Analyse des modèles
Chargement des données
Nous nous sommes basés sur la base de données “models_v3”, reprenant les informations disponibles sur chacun des modèles présent sur la plateforme.
data <- read.csv('C:/Users/tryst/Desktop/EDC/models_v3.csv')Ainsi, voici l’ensemble des variables que nous possédons sur nos modèles :
| x |
|---|
| URL |
| Name |
| Bio |
| Subscribers |
| Videos_views |
| Pornhub_rank |
| Model_rank |
| Public_videos |
| Paid_videos |
| Fan_club_material |
| Verified_pornstar |
| Verified_member |
| Premium_user |
| Pornhub_awards_winner |
| Age |
| Background |
| Birthday |
| Birthplace |
| Born |
| Career.Start.and.End |
| Career.Status |
| City.and.Country |
| Endowment |
| Ethnicity |
| Eye.Color |
| Facial.Hair |
| Fake.Boobs |
| Foreskin |
| Gender |
| Hair.Color |
| Height |
| Weight |
| Interested.in |
| Interests.and.hobbies |
| Joined |
| Measurements |
| Piercings |
| Pornstar.Profile.Views |
| Profile.Views |
| Relationship.status |
| Star.Sign |
| Tattoos |
| Turn.Offs |
| Turn.Ons |
| Video.Views |
| Videos.Watched |
| Hometown |
Réencodage de nos données
Les données importées peuvent être dans un format nous empêchant d’effectuer différentes opérations, comme l’âge moyen de nos modèles, ou bien la date d’inscription du modèle sur le site :
Visualisation des données de notre base
Nombre de modèles par pays
On peut voir rapidement la présence des modèles dans le monde :
| Pays de naissance | Nombre de modèles |
|---|---|
| Non renseigné | 52848 |
| USA | 15199 |
| Canada | 1347 |
| Russia | 905 |
| United Kingdom | 862 |
| Mexico | 622 |
| Colombia | 537 |
| France | 492 |
| Italy | 455 |
| Australia | 420 |
Date d’inscription de nos modèles
La variable Joined nous donne accès à l’ancienneté du modèle sur la plateforme.
Mis en forme avec l’âge, on pourra ainsi déterminer l’ancienneté moyenne d’un modèle en fonction de son âge :
Répartition selon le genre parmi nos modèles
Notre base de données contenant plus de 70 000 modèles venant d’horizons différents, on peut observer la répartition des genres dans notre échantillon. En effet, on voit dans la plupart des cas des hommes, des femmes et des couples, mais d’autres apparaissent comme des non-binaires, des transgenres etc.
Voici la répartition des différents genres parmis nos modèles :
On voit alors que le genre Femme / Couple / Homme est très présent, voyons la répartition de leur âge :
Visualisation des meilleures modèles par pays, leurs caractéristiques ainsi que celles des modèles du pays
Une étude démographique semble intéressante pour déterminer les différences dans chacun des pays.
Ainsi, deux informations peuvent se dégager lors du survol d’un pays :
- Les informations sur le modèle le plus connu du pays (avec un lien direct vers son profil), avec les informations sur son genre, son âge, son ethnicité et son nombre d’abonnés.
- Les informations sur les modèles du pays, avec le nom du pays, nombre de modèles, et le pourcentage de modèles tatoués dans ce pays