes(x = "", y = percentage, fill = type)) +
  geom_bar(stat = "identity") +
  geom_text(aes(label = paste0(round(percentage), "%")), position = position_stack(vjust = 0.5)) +  # Thêm nhãn với phần trăm
  coord_flip() +
  labs(
    x = NULL,
    y = "Percentage",
    title = "Percentage of Movies and TV Shows"
  ) +
  theme_minimal() +
  theme(legend.position = "bottom")

## Số lượng Movie, TV Show theo phân loại "genre"
# Phân tách các giá trị trong cột "listed_in" và chuyển thành cột "genre" chứa các giá trị đã được phân tách
library(tidyr)
library(dplyr)
## Warning: package 'dplyr' was built under R version 4.3.2
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
new_netflix <- netflix %>%
  separate_rows(listed_in, sep = ', ') %>%
  mutate(genre = listed_in)
# Tính số lượng các giá trị theo 'genre' và 'type'
netflix_new <- new_netflix %>%
  group_by(genre, type) %>%
  summarise(count = n()) %>%
  arrange(desc(count))
## `summarise()` has grouped output by 'genre'. You can override using the
## `.groups` argument.
print(netflix_new)
## # A tibble: 42 × 3
## # Groups:   genre [42]
##    genre                    type  count
##    <chr>                    <chr> <int>
##  1 International Movies     Movie  2369
##  2 Dramas                   Movie  2293
##  3 Comedies                 Movie  1553
##  4 Action & Adventure       Movie   806
##  5 Independent Movies       Movie   740
##  6 Romantic Movies          Movie   579
##  7 Thrillers                Movie   547
##  8 Children & Family Movies Movie   503
##  9 Documentaries            Movie   391
## 10 Horror Movies            Movie   336
## # ℹ 32 more rows

Từ kết quả, cho thấy:

  • Trong tổng số lượng data sau khi làm sạch, phim ” Movie” chiếm tỷ lệ rất cao, lên tới 97,24%; và chương trình truyền hình “TV Show” chiếm lượng nhỏ khảng 2,76%. Cho thấy người dùng có sở thích cao đối với phim hơn là chương trình TV-> ưu tiên nội dung phim hơn trong các chiến lược sản xuất và mua sắm

  • Top 3 các thể loại được khán giả yêu thích nhất là:” International Movies” (2369), “Dramas”(2293) và “Comedy” (1553)

    2. By Rating

# Đếm số lượng các giá trị " Movie" trong cột "rating" và sắp xếp theo thứ tự giảm dần
rating_counts_movie <- sort(table(netflix_movie$rating), decreasing = TRUE)
print(rating_counts_movie)
## 
##    TV-MA    TV-14        R    PG-13    TV-PG       PG     TV-G     TV-Y 
##     1741     1177      778      470      416      275       81       71 
##    TV-Y7       NR        G TV-Y7-FV       UR    NC-17 
##       70       58       40        3        3        2
# Đếm số lượng các giá trị " TV show" trong cột "rating" và sắp xếp theo thứ tự giảm dần
rating_counts_tv <- sort(table(netflix_tv$rating), decreasing = TRUE)
print(rating_counts_tv)
## 
## TV-MA TV-14 TV-PG TV-Y7  TV-Y  TV-G 
##    81    37    15     6     5     3
## Biểu đồ "Movie" và "TV Show" theo Rating

library(tidyverse)
## Warning: package 'tidyverse' was built under R version 4.3.3
## Warning: package 'forcats' was built under R version 4.3.3
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ forcats   1.0.0     ✔ stringr   1.5.0
## ✔ lubridate 1.9.2     ✔ tibble    3.2.1
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
# Nhóm và đếm các Rating cho "Movie" và "TV Show"
mf <- netflix %>%
  group_by(type, rating) %>%
  summarise(count = n(), .groups = 'drop')

# Tạo thứ tự cho các Rating
ratings_order <- mf %>% 
  ungroup() %>% 
  arrange(desc(count)) %>% 
  pull(rating) %>% 
  unique()

mf$rating <- factor(mf$rating, levels = ratings_order)

mf <- mf %>%
  mutate(count = if_else(type == "TV Show", -count, count))

# Vẽ biểu đồ vơi ggplot
p <- ggplot(mf, aes(x = rating, y = count, fill = type)) +
  geom_bar(stat = "identity", position = "identity") +
  scale_y_continuous(labels = abs) +
  scale_fill_manual(values = c("Movie" = "#b20710", "TV Show" = "#221f1f")) +
  coord_flip() +
  theme_minimal() +
  labs(title = "Rating Distribution by Film & TV Show",
       subtitle = "Some ratings are only applicable to Movies. The most common for both Movies & TV Shows are TV-MA and TV-14.",
       x = "", y = "") +
  theme(legend.position = "none",
        plot.title = element_text(hjust = 0.5),
        plot.subtitle = element_text(hjust = 0.5),
        axis.text.x = element_text(angle = 45, hjust = 1),
        axis.text.y = element_text(color = "black"))

p + geom_text(aes(label = abs(count)), position = position_dodge(width = 0.1), hjust = 1, vjust = 0.5)

ggsave("rating_distribution_R.png", plot = p, width = 12, height = 5)

Theo kết quả trên, ta thấy có nhiều bộ phim ” Movie” được phân loại là “TV-MA” và “TV-14” hơn so với các loại rating khác. Tương tự thì và các chương trình truyền hình ” TV Show” được phân loại là “TV-MA” và ” TV-14” có số lượng nhiều hơn so với các loại rating còn lại.

Bảng xếp hạng này cho thấy sở thích đối với các chủ đề dành cho đối tượng độ tuổi trưởng thàng và nội dung phù hợp vơi khán giả trên 14 tuổi chiếm ưu thế cao trong nền tảng Netflix

3. By Country

library(dplyr)
library(ggplot2)
# Phân tách các giá trị trong cột "country" và tạo cột mới "ncountry"
dnetflix <- netflix %>%
  separate_rows(country, sep = ", ") %>%
  rename(ncountry = country)
# tổng số lượng sản phẩm Netflix theo quốc gia
top_countries <- dnetflix %>%
  group_by(ncountry) %>%
  summarise(count = n()) %>%
  arrange(desc(count)) %>%
  top_n(10)
## Selecting by count
### Vẽ biểu đồ top 10 quốc gia sản xuất nhiều sản phẩm Netflix đưuọc yêu thích nhất
ggplot(top_countries, aes(x = reorder(ncountry, -count), y = count)) +
  geom_bar(stat = "identity", fill = "skyblue", color = "black") +
  geom_text(aes(label = count), vjust = -0.5, color = "black", size = 3) +  # Thêm số liệu lên trên cột
  labs(x = "Country", y = "Number of Netflix Productions", title = "Top 10 Countries Producing the Most Netflix Productions") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # Đảo ngược trục x để nhãn quốc gia dễ đọc

# Tính tổng số lượng "Movie" và "TV Show" cho mỗi quốc gia trong top 10
top_countries_data <- dnetflix %>%
  filter(ncountry %in% top_countries$ncountry) %>%
  group_by(ncountry, type) %>%
  summarise(count = n()) %>%
  mutate(percentage = count / sum(count) * 100)
## `summarise()` has grouped output by 'ncountry'. You can override using the
## `.groups` argument.
# Vẽ biểu đồ tỷ lệ của "Movie" và "TV Show" trong từng quốc gia
ggplot(top_countries_data, aes(x = reorder(ncountry, -percentage), y = percentage, fill = type)) +
  geom_bar(stat = "identity", position = "stack") +
    geom_text(aes(label = paste0(round(percentage), "%")), position = position_stack(vjust = 0.5), size = 3, color = "white") +  # Thêm tỷ lệ vào biểu đồ
  labs(x = "Country", y = "Percentage (%)", title = "Percentage of Movie and TV Show in Top 10 Netflix Producing Countries") +
  scale_fill_manual(values = c("#b20710", "black"))

  • Top 10 quốc gia sản xuất số lượng sản phẩm Netflix nhiều nhất nổi bật là Hoa Kỳ với gần 2500 sản phẩm, chiếm tới gần 1 nửa lượng sản phẩm sau khi làm sạch). Và xếp thứ 2 là Ấn Độ với con số 940.

  • Có thể thấy sự chênh lệch rõ rệt giữa quốc gia vị trí đầu tiên( Hoa Kỳ) với các quốc gia trong top 10 và so với toàn bộ các quốc gia còn lại về số lượng sản phẩm Netflix được khán giả yêu thích

    -> Điều này cho thấy rằng sản suất phim ở các quốc gia nêu trên đem lại sự thu hút rất lớn đối với khán giả, có nền công nghiệp điện ảnh phát triển, nguồn lực sản xuất phim lớn cũng như nắm bắt đáp ứng được như cầu giải trí của khán giả

### Các quốc gia theo số lượng Movie và số lượng TV Show
# Tính số lượng phim "Movie" theo quốc gia và sắp xếp theo thứ tự giảm dần
movie_country_counts <- dnetflix %>%
  filter(type == "Movie") %>%
  count(ncountry) %>%
  arrange(desc(n))
# Tính số lượng chương trình truyền hình " TV Show" theo quốc gia và sắp xếp theo thứ tự giảm dần
tvshow_country_counts <- dnetflix %>%
  filter(type == "TV Show") %>%
  count(ncountry) %>%
  arrange(desc(n))
# In kết quả
print(movie_country_counts)
## # A tibble: 113 × 2
##    ncountry           n
##    <chr>          <int>
##  1 United States   2444
##  2 India            932
##  3 United Kingdom   461
##  4 Canada           287
##  5 France           285
##  6 Germany          165
##  7 Spain            152
##  8 Japan            113
##  9 China            107
## 10 Egypt             99
## # ℹ 103 more rows
print(tvshow_country_counts)
## # A tibble: 34 × 2
##    ncountry           n
##    <chr>          <int>
##  1 United States     41
##  2 United Kingdom    23
##  3 South Korea       12
##  4 Japan             11
##  5 Spain              9
##  6 Canada             8
##  7 France             8
##  8 India              8
##  9 Taiwan             8
## 10 Italy              5
## # ℹ 24 more rows

Từ kết quả trên, đưa ra kết luận top 3 các quốc gia được xem là phố biến trong việc sản xuất phim ” Movie” và được người xem yêu thích nhất lần lượt là Mỹ, Ấn Độ, vương quốc Anh. Và top 3 các quốc gia đưuọc xem là phố biến trong việc sản xuất chương tình truyền hình ” TV Show” và được người xem yêu thích nhất lần lượt là Mỹ, vương quốc Anh, Hàn Quốc.

4. Phân phối thời lượng

a) Thời lượng của các bộ phim “Movie” ( đơn vị là phút)

# Chuyển đổi cột 'duration' từ dạng văn bản sang số
netflix_movie$duration_num <- as.numeric(gsub("\\D", "", netflix_movie$duration))

# Xác định các khoảng giá trị cho histogram
breaks <- c(1, 50, 80, 100, 120, 150, 200, 255)  # Điều chỉnh các khoảng để phù hợp với dữ liệu 

# Vẽ histogram với tần suất tuyệt đối
hist_data <- hist(netflix_movie$duration_num, breaks = breaks, col = "skyblue", border = "black",
     xlab = "Movie Duration (in Mins)", ylab = "Frequency",
     main = "Distribution of Duration (in Mins)", freq = TRUE, right = FALSE, xlim = c(0, 320), ylim = c(0, 2000))
## Warning in plot.histogram(r, freq = freq1, col = col, border = border, angle =
## angle, : the AREAS in the plot are wrong -- rather use 'freq = FALSE'
# Thêm nhãn vào trên mỗi cột của histogram
# Điều chỉnh vị trí của nhãn để chúng hiển thị cao hơn các cột
text(x = hist_data$mids, y = hist_data$counts + 70, labels = hist_data$counts, cex = 0.8, adj = 0.5)

# Thêm các đánh dấu trên trục y
axis(2, at = seq(0, 2000, by = 500), labels = seq(0, 2000, by = 500))

Phim có thời lượng từ 80- 120 phút là những bộ phim phổ biến nhất, đây là khoảng thời gian thích hợp dành cho 1 bộ phim có thể thu hút khán giả b) Thời lượng các chương trình truyền hình “TV Show” ( đơn vị là mùa)

b) Thời lượng của các chương trình truyền hình “TV Show”

netflix_tv$duration_num <- as.numeric(gsub("\\D", "", netflix_tv$duration)) 
# Vẽ histogram
options(repr.plot.width = 12, repr.plot.height = 6)
hist_tv <- hist(netflix_tv$duration_num, breaks = 16, plot = FALSE)
hist(netflix_tv$duration_num, 
     breaks = 16, 
     col = "skyblue", 
     border = "black",
     xlab = "TV Show (No. of Seasons)", 
     ylab = "Frequency",
     main = "Distribution of Duration (in Seasons)")

# Thêm số liệu trên mỗi cột
for (i in seq_along(hist_tv$counts)) {
  text(hist_tv$mids[i], hist_tv$counts[i], labels = hist_tv$counts[i], pos = 3)
}
# Chỉnh sửa nhãn trục x
axis(1, at = seq(0, max(netflix_tv$duration_num), by = 1), labels = seq(0, max(netflix_tv$duration_num), by = 1))

Tương tự như phim, chương trình truyền hình có 1- 2 mùa là phổ biến nhất và là thời lượng có thể tăng cường sự tương tác của tác giả

5. Thời điểm( theo năm) phát hành có lượng khán giả yêu thích nhiều

a) “Movie”

library(ggplot2)
library(dplyr)

# Lọc để chỉ lấy thông tin về các bộ phim
netflix_movies <- netflix %>% 
  filter(type == "Movie", !is.na(release_year)) %>%
  mutate(release_year = as.numeric(release_year)) # Chuyển đổi năm phát hành sang dạng số

# Định nghĩa các khoảng cho histogram
# Bao gồm toàn bộ phạm vi dữ liệu từ năm nhỏ nhất đến năm lớn nhất
min_year <- min(netflix_movies$release_year)
max_year <- max(netflix_movies$release_year)
breaks <- seq(from = min_year, to = max_year+1, by = 10) # Điều chỉnh khoảng cách nếu cần

# Vẽ histogram
hist_data <- hist(netflix_movies$release_year, breaks = breaks, 
                  col = "skyblue", border = "black",
                  xlab = "Release Year", ylab = "Count",
                  main = "Distribution of Release Year (Movies)", 
                  xlim = c(min_year, max_year + 1), ylim = c(0, 5000))

# Thêm nhãn số lượng trên mỗi cột
# Đặt nhãn cao hơn đỉnh cột để tránh chồng lấp
text(x = hist_data$mids, y = hist_data$counts + 50, labels = hist_data$counts, 
     cex = 0.8, pos = 3)

b) “TV Show”

library(dplyr)

# Lọc để chỉ lấy thông tin về các chương trình truyền hình và chuyển đổi release_year sang dạng số
netflix_tvshow <- netflix %>% 
  filter(type == "TV Show") %>%
  mutate(release_year = as.numeric(release_year)) %>% 
  drop_na(release_year)  # Loại bỏ các hàng có NA ở cột release_year

# Xác định giá trị nhỏ nhất và lớn nhất của release_year
min_year <- min(netflix_tvshow$release_year)
max_year <- max(netflix_tvshow$release_year)

# Định nghĩa các khoảng cho histogram
breaks <- seq(from = min_year, to = max_year + 1, by = 1)  # Điều chỉnh khoảng cách nếu cần

# Vẽ histogram
hist_data <- hist(netflix_tvshow$release_year, breaks = breaks,
                  col = "skyblue", border = "black",
                  xlab = "Release Year", ylab = "Count",
                  main = "Distribution of Release Year (TV Shows)", 
                  xlim = c(min_year, max_year+1), ylim = c(0,40))

# Thêm nhãn số lượng trên mỗi cột, đặt nhãn cao hơn đỉnh cột để tránh chồng lấp
text(x = hist_data$mids, y = hist_data$counts + 0.5, labels = hist_data$counts, 
     cex = 0.8, pos = 3)

Có thể thấy, các nội dung được phát hành từ năm 2012- 2020, đặc biệt là các chương trình truyền hình phát hành vào khoảng 2016- 2020 rất phổ biến, thu hút nhiều người xem. Thực trang này có thể xuất phát từ nhiều lý do từ thực tế.

III. TỔNG KẾT

Từ bài phân tích trên có thể nêu ra được một số đặc điểm liên quan tới lượng người xem, độ phổ biến của các nội dung trên Netflix, từ yếu tố nội dung, thời lượng, tới yếu tố về thời gian phát hành, quốc gia sản xuất… nhằm mục tiêu điều chỉnh chiến lược trong sản xuất các sản phẩm Netflix tiếp cận được nhiều khách hàng và nhận được lượng tương tác lớn từ người dùng.

Có thể đưa ra nhận định: Trên nền tảng Netflix, người dùng ưa thích xem phim hơn là chương trình truyền hình, phổ biến với các thể loại phim và chương trình quốc tế, drama hay comedy; với những nội dung phù hợp với độ tuổi trưởng thành và người xem độ tuổi trên 14. Một bộ phim có thời lượng khoảng 80- 120p hay chương trình truyền hình từ 1- 2 mùa sẽ thu hút người xem, có lượt tương tác cao hơn so với thời lượng quá ngắn hay quá dài khác.

Ngoài ra, có thể kết hợp các yếu tố về thời gian, nhà sản xuất; các quốc gia như Hoa Kỳ, Ấn Độ, Nhật, Hàn vẫn luôn đứng đầu trong việc nhận đưuọc sự quan tâm đối với các sản phẩm cả “TV Show” và “Movie”, các nhà làm phim ở các quốc gia khác có thể học hỏi và phát triển dựa trên thống kê này.