← Все проекты

← К описанию проекта

🥇 Антон, спасибо за доработки, проект принят, молодец!

Ты провел отличную работу над ошибками! Уверен, ты обязательно достигнешь своей цели! Успехов в дальнейшем обучении! 🙂

Антон, привет! Меня зовут Ефимов Денис и сегодня я буду делать ревью твоего проекта!
В Практикуме принято общаться на "ты", однако если это неудобно - дай знать, и можем перейти на более официальное общение.

Ниже ты найдешь мои комментарии - пожалуйста, не перемещай, не изменяй и не удаляй их. Я буду использовать цветовую разметку:

✅Комментарий ревьюера: Если все сделано хорошо.

🔁Комментарий ревьюера: Некритичное замечание; если таких замечаний меньше трех — проект может быть принят без их отработки.

❌Комментарий ревьюера: Грубая ошибка, необходимо исправить, иначе проект не будет принят.

Давай работать над проектом в диалоге: если ты что-то меняешь в проекте или отвечаешь на мои комментарии — пиши об этом. Мне будет легче отследить изменения, если ты выделишь свои комментарии: Например так:

🔄Комментарий студента: Hello World! ✔

Или можешь использовать эту галочку ✔ в моих комментариях, если писать особо нечего.

Общее впечатление:

• Ты проделал огромную работу:)
• У меня есть несколько замечаний, исправив которые ты сделаешь проект еще лучше.
• Пробегись по моим комментариям, исправь недочёты и всё будет отлично :)

Анализ игровых платформ и игровых продуктов в разрезе продаж

Описание проекта

Вы работаете в интернет-магазине «Стримчик», который продаёт по всему миру компьютерные игры. Из открытых источников доступны исторические данные о продажах игр, оценки пользователей и экспертов, жанры и платформы (например, Xbox или PlayStation). Вам нужно выявить определяющие успешность игры закономерности. Это позволит сделать ставку на потенциально популярный продукт и спланировать рекламные кампании. Перед вами данные до 2016 года. Представим, что сейчас декабрь 2016 г., и вы планируете кампанию на 2017-й. Нужно отработать принцип работы с данными. Неважно, прогнозируете ли вы продажи на 2017 год по данным 2016-го или же 2027-й — по данным 2026 года. В наборе данных попадается аббревиатура ESRB (Entertainment Software Rating Board) — это ассоциация, определяющая возрастной рейтинг компьютерных игр. ESRB оценивает игровой контент и присваивает ему подходящую возрастную категорию, например, «Для взрослых», «Для детей младшего возраста» или «Для подростков».

❌Комментарий ревьюера:

Проекту нужно и название. Также стоит задуматься, как еще его можно дополнить, чтобы сделать более ценным для читателя. Все инструкции по оформлению проекта есть на платформе в разделе "Полезные инструкции для учебы"

Также советую тебе взглянуть на работы профессиональных аналитиков, чтобы оценить, как другие люди оформляют и проводят исследования.

✅Комментарий ревьюера 2: Отлично, исправлено!👍

🔄Комментарий студента: Добавил название проекта, выводы и коментарии в промежуточных действиях ✔

Вопрос: после возвращения проекта с ревью Jupiter постоянно выдает ошибку "Операция сохранения прошла успешно, но блокнот, похоже, недействителен. Ошибка проверки:" . Что это?? И как с этим бороться??

Очень мешала работе, кажды 2 минуты при автосохранении вылазила.

✅Комментарий ревьюера 2: Такое бывает) Это ошибка со стороны jupyter hub ,в принципе она ни на что не влияет. Но если мешает работе, от нее можно избавиться так: выделить все ячейки, потом вырезать и сразу вставить. Но предварительно советую скопировать их в другую тетрадку на всякий случай))

Откроем датасет:

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
from scipy import stats as st

df = pd.read_csv('/datasets/games.csv')
display(df.head(30))

	Name	Platform	Year_of_Release	Genre	NA_sales	EU_sales	JP_sales	Other_sales	Critic_Score	User_Score	Rating
0	Wii Sports	Wii	2006.0	Sports	41.36	28.96	3.77	8.45	76.0	8	E
1	Super Mario Bros.	NES	1985.0	Platform	29.08	3.58	6.81	0.77	NaN	NaN	NaN
2	Mario Kart Wii	Wii	2008.0	Racing	15.68	12.76	3.79	3.29	82.0	8.3	E
3	Wii Sports Resort	Wii	2009.0	Sports	15.61	10.93	3.28	2.95	80.0	8	E
4	Pokemon Red/Pokemon Blue	GB	1996.0	Role-Playing	11.27	8.89	10.22	1.00	NaN	NaN	NaN
5	Tetris	GB	1989.0	Puzzle	23.20	2.26	4.22	0.58	NaN	NaN	NaN
6	New Super Mario Bros.	DS	2006.0	Platform	11.28	9.14	6.50	2.88	89.0	8.5	E
7	Wii Play	Wii	2006.0	Misc	13.96	9.18	2.93	2.84	58.0	6.6	E
8	New Super Mario Bros. Wii	Wii	2009.0	Platform	14.44	6.94	4.70	2.24	87.0	8.4	E
9	Duck Hunt	NES	1984.0	Shooter	26.93	0.63	0.28	0.47	NaN	NaN	NaN
10	Nintendogs	DS	2005.0	Simulation	9.05	10.95	1.93	2.74	NaN	NaN	NaN
11	Mario Kart DS	DS	2005.0	Racing	9.71	7.47	4.13	1.90	91.0	8.6	E
12	Pokemon Gold/Pokemon Silver	GB	1999.0	Role-Playing	9.00	6.18	7.20	0.71	NaN	NaN	NaN
13	Wii Fit	Wii	2007.0	Sports	8.92	8.03	3.60	2.15	80.0	7.7	E
14	Kinect Adventures!	X360	2010.0	Misc	15.00	4.89	0.24	1.69	61.0	6.3	E
15	Wii Fit Plus	Wii	2009.0	Sports	9.01	8.49	2.53	1.77	80.0	7.4	E
16	Grand Theft Auto V	PS3	2013.0	Action	7.02	9.09	0.98	3.96	97.0	8.2	M
17	Grand Theft Auto: San Andreas	PS2	2004.0	Action	9.43	0.40	0.41	10.57	95.0	9	M
18	Super Mario World	SNES	1990.0	Platform	12.78	3.75	3.54	0.55	NaN	NaN	NaN
19	Brain Age: Train Your Brain in Minutes a Day	DS	2005.0	Misc	4.74	9.20	4.16	2.04	77.0	7.9	E
20	Pokemon Diamond/Pokemon Pearl	DS	2006.0	Role-Playing	6.38	4.46	6.04	1.36	NaN	NaN	NaN
21	Super Mario Land	GB	1989.0	Platform	10.83	2.71	4.18	0.42	NaN	NaN	NaN
22	Super Mario Bros. 3	NES	1988.0	Platform	9.54	3.44	3.84	0.46	NaN	NaN	NaN
23	Grand Theft Auto V	X360	2013.0	Action	9.66	5.14	0.06	1.41	97.0	8.1	M
24	Grand Theft Auto: Vice City	PS2	2002.0	Action	8.41	5.49	0.47	1.78	95.0	8.7	M
25	Pokemon Ruby/Pokemon Sapphire	GBA	2002.0	Role-Playing	6.06	3.90	5.38	0.50	NaN	NaN	NaN
26	Brain Age 2: More Training in Minutes a Day	DS	2005.0	Puzzle	3.43	5.35	5.32	1.18	77.0	7.1	E
27	Pokemon Black/Pokemon White	DS	2010.0	Role-Playing	5.51	3.17	5.65	0.80	NaN	NaN	NaN
28	Gran Turismo 3: A-Spec	PS2	2001.0	Racing	6.85	5.09	1.87	1.16	95.0	8.4	E
29	Call of Duty: Modern Warfare 3	X360	2011.0	Shooter	9.04	4.24	0.13	1.32	88.0	3.4	M

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 16715 entries, 0 to 16714
Data columns (total 11 columns):
 #   Column           Non-Null Count  Dtype  
---  ------           --------------  -----  
 0   Name             16713 non-null  object 
 1   Platform         16715 non-null  object 
 2   Year_of_Release  16446 non-null  float64
 3   Genre            16713 non-null  object 
 4   NA_sales         16715 non-null  float64
 5   EU_sales         16715 non-null  float64
 6   JP_sales         16715 non-null  float64
 7   Other_sales      16715 non-null  float64
 8   Critic_Score     8137 non-null   float64
 9   User_Score       10014 non-null  object 
 10  Rating           9949 non-null   object 
dtypes: float64(6), object(5)
memory usage: 1.4+ MB

После ознакомления с датасетом мы имеем следующие параметры:

1)Колонки Name, Platform, Year_of_Release, Genre, NA_sales, EU_sales, JP_sales, Other_sales, Critic_Score, User_Score, Rating.

2. Количество срок 16715, с учетом колонок дает нам размер датасета в 1.4 MB

3)Основные недостатки проблемы: присутствование разного регистра, пропуски в данных, не соответствование данных в колонках их типу (year_of_releasу, critic_score, user_score)

❌Комментарий ревьюера:

Каждому пункту нужен вывод.

Что мы можем сказать о данных после первичного знакомства с ними?

🔄Комментарий студента: Добавил промежуточный вывод✔

✅Комментарий ревьюера 2: Отлично, исправлено!👍

Преобразование:

Преобразование: Привели название столбцов к змеинному регистру, строки к нижнему регистру

df = df.rename(columns = {'Name':'name','Platform':'platform','Year_of_Release':'year_of_release',
                         'Genre':'genre','NA_sales':'na_sales','EU_sales':'eu_sales','JP_sales':'jp_sales',
                         'Other_sales':'other_sales','Critic_Score':'critic_score','User_Score':'user_score',
                         'Rating':'rating'})
df['name'] = df['name'].str.lower()
df['platform'] = df['platform'].str.lower()
df['genre'] = df['genre'].str.lower()
df['rating'] = df['rating'].str.lower()
df.head()

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating
0	wii sports	wii	2006.0	sports	41.36	28.96	3.77	8.45	76.0	8	e
1	super mario bros.	nes	1985.0	platform	29.08	3.58	6.81	0.77	NaN	NaN	NaN
2	mario kart wii	wii	2008.0	racing	15.68	12.76	3.79	3.29	82.0	8.3	e
3	wii sports resort	wii	2009.0	sports	15.61	10.93	3.28	2.95	80.0	8	e
4	pokemon red/pokemon blue	gb	1996.0	role-playing	11.27	8.89	10.22	1.00	NaN	NaN	NaN

✅Комментарий ревьюера:

Также названия столбцов можно привести в нижнему регистру, если к df.columns применить метод str.lower

                                    df.columns = df.columns.str.lower()
    

Предобработка данных

print('Кол-во явных дубликатов', df.duplicated().sum(),'\n \n')
print('Кол-во пропусков \n',df.isna().sum())

Кол-во явных дубликатов 0 
 

Кол-во пропусков 
 name                  2
platform              0
year_of_release     269
genre                 2
na_sales              0
eu_sales              0
jp_sales              0
other_sales           0
critic_score       8578
user_score         6701
rating             6766
dtype: int64

1) Явные дубликаты отсутствуют.

2)Есть пропуски в данных, требуется обработка

Пропущенные значения

df.dropna(subset = ['name'], axis=0, inplace = True)
df.dropna(subset = ['year_of_release'], axis=0, inplace = True)
df = df.reset_index(drop=True)

df['year_of_release']= df['year_of_release'].astype('int')
#df['critic_score']=df['critic_score'].fillna(NaN)
df['critic_score']= df['critic_score'].astype('float')
#df['user_score']=df['user_score'].fillna(NaN)
df['rating']=df['rating'].fillna('not_defined')



df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 16444 entries, 0 to 16443
Data columns (total 11 columns):
 #   Column           Non-Null Count  Dtype  
---  ------           --------------  -----  
 0   name             16444 non-null  object 
 1   platform         16444 non-null  object 
 2   year_of_release  16444 non-null  int64  
 3   genre            16444 non-null  object 
 4   na_sales         16444 non-null  float64
 5   eu_sales         16444 non-null  float64
 6   jp_sales         16444 non-null  float64
 7   other_sales      16444 non-null  float64
 8   critic_score     7983 non-null   float64
 9   user_score       9839 non-null   object 
 10  rating           16444 non-null  object 
dtypes: float64(5), int64(1), object(5)
memory usage: 1.4+ MB

1) Пропущенные значения в следующих столбцах оставляем без изменений : 'critic_score', 'user_score'. Эти данные восстановить нельзя, а для дальнейшей работы с этими колонками нужно их привести к численному типу.

|

2. В колонке ' rating' пропущенные значения меняем на "not_defined". Более информативно и удобней работать с данными.

|

3)Значения в колонке 'year_of_release' целочисленны. Привидем их в соответствие. Данные по году выпуска игры содержат только год, поэтому не стоит приводить эти данные к типу date.

|

4. Пропущенные значения в колонках "name" и "year_of_release" удаляем построчно, восстановлению не подлежат

|

5. Данные в колонке 'critic_score' приводим к типу float.

❌Комментарий ревьюера:

А зачем мы заполняем пропуски в оценках нулями? Вдруг среди имеющихся значений уже есть нулевые? Вообще, любые заполнения вызывают искажения при расчете статистик, все основные методы pandas по-умолчанию убирают пропуски при расчетах (среднее, медиана, корреляция и тд). Поэтому их можно не заполнять, чтобы не делать лишних действий и избежать ошибок.

🔄Комментарий студента: Убрал замены на 0 (строки закоментировал), вывод изменил. Дальше по коду поправил выводы и код где Nan внес свою лепту.✔

✅Комментарий ревьюера 2: Отлично, исправлено!👍

Обработка неявных дубликатов

list_platform = df['platform'].unique()
for i in df['platform'].unique():
    list_du = df.loc[df['platform'] == i].groupby('name')['name'].count()
    if 2 in list_du.values:
        print(i,list_du[list_du >1])     
    

x360 name
need for speed: most wanted    2
Name: name, dtype: int64
ps3 name
madden nfl 13    2
Name: name, dtype: int64
pc name
need for speed: most wanted    2
Name: name, dtype: int64

display(df.loc[(df['platform'] == 'x360') &
            (df['name'] == 'need for speed: most wanted')])

display(df.loc[(df['platform'] == 'ps3') &
            (df['name'] == 'madden nfl 13')])
display(df.loc[(df['platform'] == 'ps3') &
            (df['name'] == 'sonic the hedgehog')])

display(df.loc[(df['platform'] == 'pc') &
            (df['name'] == 'need for speed: most wanted')])

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating
1177	need for speed: most wanted	x360	2012	racing	0.62	0.78	0.01	0.15	83.0	8.5	t
1574	need for speed: most wanted	x360	2005	racing	1.00	0.13	0.02	0.10	83.0	8.5	t

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating
600	madden nfl 13	ps3	2012	sports	2.11	0.22	0.0	0.23	83.0	5.5	e
15969	madden nfl 13	ps3	2012	sports	0.00	0.01	0.0	0.00	83.0	5.5	e

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating
1725	sonic the hedgehog	ps3	2006	platform	0.41	0.06	0.04	0.66	43.0	4.1	e10+

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating
5883	need for speed: most wanted	pc	2005	racing	0.02	0.23	0.0	0.04	82.0	8.5	t
11534	need for speed: most wanted	pc	2012	racing	0.00	0.06	0.0	0.02	82.0	8.5	t

df.loc[(df['name'] == 'need for speed: most wanted') & 
     (df['year_of_release'] == 2012),'name'] = 'need for speed: most wanted 2012'

df.drop([16228,4126], axis = 0, inplace =True)
df.reset_index(drop =True)

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating
0	wii sports	wii	2006	sports	41.36	28.96	3.77	8.45	76.0	8	e
1	super mario bros.	nes	1985	platform	29.08	3.58	6.81	0.77	NaN	NaN	not_defined
2	mario kart wii	wii	2008	racing	15.68	12.76	3.79	3.29	82.0	8.3	e
3	wii sports resort	wii	2009	sports	15.61	10.93	3.28	2.95	80.0	8	e
4	pokemon red/pokemon blue	gb	1996	role-playing	11.27	8.89	10.22	1.00	NaN	NaN	not_defined
...	...	...	...	...	...	...	...	...	...	...	...
16437	samurai warriors: sanada maru	ps3	2016	action	0.00	0.00	0.01	0.00	NaN	NaN	not_defined
16438	lma manager 2007	x360	2006	sports	0.00	0.01	0.00	0.00	NaN	NaN	not_defined
16439	haitaka no psychedelica	psv	2016	adventure	0.00	0.00	0.01	0.00	NaN	NaN	not_defined
16440	spirits & spells	gba	2003	platform	0.01	0.00	0.00	0.00	NaN	NaN	not_defined
16441	winning post 8 2016	psv	2016	simulation	0.00	0.00	0.01	0.00	NaN	NaN	not_defined

16442 rows × 11 columns

Неявные дубликаты и исправление записей:

1)Нашли повторяющиеся игры по платформам, затем вывели их чтобы обработать.

2)Игра 'need for speed: most wanted' была выпущенна в 2005г., но в 2012 вышла игра под таким-же названием. Устраним путанницу, заменим значения 'need for speed: most wanted' на 'need for speed: most wanted 2012' убедившись что в колонке ['year_of_release'] указан 2012г.

3)Игры 'madden nfl 13' и 'sonic the hedgehog' на 'ps3' имеют по две записи, изучив данные в строках приходим к выводу, что это одни и те-же игры. Удалим записи с наибольшим количеством пропущенных или 0 данных. 

🔁Комментарий ревьюера:

Молодец, что сделал такую проверку!

А для чего мы меняем название игры 'need for speed: most wanted', если она выходила под одним названием в разные годы? К тому же углубляться в исследовании до анализа конкретных игр мы не будем.

🔄Комментарий студента: Игры разные поэтому внес уточнение. А раз мы прошли приличный путь по поиску дубликатов и неточностей. То уже стоит поправить данные для порядка.✔

✅Комментарий ревьюера 2: 👍

df['sum_sales'] = df['eu_sales'] + df['jp_sales'] + df['na_sales'] + df['other_sales']# добавим колонку с суммарными продажами. 
#df.head()

✅Комментарий ревьюера:

Тут можно использовать метод DataFrame.sum с аргументом axis=1

        df['total_sum'] = df[['value_1', 'value_2', 'value_3', 'value_4']].sum(axis=1)
    

Обработка оценок 'tbd'

print('Суммарные продажи только с оценкой "tbd":',df.loc[df['user_score'] == 'tbd']['sum_sales'].sum())
print('Суммарные продажи без оценки "tbd":',df.loc[df['user_score'] !='tbd']['sum_sales'].sum())
display(df.loc[df['user_score'] == 'tbd'].sort_values(['sum_sales'], ascending = False).head(10))

Суммарные продажи только с оценкой "tbd": 446.45
Суммарные продажи без оценки "tbd": 8367.44

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating	sum_sales
119	zumba fitness	wii	2010	sports	3.45	2.59	0.00	0.66	NaN	tbd	e	6.70
300	namco museum: 50th anniversary	ps2	2005	misc	2.08	1.35	0.00	0.54	61.0	tbd	e10+	3.97
516	zumba fitness 2	wii	2011	sports	1.51	1.03	0.00	0.27	NaN	tbd	t	2.81
639	udraw studio	wii	2010	misc	1.65	0.57	0.00	0.20	71.0	tbd	e	2.42
709	just dance kids	wii	2010	misc	1.52	0.54	0.00	0.18	NaN	tbd	e	2.24
716	dance dance revolution x2	ps2	2009	simulation	1.09	0.85	0.00	0.28	NaN	tbd	e10+	2.22
810	the incredibles	gba	2004	action	1.15	0.77	0.04	0.10	55.0	tbd	e	2.06
870	who wants to be a millionaire	pc	1999	misc	1.94	0.00	0.00	0.00	NaN	tbd	e	1.94
1037	imagine: teacher	ds	2008	simulation	0.70	0.82	0.00	0.19	NaN	tbd	e	1.71
1036	tetris worlds	gba	2001	puzzle	1.25	0.39	0.00	0.06	65.0	tbd	e	1.70

df['user_score'] = df['user_score'].replace ( 'tbd' , np.nan )
df['user_score']= df['user_score'].astype('float')
df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 16442 entries, 0 to 16443
Data columns (total 12 columns):
 #   Column           Non-Null Count  Dtype  
---  ------           --------------  -----  
 0   name             16442 non-null  object 
 1   platform         16442 non-null  object 
 2   year_of_release  16442 non-null  int64  
 3   genre            16442 non-null  object 
 4   na_sales         16442 non-null  float64
 5   eu_sales         16442 non-null  float64
 6   jp_sales         16442 non-null  float64
 7   other_sales      16442 non-null  float64
 8   critic_score     7983 non-null   float64
 9   user_score       7463 non-null   float64
 10  rating           16442 non-null  object 
 11  sum_sales        16442 non-null  float64
dtypes: float64(7), int64(1), object(4)
memory usage: 1.6+ MB

Вывод по оценке 'tbd':

'TBD' это означает что оценка еще только будет присвоена. Но возможно этой оценки уже не появиться, т.к. количество продаж по этим продуктам очень мало. На основании этого (малых продаж) рейтинг и отсутствует. Все продажи по таким играм составляют ~1/19 или ~5.26%.

Для проведения дальнейшего анализа ДФ заменили значения 'tbd' на NaN

❌Комментарий ревьюера:

Удалять эти строки не нужно. По этой же логике мы должны были удалить строки и с пропусками в оценках. А если игра только недавно вышла и не успела набрать необходимого количества оценок? Либо на это есть еще какие-то причины. Так мы теряем данные и это может повлиять на результаты исследования, поэтому значения 'tbd' лучше просто заменить на пропуски. В качестве пропуска можно взять numpy.nan из библиотеки numpy

✅Комментарий ревьюера 2: Отлично, исправлено!👍

🔄Комментарий студента: Поменяли на замену NaN, вывод изменил.✔

Вывод по предобработке данных.

Пропущенные значения могли появиться из-за случайных ошибок (восстановить невозможно) или ошибок внесения данных в ДФ.

Пропуски в колонках "critic_score", "user_score" это следствие малых продаж продукта, а если продажи малы то невозможно составить рейтинг. Абревиатура "TBD" на это нам явно и указывает, рейтинг только ожидается. Значения 'tbd' в колонке 'yser_score' заменили на NaN. Это позволит нам в дальнейшем работать с данными этой колонки как сединым целым.

✅Комментарий ревьюера: Молодец, что пишешь промежуточные выводы.

Исследовательский анализ

Посмотрите, сколько игр выпускалось в разные годы. Важны ли данные за все периоды?

Посмотрим кол-во производимых игр по годам.

game_year = df.loc[df['year_of_release'] !=0].pivot_table(index='year_of_release', values =['name'], aggfunc ='count').reset_index()

plt.title('Количество производимых игр по годам', color ='brown', fontsize =15)
plt.xlabel('Годы релиза')
plt.ylabel('Количество игр')
plt.grid(True)
plt.plot(game_year['year_of_release'], game_year['name'] )
plt.show()

Вывод промежуточный:

Количество выпускаемых игр расло с 1980г по 2008г. После 2008г. идет спад. Для далнейшего анализа нам понадобятся данные за последних 2 года. Мы будем строить прогноз на 2017г. и надо отталкиваться от сложившихся реалей именно последнего времени. Граффик в указанный малый интервал не имеет выбросов и отражает тенденцию к снижению числа производства.

Посмотрите, как менялись продажи по платформам. Выберите платформы с наибольшими суммарными продажами и постройте распределение по годам. За какой характерный срок появляются новые и исчезают старые платформы?

Создадим сводные таблицы для дальнейшей визуализации и анализа. Группируем по платформам и году, а значения берем продажи

platform_sales ={}
for i in list_platform:
    platform_sales[i] = df.loc[df['platform'] == i]['sum_sales'].sum()

platform_sales_df = pd.DataFrame(pd.DataFrame(list(platform_sales.items()),
                   columns=['platform', 'sales']))
platform_sales_df = platform_sales_df.sort_values('sales', ascending = False).reset_index()
display('Суммарные продажи по платформам:',platform_sales_df.head(10))

df_pivot_platform = df.pivot_table(index=['platform','year_of_release'],
                                   values ='sum_sales', aggfunc ='sum').reset_index()
# Хотел обойтись без pivot_table. Получилось, но больше так не хочу)

df_pivot_platform =df_pivot_platform.loc[df_pivot_platform['year_of_release'] !=0].reset_index(drop = True)
display('Сводная таблица, сгруппирована по платформам и годам',df_pivot_platform.head(10))

'Суммарные продажи по платформам:'

	index	platform	sales
0	6	ps2	1233.56
1	4	x360	961.24
2	5	ps3	931.33
3	0	wii	891.18
4	3	ds	802.78
5	12	ps	727.58
6	9	ps4	314.14
7	8	gba	312.88
8	16	psp	289.53
9	10	3ds	257.81

'Сводная таблица, сгруппирована по платформам и годам'

	platform	year_of_release	sum_sales
0	2600	1980	11.38
1	2600	1981	35.68
2	2600	1982	28.88
3	2600	1983	5.84
4	2600	1984	0.27
5	2600	1985	0.45
6	2600	1986	0.67
7	2600	1987	1.94
8	2600	1988	0.74
9	2600	1989	0.63

✅Комментарий ревьюера:

Можно обойтись без pivot_table, если использовать метод groupby)) Он немного проще. Пример написал ниже.

# код ревьюера
(df.groupby('platform', as_index=False).agg({'sum_sales' : 'sum'})
                                       .sort_values(by='sum_sales', ascending = False)
                                       .head(10)
)

	platform	sum_sales
16	ps2	1233.56
28	x360	961.24
17	ps3	931.33
25	wii	891.18
4	ds	802.78
15	ps	727.58
18	ps4	314.14
6	gba	312.88
19	psp	289.53
2	3ds	257.81

Собрал две таблицы: 1)Платформы и продажи 2) Сгруппированная таблица по платформам,годам и посчитаны суммарные продажи

Визуализируем и проанализируем данные по нашим сводным таблицам

#df_pivot_platform.loc[df_pivot_platform['platform'] == 'ps2']
list_platform = platform_sales_df.loc[:19,['platform']]
k = 'продажи по годам для : '
for i in list_platform['platform']:
    df_pivot_platform.loc[(df_pivot_platform['platform'] == i) ].plot(x='year_of_release', kind ='bar',
                                                                    y = 'sum_sales',title = k+i,
                                                                    xlabel='Годы',
                                                                   ylabel = 'Суммарное кол-во продаж',
                                                                   figsize=(10,4),
                                                                   grid= True)

✅Комментарий ревьюера:

Молодец ,что используешь цикл! Нам в принципе было бы достаточно рассмотреть продажи топ-6 платформ

Графики и выводы:

Построили графики для топ 20 платформ исходя из количества продаж. Для всех платформ характерна одна черта, продажи падают с течением времени, , большинство платформ практически не продается. За исключением Xbox One, PS4, 3DS. Средний срок жизни платформ 6-7 лет и им на смену приходят новые, время перехода составляет 1 год.

Отдельно стоит выделить PC. Это платформа отличается от всех остальных. Консоли они конечны, не модернизируются не именяются. Им только приходят на смену другие. А PC изменчивая платформа во времени, на данный момент по графику 1992-2016г, 24года существования. Поэтому данные можно проверять и сравнивать с другими платформами только за короткие промежутки времени .

Для дальнейшего анализа исходя из граффиков выбираем период 2014-2016 годы. Приоритетные платформы для анализа PS4, Xbox One, 3DS так как они лидируют по прадажам.

❌Комментарий ревьюера:

Прежде чем переходить к следующему пункту, нам нужно выделить актуальный период (вижу ты сделал это ниже, но 2014 год все-таки лучше оставить) и ответить на пару вопросов из задания:

Какие платформы лидируют по продажам, растут или падают? Выберите несколько потенциально прибыльных платформ.

🔄Комментарий студента: Дополнил вывод, в дальнейшем код исправил исходя из вывода. Ответ на вопрос падают или растут был уже дан в выводе.✔

✅Комментарий ревьюера 2: Отлично, исправлено!👍

Постройте график «ящик с усами» по глобальным продажам игр в разбивке по платформам. Опишите результат.

Построим два boxplota. 1-ый по всему датасету, а 2-ой для найшей выборки 2014-2016. Дадим оценки по продажам

df_new = df.query('year_of_release > 2013') # Сделали выборку по актуальному периоду для дальнейшей работы
df_pivot_platform = df_pivot_platform.query('year_of_release > 2013')

plt.figure(figsize=(20,10))
plt.ylim(0,4)
sns.boxplot(data = df, x ='platform',y='sum_sales')
plt.show()

plt.figure(figsize=(12,10))
plt.ylim(0,4)
sns.boxplot(data = df_new, x ='platform',y='sum_sales')
plt.show()


print('Платформа PS4 \n',df[df['platform'] == 'ps4']['sum_sales'].describe())
print('Платформа 3DS \n',df[df['platform'] == '3ds']['sum_sales'].describe())
print('Платформа xone \n',df[df['platform'] == 'xone']['sum_sales'].describe())

Платформа PS4 
 count    392.000000
mean       0.801378
std        1.609456
min        0.010000
25%        0.060000
50%        0.200000
75%        0.730000
max       14.630000
Name: sum_sales, dtype: float64
Платформа 3DS 
 count    512.000000
mean       0.503535
std        1.441271
min        0.010000
25%        0.050000
50%        0.120000
75%        0.332500
max       14.600000
Name: sum_sales, dtype: float64
Платформа xone 
 count    247.000000
mean       0.645020
std        1.036139
min        0.010000
25%        0.060000
50%        0.220000
75%        0.685000
max        7.390000
Name: sum_sales, dtype: float64

Boxplot по продажам :

На данном графике выделяются 3 платформы по количеству продаж это: PS4, Xbox One, 3DS.

Датасеты PS4 и Xbox One имеют максимальные средние и медианные значения из всего ДФ.

И последняя платформа 3DS. Уровень продаж довольно высок, медиана > 20 млн. и заслуживает внимание.

Из всего выше указанного выберем наиболее перспективные платформы : 3DS, PS4, Xbox One.

Выбросы есть практически по всем платформам. Однако интересующие нас платформы имеют не такое большое количество выбросов как к примеру PS3 или DS. Межквартильный размах наших платформ сопоставим с количеством значений лежащих выше 75%. Сами коробки относительно не высокие. Это говорит в пользу более однородных данных-большенство продуктов на данных платформах имеет успех. Если взять к примеру платформу DS, то мы увидим что МКР очень большой данные не однородны и следовательно далеко не все продукты так хорошо покупаются.

Последнюю особенность которую хочется отметить это то, что датасеты по выбранным платформам скошены вправо, а это значит что среднее больше медианы.

✅Комментарий ревьюера:

Все верно

❌Комментарий ревьюера:

Давай, пожалуйста, перед началом каждого подпункта писать комментарии, чтобы читатель был в курсе что сейчас будет происходить и для чего)

✅Комментарий ревьюера 2: Отлично, исправлено!👍

Зависимость продаж от оценок

Для PS4 посчитаем коэфициенты корреляции продажи-оценки. Визуализируем на диаграмме рассеяния оценки-продажи.

print('Корреляция оценка критика \ суммарные продажи :',df_new.query('critic_score > 0 & platform == "ps4"')
      ['critic_score'].corr(df.query('critic_score > 0 & platform == "ps4"')['sum_sales']))
print('Корреляция оценка пользователя \ суммарные продажи :',df_new.query('user_score > 0 & platform == "ps4"')
      ['user_score'].corr(df.query('user_score > 0 & platform == "ps4"')['sum_sales']))
df_ps4 = df_new.query('platform == "ps4" & user_score > 0')
plt.title('Оценка пользователей от кол-ва продаж', color ='brown')
plt.ylabel('Продажи')
#plt.ylim(0,0.5)
plt.xlabel('Рейтинг')
plt.scatter(data = df_ps4, y='sum_sales', x ='user_score')
plt.show()

plt.title('Оценка критиков от кол-ва продаж', color ='brown')
plt.ylabel('Продажи')
plt.xlabel('Рейтинг')
plt.scatter(data = df_ps4, y='sum_sales', x ='critic_score', color= 'green')
plt.show()

Корреляция оценка критика \ суммарные продажи : 0.402661410681041
Корреляция оценка пользователя \ суммарные продажи : -0.040131589472697356

Корреляция оценки и кол-ва продаж: Коэфициенты корреляции показывают нам, что нет линейной зависимости количества продаж от рейтингов (критики, пользователи).

Корреляция critic_score и sum_sales = 0.40 слабая

Корреляция user_score и sum_sales = -0.04 слабая-отрицательная

Для Xbox One посчитаем коэфициенты корреляции продажи-оценки. Визуализируем на диаграмме рассеяния оценки-продажи.

print('Корреляция оценка критика \ суммарные продажи :',df_new.query('critic_score > 0 & platform == "xone"')
      ['critic_score'].corr(df.query('critic_score > 0 & platform == "xone"')['sum_sales']))
print('Корреляция оценка пользователя \ суммарные продажи :',df_new.query('user_score > 0 & platform == "xone"')
      ['user_score'].corr(df.query('user_score > 0 & platform == "xone"')['sum_sales']))
df_xone = df_new.query('platform == "xone" & user_score > 0')
plt.title('Оценка пользователей от кол-ва продаж', color ='brown')
plt.ylabel('Продажи')
#plt.ylim(0,0.5)
plt.xlabel('Рейтинг')
plt.scatter(data = df_xone, y='sum_sales', x ='user_score')
plt.show()

plt.title('Оценка критиков от кол-ва продаж', color ='brown')
plt.ylabel('Продажи')
plt.xlabel('Рейтинг')
plt.scatter(data = df_xone, y='sum_sales', x ='critic_score', color= 'green')
plt.show()

Корреляция оценка критика \ суммарные продажи : 0.42867694370333226
Корреляция оценка пользователя \ суммарные продажи : -0.0703839280647581

Для 3DS посчитаем коэфициенты корреляции продажи-оценки. Визуализируем на диаграмме рассеяния оценки-продажи.

print('Корреляция оценка критика \ суммарные продажи :',df_new.query('critic_score > 0 & platform == "3ds"')
      ['critic_score'].corr(df.query('critic_score > 0 & platform == "3ds"')['sum_sales']))
print('Корреляция оценка пользователя \ суммарные продажи :',df_new.query('user_score > 0 & platform == "3ds"')
      ['user_score'].corr(df.query('user_score > 0 & platform == "3ds"')['sum_sales']))
df_3ds = df_new.query('platform == "xone" & user_score > 0')
plt.title('Оценка пользователей от кол-ва продаж', color ='brown')
plt.ylabel('Продажи')
#plt.ylim(0,0.5)
plt.xlabel('Рейтинг')
plt.scatter(data = df_3ds, y='sum_sales', x ='user_score')
plt.show()

plt.title('Оценка критиков от кол-ва продаж', color ='brown')
plt.ylabel('Продажи')
plt.xlabel('Рейтинг')
plt.scatter(data = df_3ds, y='sum_sales', x ='critic_score', color= 'green')
plt.show()

Корреляция оценка критика \ суммарные продажи : 0.314117492869051
Корреляция оценка пользователя \ суммарные продажи : 0.2151932718527027

Корреляция оценки и кол-ва продаж оставшихся популярных: Коэфициенты корреляции продаж / рейтинг, на популярных платформах не превышают 0.4. В свою очередь это нам говорит что нет линейной связи между этими двумя параметрами.

3DS_corr_critic = 0.31

3DS_corr_user = 0.22

xone_corr_critic = 0.43

xone_corr_user = -0.07

Интересное наблюдение: у платформы 3DS коэфициенты корреляции положительны и не так сильно разнесены друг от друга, по сравнению с другими популярными платформами.

❌Комментарий ревьюера:

После анализа зависимости продаж от оценок по одной из популярных платформ нужно соотнести выводы с продажами на других платформах

🔄Комментарий студента: Добавил ячейки, графики и сравнение✔

✅Комментарий ревьюера 2: Отлично, исправлено!👍

Посмотрите на общее распределение игр по жанрам. Что можно сказать о самых прибыльных жанрах? Выделяются ли жанры с высокими и низкими продажами?

Рассмотрим два варианта анализа и выберем правильный. 1) проссумируем продажи 2)Вычислим медианы

df_pivot_genre  = df_new.pivot_table(index=['genre'],
                                   values ='sum_sales', aggfunc ='sum').reset_index()
df_pivot_genre.plot(x='genre', kind ='bar',
                                                                    y = 'sum_sales',title = 'Продажи по жанрам',
                                                                    xlabel='Жанры',
                                                                   ylabel = 'Суммарное кол-во продаж',
                                                                   figsize=(10,4),
                                                                   grid= True)

plt.show()
plt.figure(figsize=(12,12))
plt.ylim(0,4)
sns.boxplot(data = df_new, x ='genre',y='sum_sales')
plt.show()
print(df_new.pivot_table(index=['genre'],
                                   values ='sum_sales', aggfunc ='median').reset_index().sort_values(by='sum_sales', ascending =False))

           genre  sum_sales
8        shooter      0.515
10        sports      0.180
4       platform      0.140
2       fighting      0.130
7   role-playing      0.110
9     simulation      0.100
0         action      0.090
3           misc      0.090
6         racing      0.090
11      strategy      0.060
5         puzzle      0.045
1      adventure      0.030

🔁Комментарий ревьюера: Данные для построения графиков лучше передавать в отсортированном виде, чтобы можно было легко выделить лидеров и аутсайдеров.

Вывод:

1. Если попытаться выявить популярные жанры суммированием, то выбросы перекрывают реальную картину.

2. Ищем популярные жанры по медиане, используем boxplot.

3. Из последнего графика отчетливо видно лидирующие и аутсайдерские позиции жанров. Топ в порядке убывания: shooter, sports, platform, fighting, role-playing, simulation . Топ аутсайдов в порядке возрастания: adventure, puzzle, strategy, racing, misc, action.

✅Комментарий ревьюера:

Молодец, что рассматривал именно медианные продажи, это наиболее объективный показатель прибыльности, так как они не подвержены влиянию выбросов (которых в игровой индустрии достаточно много за счет продаж хитовых и популярных игр).

Общий вывод по анализу данных:

• Определили временные рамки для анализа: 2015-2016г. Этот промежуток отражает сложившуюся тендецию, график по выпущенным играм не имеет резких изломов.

• Определили ведующи платформы это: PS4, Xbox One и как дополнительный вариант 3DS (медиана 0.14е+6, не велика но продажи идут).

• Линейной зависимости количество продаж в зависимости от отзывов не выявленно. Корреляция между количеством продаж и оценкой критика ~0.4, это слабая связь. И нельзя сказать, что одно зависит от другого. Что касается продаж в зависимости от отзывов пользователей, то здесь корреляция составила ~ -0,06, а это отрицательная слабая связь. Можно даже утверждать что линейной зависимости нет.

• Определили самые популярные жанры и их антогонисты : Топ в порядке убывания: shooter, sports, role-playing, simulation и platform. Топ аутсайдов в порядке возрастания: adventure, strategy,puzzle, racing, misc, action.

✅Комментарий ревьюера:

Круто, что не забываешь писать промежуточные выводы!

Портрет пользователя каждого региона

Продажи по регионам в зависимости от платформы

print(df_new.pivot_table(index ='platform' , values = 'na_sales', 
                     aggfunc= 'sum').sort_values(by ='na_sales', ascending =False).head(),'\n')
print(df_new.pivot_table(index ='platform' , values = 'eu_sales', 
                     aggfunc= 'sum').sort_values(by ='eu_sales', ascending =False).head(),'\n')
print(df_new.pivot_table(index ='platform' , values = 'jp_sales', 
                     aggfunc= 'sum').sort_values(by ='jp_sales', ascending =False).head(),'\n')

          na_sales
platform          
ps4          98.61
xone         81.27
x360         28.30
3ds          22.64
ps3          22.05 

          eu_sales
platform          
ps4         130.04
xone         46.25
ps3          25.54
pc           17.97
3ds          16.12 

          jp_sales
platform          
3ds          44.24
ps4          15.02
psv          14.54
ps3          11.21
wiiu          7.31 

Визуализируем данные

plt.title('Рейтинг платформ по продажам NA региона', color='brown')
sns.barplot(data = df_new.pivot_table(index ='platform' , values = 'na_sales', 
                     aggfunc= 'sum').sort_values(by ='na_sales', ascending =False).reset_index(), x='platform',y='na_sales')
plt.show()

plt.title('Рейтинг платформ по продажам EU региона', color='brown')
sns.barplot(data = df_new.pivot_table(index ='platform', values = 'eu_sales', 
                     aggfunc= 'sum').sort_values(by ='eu_sales', ascending =False).reset_index(), x='platform',y='eu_sales' )
plt.show()

plt.title('Рейтинг платформ по продажам JP региона', color='brown')
sns.barplot(data = df_new.pivot_table(index ='platform', values = 'jp_sales', 
                     aggfunc= 'sum').sort_values(by ='jp_sales', ascending =False).reset_index(), x='platform',y='jp_sales' )

<AxesSubplot:title={'center':'Рейтинг платформ по продажам JP региона'}, xlabel='platform', ylabel='jp_sales'>

Популярность платформ по регионам:

• NA Популярные платформы в порядке убывания: PS4, Xbox One,Xbox x360, 3DS,PS3

• EU Популярные платформы в порядке убывания: PS4, Xbox One, PS3, PC, 3DS

• JP Популярные платформы в порядке убывания: 3DS, PS4,PSV,PS3, WIIU

Во всех регионах PS4 занимает если не первое место то второе, это очень популярная платформа. Платформа 3DS и Xbox One хорошо представленны в EU и JP. Суммарные продажи высоки. Также везде присутствует PS3, но ее мы в дальнейшем не рассматриваем т.к. она уже устарела.

Продажи по регионам в зависимости от жанра.

print(df_new.pivot_table(index ='genre' , values = 'na_sales', 
                     aggfunc= 'sum').sort_values(by ='na_sales', ascending =False).head(),'\n')
print(df_new.pivot_table(index ='genre' , values = 'eu_sales', 
                     aggfunc= 'sum').sort_values(by ='eu_sales', ascending =False).head(),'\n')
print(df_new.pivot_table(index ='genre' , values = 'jp_sales', 
                     aggfunc= 'sum').sort_values(by ='jp_sales', ascending =False).head(),'\n')

              na_sales
genre                 
shooter          79.02
action           72.53
sports           46.13
role-playing     33.47
misc             15.05 

              eu_sales
genre                 
action           74.68
shooter          65.52
sports           45.73
role-playing     28.17
racing           14.13 

              jp_sales
genre                 
role-playing     31.16
action           29.58
fighting          6.36
misc              5.61
shooter           4.87 

Визуализируем данные

plt.figure(figsize=(10,4))
plt.title('Рейтинг жанров по продажам NA региона', color='brown')
sns.barplot(data = df_new.pivot_table(index ='genre' , values = 'na_sales', 
                     aggfunc= 'sum').sort_values(by ='na_sales', ascending =False).reset_index(), x='genre',y='na_sales')

plt.show()

plt.figure(figsize=(10,4))
plt.title('Рейтинг жанров по продажам EU региона', color='brown')
sns.barplot(data = df_new.pivot_table(index ='genre', values = 'eu_sales', 
                     aggfunc= 'sum').sort_values(by ='eu_sales', ascending =False).reset_index(), x='genre',y='eu_sales' )

plt.show()
plt.figure(figsize=(10,4))
plt.title('Рейтинг жанров по продажам JP региона', color='brown')
sns.barplot(data = df_new.pivot_table(index ='genre', values = 'jp_sales', 
                     aggfunc= 'sum').sort_values(by ='jp_sales', ascending =False).reset_index(), x='genre',y='jp_sales' )

<AxesSubplot:title={'center':'Рейтинг жанров по продажам JP региона'}, xlabel='genre', ylabel='jp_sales'>

Популярность жанров по регионам:

• NA Популярные жанры в порядке убывания: Shooter, Action, Sports, Role_playing, Misc

• EU Популярные жанры в порядке убывания: Action, Shooter, Sports, Role-playing, Racing

• JP Популярные жанры в порядке убывания: Role-playing, Action, Fighthing, Misc, Shooter

Наиболее популярные жанры по всем локациям это : Shooter, Action, Role-playing. Самый популярный это Action везде высокие продажи на фоне других жанров (учитывая регионы)

❌Комментарий ревьюера:

Давай визуализируем результаты группировки продаж по жанрам и платформам (ну и по рейтингам), так информация будет гораздо нагляднее, ведь мы делаем исследование для отдела маркетинга. Тем более это у тебя отлично получается:)

Тут подойдет barplot или piechart

🔄Комментарий студента: Добавил визуализацию✔

✅Комментарий ревьюера 2: Отлично, исправлено!👍

Продажи по регионам в зависимости от рэйтинга

print(df_new.pivot_table(index ='rating' , values = 'na_sales', 
                     aggfunc= 'sum').sort_values(by ='na_sales', ascending =False),'\n')
print(df_new.pivot_table(index ='rating' , values = 'eu_sales', 
                     aggfunc= 'sum').sort_values(by ='eu_sales', ascending =False),'\n')
print(df_new.pivot_table(index ='rating' , values = 'jp_sales', 
                     aggfunc= 'sum').sort_values(by ='jp_sales', ascending =False),'\n')

             na_sales
rating               
m               96.42
not_defined     64.72
e               50.74
t               38.95
e10+            33.23 

             eu_sales
rating               
m               93.44
not_defined     58.95
e               58.06
t               34.07
e10+            26.16 

             jp_sales
rating               
not_defined     56.89
t               14.78
e                8.94
m                8.01
e10+             4.46 

Рейтинг и продажи:

• NA Самый популярный ценз игры с отметкой "m", следом идут игры которым не был присвоен ценз, далее без ограничений, подростки и 10+

• EU положение такое же как и в NA регионе

• JP Здесь лидирующую позицию заняли игры чей ценз не определен, далее идут подростки, для взрослых, без ограничений и замыкает все 10+. Но в отличии от других регионов в JP четко виден перевес в одну категорию "not_defined".

Рейтинг ESRB оказывает влияние на отдельные регионы.

🔁Комментарий ревьюера:

Как ты думаешь, почему в Японии большинство игр не имеют рейтинга ESRB?

🔄Комментарий студента: Скорее всего нет законов требующих проводить оценку контента✔

✅Комментарий ревьюера 2: Просто в Японии есть своя рейтинговая система CERO

Проверка гипотез

❌Комментарий ревьюера:

Перед проверкой нужно обязательно формулировать как нулевую, так и альтернативную гипотезы.

✅Комментарий ревьюера 2: Отлично, исправлено!👍

🔄Комментарий студента: Добавил вынес гипотезы, разбил на подпункты. Библиоиека переехала в самую первую ячейку✔

🔁Комментарий ревьюера:

Все библиотеки лучше импортировать в самом начале проекта, в отдельной ячейке. Если в процессе работы появилась необходимость добавить библиотеку, то ее можно дописать в эту ячейку и исполнить.

✅Комментарий ревьюера 2: Отлично, исправлено!👍

Средние пользовательские рейтинги платформ Xbox One и PC одинаковые;

Выдвигаем гипотезу:

H0 : Средние пользовательские рейтинги платформ Xbox One и PC одинаковые(средние двух генеральных совокупностей равны между собой)

H1 : Средние пользовательские рейтинги платформ Xbox One и PC неравны.

df_new.query('user_score != 0 ')['user_score'].hist(bins =30)# убедимся что у нас нормальное распределение
plt.show()

#df.query('user_score != 0 & genre == "action"')['user_score'].hist(bins =30) посмотрел по отдельности каждую выборку. 
                                                                              #Распределение нормальное


alpha = .05 # критический уровень статистической значимости
# если p-value окажется меньше него - отвергнем гипотезу

results = st.ttest_ind(
    df_new.query(' platform == "pc" & user_score !=0 & user_score == user_score')['user_score'], 
    df_new.query(' platform == "xone" & user_score !=0 & user_score == user_score')['user_score'])

print('p-значение:', results.pvalue)

if results.pvalue < alpha:
    print("Отвергаем нулевую гипотезу")
else:
    print("Не получилось отвергнуть нулевую гипотезу") 

p-значение: 0.10450507919348415
Не получилось отвергнуть нулевую гипотезу

Рейтинги Xbox One и PC:

H0 : Средние пользовательские рейтинги платформ Xbox One и PC одинаковые(средние двух генеральных совокупностей равны между собой) H1 : Средние пользовательские рейтинги платформ Xbox One и PC неравны.

Вывод: При уровне значимости 0.05 мы не можем отвергнуть нулевую гипотезу, так как в 10 случаях из 100 мы можем получить равенство двух генеральных совокупностей. Уровень значимости выбран такой поскольку гипотеза двусторонняя.

Выборки должны быть без 0 значений.

Средние пользовательские рейтинги жанров Action (англ. «действие», экшен-игры) и Sports (англ. «спортивные соревнования») разные.

Выдвигаем гипотезу:

H0 : Cредние двух генеральных совокупностей равны между собой, пользовательские рейтинги жанров Action и Sports.

H1 : пользовательские рейтинги жанров не равны между собой Action и Sports.

alpha = 0.05 # критический уровень статистической значимости
# если p-value окажется меньше него - отвергнем гипотезу

results = st.ttest_ind(
    df_new.query(' genre == "action" & user_score !=0 & user_score == user_score ')['user_score'], 
    df_new.query(' genre == "sports" & user_score !=0 & user_score == user_score')['user_score'])

print('p-значение:', results.pvalue)

if results.pvalue < alpha:
    print("Отвергаем нулевую гипотезу")
else:
    print("Не получилось отвергнуть нулевую гипотезу") 

p-значение: 2.8711147985105864e-19
Отвергаем нулевую гипотезу

Рейтинги Action и Sports:

H0 : Cредние двух генеральных совокупностей равны между собой, пользовательские рейтинги жанров Action и Sports.
H1 : пользовательские рейтинги жанров не равны между собой Action и Sports.

Вывод: Отвергаем нулевую гипотезу о равенстве т.к. alpha > 2.87e-13 . Alpha равен 0.05 т.к гипотеза двустороняя.

✅Комментарий ревьюера: Результаты по проверкам гипотез получены верные

Общий вывод:

Проведя работу над датасетом и поставленной задачей можно сделать следующие выводы-тезисы:

- Лучшими платформами для решения наших задач это: 1. PS4 2. Xboxe One 3. 3DS можно рассматривать как дополнительную альтернативу, медиана продаж находится на уровне 140 000. Платформы Xbox One и PS4 имеют пропорциональный boxplot и данные скошены в право(положительно). Это говорит нам о том что данные однородны(близки)-> практически все продукты покупаются хорошо и среднии продажи выше медианных.

- Продажи по всем платформам падают и количество выпускаемых продуктов уменьшается.

- Продажи линейно не зависят от рейтинга-отзыва пользователей и критиков, что нам и показала корреляция этих данных

- Лидирующие и аутсайдерские позиции жанров. Топ в порядке убывания: shooter, sports, platform, fighting, role-playing, simulation. Топ аутсайдов в порядке возрастания: adventure, strategy,puzzle, racing, misc, action.

- Лидирующие и аутсайдерские позиции жанров. Топ в порядке убывания: shooter, sports, role-playing, simulation и platform. Топ аутсайдов в порядке возрастания: adventure, puzzle, strategy, racing, misc, action.

- Период для анализа был выбран с 2015-2016. По нашему предположению и анализу этот отрезок времени характерезует сложившуюся обстановку на рынке платформ и программных продуктов к ним.

- При планировании рекламных компаний стоит использовать таргетированную рекламу по регионам продаж, т.к. они различаются в следующих моментах:

     1) Популярность жанров по регионам:
        - NA Популярные платформы в порядке убывания: PS4, Xbox One,Xbox x360, 3DS,PS3

        - EU Популярные платформы в порядке убывания: PS4, Xbox One, PS3, PC, 3DS

        - JP Популярные платформы в порядке убывания: 3DS, PS4,PSV,PS3, WIIU

        Во всех регионах PS4 занимает если не первое место то второе, это очень популярная платформа. Платформа 3DS
        и Xbox One хорошо представленны в EU и JP. Суммарные продажи высоки. 
        Также везде присутствует PS3, но ее мы в дальнейшем не рассматриваем т.к. она уже устарела.

     
     
     2) NA Популярные платформы в порядке убывания: PS4, Xbox One,Xbox x360, PS3

        EU Популярные платформы в порядке убывания: PS4, Xbox One, PS3, PC, 3DS

        JP Популярные платформы в порядке убывания: 3DS, PS4,PSV,PS3, WIIU

        Во всех регионах PS4 занимает если не первое место то второе, это очень популярная платформа. 
        Платформа 3DS и Xbox One хорошо представленны в EU и JP. Суммарные продажи высоки. 
     
     
     3)Рейтинг и продажи:
        - NA Самый популярный ценз игры с отметкой "m", следом идут игры которым не был присвоен ценз, далее без
        ограничений, подростки и 10+ 

        - EU положение такое же как и в NA регионе

        - JP Здесь лидирующую позицию заняли игры чей ценз не определен, далее идут подростки, для взрослых, без
        ограничений и замыкает все 10+. Но в отличии от других регионов в JP четко виден перевес в одну категорию 
        "not_defined".

Рейтинг ESRB оказывает влияние на отдельные регионы.

- Были выдвинуты две гипотезы: 1)Средние пользовательские рейтинги платформ Xbox One и PC одинаковые. Гипотезу не можем отвергнуть.

    2)Cредние двух генеральных совокупностей равны между собой, пользовательские рейтинги жанров Action и Sports. 
    Гипотеза отвергнута.

✅Комментарий ревьюера:

Хороший резюмирующий вывод! Молодец, что не забыл дать рекомендации на 2017 год.

В целом проект получился очень даже хорошим. Ты уверенно обращаешься с данными, отлично их анализируешь и строишь прекрасные визуализации! Нужно только подправить несколько замечаний и будет супер!

Хочу обратить твое внимание на то, что после исправления замечаний в некоторых пунктах исследования могут измениться результаты, поэтому нужно будет подкорректировать выводы.