[Python]2021 넷플릭스에 시간을 얼마나 쏟았니? (부제: 넷플릭스 개인 시청 데이터 분석)

출처: 넷플릭스 공식 페이지

넷플릭스 구독한지 어언 2년차
넷플은 공기와 같은 존재..

그러나 문득 드는 생각이 있었다.
❓ 나는 넷플릭스 보는데 얼마나 시간을 쓰고있나?

MBTI power J인 나는 이 것이 궁금해졌고,


❓ 나는 총 몇편의 시리즈를 봤을까?
❓ 2021년 가장 많은 시간을 할애한 넷플 콘텐츠는?
❓ 무슨 요일에 가장 많이 봤을까?
❓ 주로 보는 시간대는 언제인가?
.
.
.

등등등 드는 궁금증을 해결해보고자 시작해본 나의 넷플릭스 데이터 분석

START!

Step 1. 넷플릭스 데이터 다운로드 받기

대부분의 사람들이 아직 잘 모르고 있을 꿀정보.
넷플릭스는 구독자의 데이터를 아주 관대하게 제공해준다.
여기에 접속해서 넷플릭스 정보를 요청하면 수 일 내에 다운을 받을 수 있다는 사실.

빨간 버튼의 요청하기 클릭하면, 넷플릭스에서 이메일을 하나 보내주는데, 확인해주면 신청 끝.

이걸 바로 받을 수 있는 것은 아니고,
약 1~3일정도 걸리는 듯 하다
다운로드 기한도 정해져있어서 신청하고 까먹고 있으면 안됨
(까먹고 있다가 다운로드 마지막 날 가까스로 다운받은 사람)

넷플은 30일까지도 걸릴 수 있다고 함.

.zip파일로 다운로드하면 이제
내 넷플 계정의 모든 정보를 속속들이 볼 수 있는 데이터를 가지게 된 것이다. ✺◟(∗❛ัᴗ❛ั∗)◞✺

파일을 열어보면 데이터가 무지막지하게 많은데,
그 중 표지.pdf (혹은 cover.pdf)를 열어보자.

어떤 데이터가 담긴 파일들을 제공하는지 친절하게 설명해준다.
넷플릭스 데이터에 어떤 내용이 담겼는지 궁금하다면 더보기를 클릭!

p.s. 후궁 보고 숨김처리해도 소용없다. 넷플릭스는 너가 후궁 몇 분 몇 초 보고 시청기록을 언제 숨김했는지도 싹 다 보여주니까
역시 글로벌 넘버원 데이터 회사

Step 2. Jupyter에 불러오기

수 많은 파일 중 ViewingActivity.csv 파일을 분석할 예정이다.
이 데이터들을 파이썬과 판다스를 이용해서 분석할 것이기 때문에
Jupyter Notebook으로 불러온다.

만약 주피터 노트북과 ViewingAcitivty.csv 파일 경로가 다른 곳에 위치한다면, ' ' 안에 파일 path 넣어주는 것 잊지말고~

import pandas as pd df = pd.read_csv('ViewingActivity.csv')

df가 잘 들어왔는지 df.shape으로 확인하는 작업 한 번 거쳐주고

총 13981 행과 10열이 있다는 것을 확인할 수 있다.





df.head()로 미리보기를 해볼까?

아주 잘 들어와있는 것을 볼 수 있다 (∗❛⌄❛∗)

STEP3. 필요없는 데이터 삭제하기

필요없는 열을 삭제하면 훨씬 더 적은 용량의 데이터를 가지고 분석할 수 있다.
먼저 불필요한 열이 뭐가 있을까 보면..
나는 Attribute, Video Type, Bookmark, Country .. 등등이 필요없을 것 같다고 판단했다.
자 드롭시켜주자.

#axis=1은 판다스에서 열 삭제 명령 df = df.drop([ 'Attributes', 'Supplemental Video Type', 'Device Type', 'Bookmark', 'Latest Bookmark', 'Country'], axis=1) df.head(1)

자 이렇게 아주 잘 삭제된 것을 볼 수 있다.

+ 자, 이제 2021년도 데이터만 뽑아볼까? Start Time에 '2021-'이 포함된 데이터만 추출하면 되니까,

df = df[df['Start Time'].str.contains('2021-')]

 

Step 4. String을 Datetime과 Timedelta 형으로 변환하기

자 과연 여기 어떤 형태의 데이터 타입들로 들어가있는지 볼까?

싹 다 Object임
그럼 계산을 못하니까 데이터 형변환을 해주자.

해야할 것:

1. Start Time 데이터를 시간 계산 가능한 datetime 형식으로 바꿔주기
2. UTC 기준으로 적혀있는 Start Time을 KST(한국 표준시)로 바꿔주기
3. Duration을 시간 계산 가능한 timedelta형으로 바꿔주기

차근히 해보면:
1. Start Time 데이터를 시간 계산 가능한 datetime 형식으로 바꿔주기 (pd.to_datetime)

df['Start Time'] = pd.to_datetime(df['Start Time'], utc=True) df.dtypes

잘 바뀐거 확인했고,


2. UTC 기준으로 적혀있는 Start Time을 KST(한국 표준시)로 바꿔주기 (pd.tz_convert)
표준시는 여기서 확인!

# 데이터프레임의 인덱스를 Start Time열로 바꿔준다 df = df.set_index('Start Time') # UTC timezone을 KST로 바꿔줌 df.index = df.index.tz_convert('Asia/Seoul') # Strat Time 다시 열로 복구 df = df.reset_index() #더블첵첵 df.head(1)

아주 잘 바뀜

3. Duration을 시간 계산 가능한 timedelta형으로 바꿔주기 (pd.to_timedelta)

df['Duration'] = pd.to_timedelta(df['Duration']) df.dtypes

데이터형이 아주 잘 바뀐 것을 확인!

Step 5. 내 계정 데이터만 뽑아내기 (optional)

요즘 넷플릭스 혼자 보시는 분?
보통 네 명이 한 계정을 사용하니 이 부분도 데이터 정리가 필요하다!
2년 넘게 학교 사람들과 팸 결성해서 아무도 안나가고 시청 중... (넷플 인연이 이렇게 오래갈줄이야?)
그렇기 위해 내 Profile 계정 데이터만 뽑아내야겠쥬?

프로필 네임이 오레오를 포함하고 있는 데이터 프레임을 만들어줘!

#내 계정값만 가져옴(내 계정 이름 oreoeo라서 dataframe 이름을 oreoeo로 줬다) oreoeo = df[df['Profile Name'].str.contains('oreoeo', regex=False)] #regex 는 정규식 여부를 보여주는 것

 

Step 6. 예고편 및 3분 미만의 시청 기록은 솔직히 봤다할 수 없으니 빼주자!

oreoeo = oreoeo[(oreoeo['Duration']>'0 days 00:03:00')]

그런데 Title이 나는 솔로: 시즌 1: 22화 이런 식으로 회차까지 들어있다.
이러면 또 곤란하지.
제목 / 시즌 / 회차 나눠주기 위한 작업을 해보자.

oreoeo["제목"] = oreoeo["Title"].str.split(": ", expand=True)[0] oreoeo["시즌"] = oreoeo["Title"].str.split(": ", expand=True)[1]

새로운 컬럼에 제목과 시즌이 나뉜거 보이쥬? ⤴




자, 이제 2021년도 Oreoeo 계정이 본 넷플릭스 시청 데이터 준비 완료구요

Step 7. 이제 슬슬 궁금증에 답을 해볼까?

Q. 그래서 내가 2021년에 넷플릭스를 얼마나 봤다고??

oreoeo['Duration'].sum()

A: 예,,,, 총 21일 1시간 32분 06초




거진 잠도 안자고 한달 내내 넷플릭스만 봤다는건데...
♥️ 사랑해요 넷플릭스 ♥️

Q. 총 몇 편의 시리즈를 봤는데?

이게 지금 제목의 Unique값만 세면, 내가 가십걸 시즌1 시즌2 시즌3 을 하나로 치다보니,
제목 + 시즌 합친 컬럼을 구할 필요도 있을 것 같단 생각이 들었다.

그래서 제목+시즌 컬럼 하나 더 만들어주고요

cols = ['제목', '시즌'] oreoeo['제목 및 시즌'] =oreoeo[cols].apply(lambda row: ':'.join(row.values.astype(str)), axis=1) oreoeo.head()

 

#제목 및 시즌 unique 값의 개수 oreoeo['제목 및 시즌'].describe()

유닉값 총 99편

A: 나는 2021년에 총 99편의 시리즈(드라마/영화/다큐 등)을 보았다. Oh yeah!

Q. 무슨 요일, 몇 시쯤 제일 많이 보는거지?

각각 요일, 시간 컬럼 만들어주고:

oreoeo = oreoeo.copy() #SettingWithCopyWarning의 발생을 예방 oreoeo['weekday'] = oreoeo['Start Time'].dt.weekday #요일 컬럼 생성 oreoeo['hour'] = oreoeo['Start Time'].dt.hour #시간 컬럼 생성

- 주 시청 요일을 알아보자

#그래프 그리는 matploylib 임포트 해주시고 import matplotlib #요일 시각화 그래프 만들기 oreoeo['weekday'] = pd.Categorical(oreoeo['weekday'], categories= [0,1,2,3,4,5,6], ordered=True) oreoeo_by_day = oreoeo['weekday'].value_counts() oreoeo_by_day = oreoeo_by_day.sort_index() oreoeo_by_day.plot(kind='bar', figsize=(20,10), title='Netflix watching Day')

(0부터 월요일 해서 6이 일요일이라고 한다, 파이썬이 원래 그렇다고 한다)

A: 목요일날 제일 적게보고, 일요일날 제일 많이 본다. 그러나 그냥 매일 보긴 한다. 넷친놈....

 

 

- 자주 보는 시간대를 알아보자

#시간대 시각화 oreoeo['hour'] = pd.Categorical(oreoeo['hour'], categories= [0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23], ordered=True) oreoeo_by_hour = oreoeo['hour'].value_counts() oreoeo_by_hour = oreoeo_by_hour.sort_index() oreoeo_by_hour.plot(kind='bar', figsize=(20,10), title='Netflix watching by Hour')

A: 새벽 한 시에 주로 보기 시작하고, 아침 8시에 가장 적게 본다..

Q. 작품별 시청 시간 데이터가 궁금하다면?

oreoeo_duration_by_title = oreoeo_duration_by_title.groupby(['제목','시즌']).agg({'Duration':np.sum}) oreoeo_duration_by_title = oreoeo_duration_by_title.reset_index() #인덱스 다시 제자리로 돌려두고 oreoeo_duration_by_title

이렇게 예쁜 표를 얻을 수 있다!

A: D.P를 10시간이나 본건... 아마... 나 보고 엄마도 내 계정으로 보여줬기 때문인듯

 

 

 

 

- 이것도 그래프로 그려보자

timedelta 형식의 값은 그래프로 표현할 수 없다. (아까 우리 Duration 을 Timedelta값으로 둔거 기억하시는지?)
그래서 이걸 int로 다시 바꿔주는 작업을 해야하는데,
불행하게도 timedelta를 int로 바꾸는 법은 days 와 seconds만 떼서 int로 바꾸는 법밖에 안나와서
days와 seconds를 따로 구하고, days를 초로 변환해서 seconds와 더하는 방식을 사용해보기로 했다.
무슨 말이냐면, 빈센조 시청 시간이 1 days 00:01:40 이라고 하면,
td.seconds 를 쓰면 60초 + 40초 = 100 초 만 int로 반환해주고,
td.days를 쓰면 1 만 반환해줘서
1 day = 86400 초이므로,
td.day * 86400 + td.seconds를 해주기로 한 것

oreoeo_duration_by_title['Duration_d'] = oreoeo_duration_by_title['Duration'].dt.days #day 칼럼 추가 oreoeo_duration_by_title['Duration_s'] = oreoeo_duration_by_title['Duration'].dt.seconds #second 칼럼 추가 oreoeo_duration_by_title['Duration_sum'] = (oreoeo_duration_by_title['Duration_d'] * 86400) + (oreoeo_duration_by_title['Duration_s']) #총 몇 초 봤는지 day + second 합 #oreoeo_duration_by_title에도 제목 및 시즌 컬럼 추가해주고 cols = ['제목', '시즌'] oreoeo_duration_by_title['제목 및 시즌'] =oreoeo_duration_by_title[cols].apply(lambda row: ':'.join(row.values.astype(str)), axis=1)

이제 이걸 그래프화 시켜보면

import matplotlib.pyplot as plt plt.rcParams['font.family'] = 'AppleGothic'#그래프에 한글 폰트 설치해주고 #내림차순으로 그래프 그리기 위해서 ascending 값 주고 oreoeo_duration_by_title = oreoeo_duration_by_title.sort_values(by=['Duration_sum'], ascending = True) #그래프 가로로 그릴거라 barh, 데이터가 너무 많이사 figsize로 표 사이즈를 조절해줬다, 그리고 색상과 연하기도! oreoeo_duration_by_title.plot.barh(x ='제목 및 시즌', y='Duration_sum',figsize=(20,30),fontsize=10,color='r', alpha=0.4)

이런 수두룩 뺵뺵 그래프를 볼 수 있는데,

눈이 침침허니 pdf로 다운받아보기로 하자

plt.savefig('2021 Netflix시청데이터.pdf')

쨘!
주피터 노트북 파일이 있는 폴더에 내가 만든 그래프 파일이 생겼어요 뿅

기타 등등 생략

2021 나의 넷플릭스 원탑 시간 도둑 주인공은 바로


둑두구두구두구두구

빈센조였슴다 🎉🎉🎉🎉

왜 이렇게 시청시간이 유독 길지? 했는데
3월에 한 번, 5월에 한 번 정주행한 기록이 두 번이나 있더라구



개인적으로 빈센조는 남주원톱물의 정석이라고 생각합니다.
이 영광을 넘버원 코리안 다크 히어로 빈센조 까사노,
그리고 앓다 죽을 송중기 배우님께 바칩니다...👑

출처 : coldsunset

+ 요즘 그해우리는에 지웅이로 아련아련 철철 넘치는 나의 원픽 김성철 배우님께도 이 영광을...🤍

아직도 귓가에 맴도는 태 호 ↗

자 이제 질문을 정리해서 답을 해보자
❓ 나는 넷플릭스 보는데 얼마나 시간을 쓰고있나? --> 순수하게 시청 시간만 21일 1시간 32분 06초
❓ 나는 총 몇편의 시리즈를 봤을까? --> 99편
❓ 2021년 가장 많은 시간을 할애한 넷플 콘텐츠는? --> 빈센조
❓ 무슨 요일에 가장 많이 봤을까? --> 일요일
❓ 주로 보는 시간대는 언제인가? --> 새벽 한 두 시





2021년은 Wavve, Tving, 왓차, Youtube 그리고 본방 시청 비율도 꽤 높았기 때문에
콘텐츠 시청 시간은 이것보다 더 길었겠지





사실 요즘은 넷플보다 티빙이랑 웨이브 많이 본다.
지리산, 술도녀, 청와대, 옷소매 다 웨이브랑 티빙

옷소매가 넷플 안들어간게 넘 아쉬울 따름이다.
사극 좋아하는 글로벌 시장 타겟 제대로 할 작품이라고 생각하는데 ㅠ


그나저나
티빙 / 웨이브도 데이터좀 주실래요? ㅠ




2022도 풍요로운 콘텐츠로 행복을 채워갈 예정
2022 원탑은 누가되려나~~~~


사랑해요 넷플릭스
넷플릭스 입사하고 싶다

끝

* 참고자료 : https://support.dataquest.io/en/articles/366