movies_dataset <- read.csv("D:/movies_dataset.csv")

Thông tin cơ bản về dữ liệu

Kích thước bộ dữ liệu

dim(movies_dataset)
## [1] 999999     17

==> Bộ dữ liệu có 999999 quan sát và 17 biến

Tên các biến của bộ dữ liệu

names(movies_dataset)
##  [1] "MovieID"              "Title"                "Genre"               
##  [4] "ReleaseYear"          "ReleaseDate"          "Country"             
##  [7] "BudgetUSD"            "US_BoxOfficeUSD"      "Global_BoxOfficeUSD" 
## [10] "Opening_Day_SalesUSD" "One_Week_SalesUSD"    "IMDbRating"          
## [13] "RottenTomatoesScore"  "NumVotesIMDb"         "NumVotesRT"          
## [16] "Director"             "LeadActor"

Kiểu dữ liệu của các biến trong bộ dữ liệu

sapply(movies_dataset, class)
##              MovieID                Title                Genre 
##            "integer"          "character"          "character" 
##          ReleaseYear          ReleaseDate              Country 
##            "integer"          "character"          "character" 
##            BudgetUSD      US_BoxOfficeUSD  Global_BoxOfficeUSD 
##            "numeric"            "numeric"            "numeric" 
## Opening_Day_SalesUSD    One_Week_SalesUSD           IMDbRating 
##            "numeric"            "numeric"            "numeric" 
##  RottenTomatoesScore         NumVotesIMDb           NumVotesRT 
##            "integer"            "integer"            "integer" 
##             Director            LeadActor 
##          "character"          "character"

Thống kê tóm tắt

summary(movies_dataset)
##     MovieID          Title              Genre            ReleaseYear  
##  Min.   :     1   Length:999999      Length:999999      Min.   :1950  
##  1st Qu.:250001   Class :character   Class :character   1st Qu.:1984  
##  Median :500000   Mode  :character   Mode  :character   Median :2001  
##  Mean   :500000                                         Mean   :1998  
##  3rd Qu.:750000                                         3rd Qu.:2014  
##  Max.   :999999                                         Max.   :2025  
##  ReleaseDate          Country            BudgetUSD         US_BoxOfficeUSD    
##  Length:999999      Length:999999      Min.   :   100000   Min.   :4.002e+04  
##  Class :character   Class :character   1st Qu.:  1190511   1st Qu.:1.490e+06  
##  Mode  :character   Mode  :character   Median :  3265790   Median :4.389e+06  
##                                        Mean   :  9802824   Mean   :1.496e+07  
##                                        3rd Qu.:  9002791   3rd Qu.:1.288e+07  
##                                        Max.   :300000000   Max.   :1.018e+09  
##  Global_BoxOfficeUSD Opening_Day_SalesUSD One_Week_SalesUSD     IMDbRating    
##  Min.   :1.000e+05   Min.   :     4050    Min.   :    16507   Min.   : 1.000  
##  1st Qu.:2.762e+06   1st Qu.:   279026    1st Qu.:   738315   1st Qu.: 5.500  
##  Median :8.090e+06   Median :   838722    Median :  2179436   Median : 6.500  
##  Mean   :2.721e+07   Mean   :  2992745    Mean   :  7483442   Mean   : 6.495  
##  3rd Qu.:2.355e+07   3rd Qu.:  2510360    3rd Qu.:  6415143   3rd Qu.: 7.500  
##  Max.   :1.499e+09   Max.   :295751068    Max.   :579555113   Max.   :10.000  
##  RottenTomatoesScore  NumVotesIMDb       NumVotesRT       Director        
##  Min.   :  0.00      Min.   :    100   Min.   :    50   Length:999999     
##  1st Qu.: 53.00      1st Qu.:   1083   1st Qu.:   119   Class :character  
##  Median : 65.00      Median :   2983   Median :   405   Mode  :character  
##  Mean   : 64.78      Mean   :   9137   Mean   :  2032                     
##  3rd Qu.: 77.00      3rd Qu.:   8192   3rd Qu.:  1360                     
##  Max.   :100.00      Max.   :1000000   Max.   :500000                     
##   LeadActor        
##  Length:999999     
##  Class :character  
##  Mode  :character  
##                    
##                    
##

Kiểm tra các dòng trùng lặp

sum(duplicated(movies_dataset))
## [1] 0

==> Không có quan sát nào bị trùng lặp trong bộ dữ liệu

Kiểm tra các giá trị bị thiếu và số lượng giá trị bị thiếu của 1 cột

any(is.na(movies_dataset))
## [1] FALSE
colSums(is.na(movies_dataset))
##              MovieID                Title                Genre 
##                    0                    0                    0 
##          ReleaseYear          ReleaseDate              Country 
##                    0                    0                    0 
##            BudgetUSD      US_BoxOfficeUSD  Global_BoxOfficeUSD 
##                    0                    0                    0 
## Opening_Day_SalesUSD    One_Week_SalesUSD           IMDbRating 
##                    0                    0                    0 
##  RottenTomatoesScore         NumVotesIMDb           NumVotesRT 
##                    0                    0                    0 
##             Director            LeadActor 
##                    0                    0

==> Không có giá trị nào bị thiếu trong bộ dữ liệu

Giải thích ý nghĩa cho các biến trong bộ dữ liệu

Ý_nghĩa_biến <- data.frame(
  Biến = c("MovieID", "Title", "Genre", "ReleaseYear", "ReleaseDate", "Country",
               "BudgetUSD", "US_BoxOfficeUSD", "Global_BoxOfficeUSD",
               "Opening_Day_SalesUSD", "One_Week_SalesUSD", "IMDbRating",
               "RottenTomatoesScore", "NumVotesIMDb", "NumVotesRT",
               "Director", "LeadActor"),
  Ý_nghĩa = c(
    "Mã định danh duy nhất cho mỗi phim",
    "Tên hoặc tựa đề của phim",
    "Thể loại phim (Ví dụ: Hài, Tài liệu, Kinh dị...)",
    "Năm phim được phát hành",
    "Ngày chính xác phim được phát hành",
    "Quốc gia sản xuất phim",
    "Ngân sách đầu tư cho phim (đơn vị USD)",
    "Doanh thu phòng vé tại Mỹ (đơn vị USD)",
    "Doanh thu phòng vé toàn cầu (đơn vị USD)",
    "Doanh thu ngày đầu tiên phim ra mắt (đơn vị USD)",
    "Doanh thu tuần đầu tiên phim ra mắt (đơn vị USD)",
    "Điểm đánh giá phim trên IMDb (thang điểm 10)",
    "Điểm đánh giá phim trên Rotten Tomatoes (thang điểm 100)",
    "Số lượng lượt người đánh giá trên IMDb",
    "Số lượng lượt người đánh giá trên Rotten Tomatoes",
    "Tên đạo diễn của bộ phim",
    "Tên diễn viên chính trong phim"
  ),
  stringsAsFactors = FALSE
)
library(knitr)
kable(Ý_nghĩa_biến, col.names = c("Biến", "Ý nghĩa"))
Biến Ý nghĩa
MovieID Mã định danh duy nhất cho mỗi phim
Title Tên hoặc tựa đề của phim
Genre Thể loại phim (Ví dụ: Hài, Tài liệu, Kinh dị…)
ReleaseYear Năm phim được phát hành
ReleaseDate Ngày chính xác phim được phát hành
Country Quốc gia sản xuất phim
BudgetUSD Ngân sách đầu tư cho phim (đơn vị USD)
US_BoxOfficeUSD Doanh thu phòng vé tại Mỹ (đơn vị USD)
Global_BoxOfficeUSD Doanh thu phòng vé toàn cầu (đơn vị USD)
Opening_Day_SalesUSD Doanh thu ngày đầu tiên phim ra mắt (đơn vị USD)
One_Week_SalesUSD Doanh thu tuần đầu tiên phim ra mắt (đơn vị USD)
IMDbRating Điểm đánh giá phim trên IMDb (thang điểm 10)
RottenTomatoesScore Điểm đánh giá phim trên Rotten Tomatoes (thang điểm 100)
NumVotesIMDb Số lượng lượt người đánh giá trên IMDb
NumVotesRT Số lượng lượt người đánh giá trên Rotten Tomatoes
Director Tên đạo diễn của bộ phim
LeadActor Tên diễn viên chính trong phim

Phân tổ