Como usei Python para analisar dados de filmes (e como você pode também)

import pandas as pd  # Importando Pandas
df = pd.read_excel('dados_filmes.xlsx')  # Lendo o arquivo Excel

df = df[['title', 'vote_average', 'genres', 'revenue']]  # Selecionando colunas importantes
df = df.dropna()  # Removendo linhas com valores ausentes

# Ordenando o DataFrame pela coluna 'vote_average' em ordem decrescente
top_rated = df.sort_values(by='vote_average', ascending=False).head(10)

# Exibindo as colunas 'title' (Título) e 'vote_average' (Nota Média)
print(top_rated[['title', 'vote_average']])

import seaborn as sns
import matplotlib.pyplot as plt

# Ordenando os filmes pela nota
top_rated = top_rated.sort_values(by='vote_average', ascending=False)

# Estilizando o gráfico
plt.figure(figsize=(10, 6))
sns.set_theme(style="whitegrid")
ax = sns.barplot(data=top_rated, x='vote_average', y='title', palette="Blues_r")

# Adicionando título e rótulos
plt.title('Top 10 Filmes com Melhores Notas', fontsize=14)
plt.xlabel('Nota Média', fontsize=12)
plt.ylabel('Filme', fontsize=12)

# Adicionando os valores no gráfico
for i, value in enumerate(top_rated['vote_average']):
  ax.text(value - 0.5, i, f"{value:.1f}", color='black', va='center', fontsize=11)

plt.show()

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# Contando a frequência dos gêneros
genre_counts = df['genres'].value_counts().head(10)  # Pegando os 10 mais frequentes

# Criando gráfico
plt.figure(figsize=(10, 5))
sns.barplot(x=genre_counts.values, y=genre_counts.index, palette="viridis")
plt.title('Gêneros mais frequentes nos filmes')
plt.xlabel('Quantidade de filmes')
plt.ylabel('Gênero')
plt.show()

plt.figure(figsize=(10, 6))
sns.scatterplot(data=df, x='revenue', y='vote_average', alpha=0.7)
plt.xscale('log')  # Ajustando escala da receita
plt.title('Relação entre Receita e Nota Média dos Filmes (Escala Log)')
plt.xlabel('Receita (log)')
plt.ylabel('Nota Média')
plt.show()