---
title: "Avance 2 - Trabajo Final"
author: "Sebastian Ramirez, Santiago Henao, Juan F Muñoz, Alejandro Quiceno, Nicolas Guerrero"
date: "2025-11-09"
output:
  flexdashboard::flex_dashboard:
    orientation: rows
    social: menu
    source_code: embed
---

Información de los datos
==============================================================

Row
--------------------------------------------------------------

### Conjunto de datos

Este dataset, disponible en Kaggle y titulado “Netflix Data” por Rohit Grewal, incluye información sobre series y películas disponibles en Netflix, con metadatos relevantes como tipo de contenido, elenco, géneros, fechas, entre otros.

En un proyecto relacionado, se menciona que el dataset contiene alrededor de 16 000 filas (títulos) y 18 columnas, cada fila representando un título —aunque otro análisis del dataset indica que se limita a películas, con 18 variables en total.

### Tamaño de muestra y variables

Tamaño de muestra: aproximadamente 16 000 títulos, suponiendo que incluye tanto películas como series.
Número de variables/columnas: 18 columnas que describen diferentes atributos de cada título.

### Descripción de variables
![](Descripcion.jpg)

---

Análisis descriptivos
==============================================================

Row
--------------------------------------------------------------

### Reprocesamiento de datos

Limpiamos los datos eliminando variables que no son relevantes como: directores, cast y descripción, ya que, en directores y cast había varios datos que no estaban y la descripción era muy larga y no tenía información relevante.

```{r}
library(tidyverse)
library(readxl)
netflix_data <- read_excel("Netflix_Dataset_.xlsx")
head(netflix_data)
```


---

Estadísticas descriptivas univariadas
==============================================================

Row
--------------------------------------------------------------

### Estadísticas descriptivas univariadas

![](tabla3.png)
![](tabla2.png)

---

Gráficos univariados
==============================================================

Row
--------------------------------------------------------------

### Gráficos univariados

![](tabla4.png)
![](tabla5.png)
![](tabla6.png)
![](tabla7.png)
![](tabla8.png)
![](tabla9.png)
![](tabla10.png)

---

Análisis univariado (datos atípicos)
==============================================================

Row
--------------------------------------------------------------



```{r}
netflix_data$Duration <- gsub(" min", "", netflix_data$Duration)
netflix_data$Duration <- as.numeric(netflix_data$Duration)
```

```{r}
boxplot(netflix_data$Duration, main = "Boxplot de la Duración de Películas", ylab = "Duración (minutos)")
summary(netflix_data$Duration)
```

---

Análisis bivariado
==============================================================

Row
--------------------------------------------------------------
```{r}
summary(netflix_data)

netflix_data$Duration <- as.numeric(gsub(" min", "", netflix_data$Duration))
summary(netflix_data$Duration)

netflix_data$Release_Year <- as.numeric(format(as.Date(netflix_data$Release_Date, format="%B %d, %Y"), "%Y"))
correlation <- cor(netflix_data$Release_Year, netflix_data$Duration, use="complete.obs")
correlation

```


---

Row
--------------------------------------------------------------

```{r}
ggplot(netflix_data, aes(x = Release_Year, y = Duration)) +
  geom_point() +
  theme_minimal() +
  labs(title = "Gráfico de Dispersión entre Año de Estreno y Duración",
       x = "Año de Estreno", y = "Duración (minutos)")
```


---

Row
--------------------------------------------------------------

```{r}
ggplot(netflix_data, aes(x = Category, y = Duration)) +
  geom_boxplot() +
  theme_minimal() +
  labs(title = "Diagrama de Cajas de Duración por Categoría",
       x = "Categoría", y = "Duración (minutos)")
```




---

Row
--------------------------------------------------------------

```{r}
table_cruzada <- table(netflix_data$Category, netflix_data$Rating)
table_cruzada

ggplot(netflix_data, aes(x = Category, fill = Rating)) +
  geom_bar(position = "fill") +
  theme_minimal() +
  labs(title = "Distribución de Ratings por Categoría",
       x = "Categoría", y = "Proporción")
```




---

Conclusiones y recomendaciones
==============================================================

Row
--------------------------------------------------------------

### Conclusiones

- La mayoría de los títulos pertenecen a la categoría de películas, con duraciones promedio de entre 90 y 110 minutos.  
- Existe una leve correlación negativa entre el año de estreno y la duración.  
- Los ratings varían significativamente entre categorías, mostrando más títulos “TV-MA” en series.  
- Los géneros más comunes son drama, comedia y acción.

---

Row
--------------------------------------------------------------