Analyse SQL des Films IMDB : Découvrez des Insights Fascinants avec Python et Quarto

Envie de plonger dans l'univers du cinéma et d'analyser les 250 films les mieux notés sur IMDB ? Ce projet vous guide pas à pas dans l'exploration de données à l'aide de requêtes SQL puissantes, pilotées par Python et DuckDB. Imaginez pouvoir dénicher des tendances cachées, identifier les réalisateurs les plus prolifiques et comprendre les facteurs qui contribuent à un succès cinématographique !

Découvrir des Tendances Cinématographiques avec SQL

Ce projet vous permet d'utiliser SQL pour interroger une base de données de films et d'extraire des informations précieuses. Plus besoin de manipulations fastidieuses dans des feuilles de calcul ! Les requêtes SQL simplifient l'identification des films les mieux notés, le classement par genre, ou même l'analyse de l'impact du pays d'origine sur la popularité. L'utilisation de SQL pour analyser les films IMDB vous ouvre un monde d'opportunités pour décortiquer les succès du box-office.

Visualisation Interactive des Données avec itables

Les résultats de vos requêtes SQL ne sont pas de simples tableaux austères. Grâce à itables, ils se transforment en tables HTML interactives, prêtes à être explorées. Vous pouvez trier, filtrer et paginer les données directement dans votre navigateur, facilitant ainsi l'identification des tendances et des anomalies. Visualisez facilement les informations et tirez des conclusions éclairantes sur les films IMDB.

Installation Facile et Rapide

Prêt à vous lancer ? L'installation est simple et rapide :

1. Clonez le dépôt GitHub : git clone https://github.com/gpenessot/imdb-sql-analysis.git
2. Naviguez vers le répertoire : cd imdb-sql-analysis
3. Créez un environnement virtuel et installez les dépendances : uv venv, source .venv/bin/activate (ou .venv\Scripts\activate sous Windows), uv pip install -r pyproject.toml

Utilisation Simple et Intuitive

Rendez votre analyse accessible en HTML avec :

• quarto render notebook.qmd

Ou explorez le notebook interactif dans Jupyter :

• quarto preview notebook.qmd

Configuration de la Base de Données

Pour une analyse optimale, assurez-vous que votre base de données SQLite movies.db contient une table movies avec les colonnes suivantes :

• title
• director
• year
• rating
• genres
• runtime
• country
• language
• imdb_score
• imdb_votes
• metacritic_score

En utilisant ces données, vous pourrez optimiser l'analyse SQL des notes de films IMDB.

License MIT : Liberté et Collaboration

Ce projet est distribué sous licence MIT, garantissant votre liberté d'utiliser, de modifier et de partager le code. N'hésitez pas à contribuer et à améliorer ce projet ! La licence MIT pour l'analyse de films IMDB encourage l'innovation et le partage de connaissances.