Análise de vendas de Video Games

Análise de vendas de jogos de video games com no mínimo 100 mil cópias vendidads.

Algumas perguntas preliminares

  • a decisão de se concentrar a publicação em menos gêneros afeta o resultado global de unidades vendidas de uma produtora?
  • como se comporta o tempo de decadência de uma plataforma?
  • dentre as franquias identificadas, quais são aquelas que são mais bem sucedidas?
  • dentre as franquias identificadas, quais são aquelas que estão em crescimento ao longo do tempo? E quais estão em decrescimento?

Os scripts em Python, localizados em src/data são responsáveis por limpar os dados provindos das tabelas da wikipedia.

Basta roda-los a partir do topo do projeto.

Project Organization

├── LICENSE
├── README.md          <- The top-level README for developers using this project.
├── data
│   ├── external       <- Data from third party sources.
│   ├── interim        <- Intermediate data that has been transformed.
│   ├── processed      <- The final, canonical data sets for modeling.
│   └── raw            <- The original, immutable data dump.
│
├── models             <- Trained and serialized models, model predictions, or model summaries
│
├── notebooks          <- Jupyter notebooks or RMD notebooks. Naming convention is a number (for ordering),
│                         the creator's initials, and a short `-` delimited description, e.g.
│                         `1.0-jqp-initial-data-exploration`.
│
├── references         <- Data dictionaries, manuals, and all other explanatory materials.
│
├── reports            <- Generated analysis as HTML, PDF, LaTeX, etc.
│   └── figures        <- Generated graphics and figures to be used in reporting
│
├── requirements.txt   <- The requirements file for reproducing the analysis environment, e.g.
│                         generated with `pip freeze > requirements.txt`
│
├── src                <- Source code for use in this project.
│   ├── __init__.py    <- Makes src a Python module
│   │
│   ├── data           <- Scripts to download or generate data
│   │
│   ├── features       <- Scripts to turn raw data into features for modeling
│   │
│   ├── models         <- Scripts to train models and then use trained models to make
│   │   │                 predictions
│   │   ├── predict_model.py
│   │
│   └── visualization  <- Scripts to create exploratory and results oriented visualizations

Project based on the cookiecutter data science project template. #cookiecutterdatascience