34:["$","title",null,{"children":"Анализ факторов успеха в игровой индустрии | Yulvin COOL | Observable"}] 3c:T184c,

Итоговый проект

Анализ факторов успеха в игровой индустрии

Выполнила: Сизинцева Юлия Группа: 4.606Мз-3

🎯 Цель проекта

Исследовать, как различные факторы (жанр, платформа, год выпуска, оценка критиков, киберспортивная популярность и пиковый онлайн) влияют на коммерческий успех игры, её аудиторию и текущий рыночный тренд.

📋 Задачи

Выбрать подходящий датасет для анализа.
Провести предобработку данных (логарифмирование выручки, категоризация оценок и годов, обработка выбросов).
Визуализировать ключевые зависимости между характеристиками игры и её успехом.
Сделать выводы о том, какие факторы сильнее всего связаны с выручкой, популярностью и статусом тренда.

🔬 Методология

Использование датасета gaming_industry_trends.csv (Тренды игровой индустрии) для анализа и визуализации данных.

🔗 Ссылка на датасет: Gaming Industry Trends Dataset

Датасет gaming_industry_trends.csv содержит информацию об играх, включая их жанр, платформу, год выпуска, разработчика, выручку, количество игроков, пиковый онлайн, оценку Metacritic, киберспортивную популярность и текущий статус тренда.

✨ Основные преимущества датасета

Большое количество переменных для анализа: коммерческие показатели (выручка, игроки, пиковый онлайн), качественные оценки (Metacritic), временные (год выпуска) и категориальные (жанр, платформа, разработчик, киберспорт, тренд).
Наличие готовой целевой переменной Trending Status (Rising / Stable / Declining) для изучения рыночных трендов.
Уникальный признак Esports Popularity, позволяющий исследовать связь киберспорта с успехом игры.
Доступность и простая структура данных (CSV), удобная для загрузки в ObservableHQ.

3d:T196c,

Этап 1

Подготовка данных

Загрузка, очистка и создание переменных для графиков

Загрузка датасета

Файл gaming_industry_trends.csv прикрепляется через меню File attachment. Данные читаются как типизированный CSV, чтобы система автоматически распознала числа.

Предобработка данных

Переименовываем колонки с пробелами в короткие алиасы, приводим числа к нужному типу, преобразуем киберспортивный признак в boolean. Создаем дополнительные поля: группировку оценок Metacritic и логарифмы выручки.

Создание переменных для графиков

Чтобы графики строились быстро и без ошибок, мы создаем промежуточные переменные с уже подготовленными данными. Например, filteredGames (игры для выбранного года), yearlyRevenue (суммарная выручка по годам) или heatmapData (данные для тепловой карты). Мы просто заранее группируем сырые строки в удобные таблицы.

Импорт компонентов D3

Для построения нестандартных иерархических графиков мы подключаем готовые модули Pack и Sunburst из библиотеки @d3. Это избавляет от необходимости писать сложный код с нуля и позволяет быстро и красиво отрисовать вложенные структуры данных.

Результат: очищенный базовый массив games, набор подготовленных агрегаций и подключенные библиотеки, готовые к созданию любой визуализации.

3e:T65c,

Раздел 1

Обзор рынка: платформы и выручка

Анализ доходности платформ, динамики по годам и самых прибыльных жанров

График 1: Средняя выручка на одну игру по платформам (lollipop chart).

График 2: Динамика суммарной выручки по годам (линейный график).

График 3: Тепловая карта средней выручки по жанрам и платформам (heatmap).

3f:T964,

Анализ и выводы по разделу:

Средний чек и лидеры: График «леденцов» показывает, что в среднем одна игра на PC и Cross-Platform приносит значительно больше, чем на Mobile. Мобильный рынок генерирует доход за счет огромного объема дешевых релизов, а не за счет среднего чека.
Динамика во времени: Линейный график наглядно демонстрирует, как с течением лет менялись эпохи. Видно, в какие периоды (например, в 2000-х или 2020-х) случались пики выручки у конкретных платформ, и как рынок перераспределял деньги между консолями и ПК.
Связка «Платформа-Жанр»: Тепловая карта выявляет конкретные «золотые жилы». Например, жанр Sports на консолях Xbox или Shooter на PC стабильно показывают самые высокие средние показатели по сравнению с другими комбинациями.
Общий вывод: Для крупных релизов (AAA-проектов) приоритетными остаются PC и мультиплатформенность (Cross-Platform). Mobile - это сектор с высокой конкуренцией и фокусом на массовость, а наибольшую прибыль приносят проверенные временем связки популярных жанров и платформ.

40:T721,

Раздел 2

Качество против денег

Влияние оценок критиков (Metacritic) на выручку и интерактивный анализ по годам

🎛️ Интерактивность: С помощью ползунка ниже можно выбрать конкретный год выпуска и посмотреть, как выглядела ситуация на рынке именно в этот период.

График 1: Точечная диаграмма (Scatter plot) оценок и выручки для выбранного года.

График 2: Средняя выручка по группам оценок (от низких до шедевров) для выбранного года.

41:T701,

Анализ и выводы по разделу:

Слабая корреляция: Даже при перемещении ползунка по годам видно, что прямой и жесткой связи между высокой оценкой критиков и огромной выручкой нет. Линия тренда часто идет почти горизонтально.
Феномен «коммерческого успеха»: На графике хорошо заметны выбросы - игры с оценкой 60-70, которые зарабатывают сотни миллионов (часто это многопользовательские или мобильные проекты).
Вывод: Оценка критиков - это важный показатель качества, но он не является гарантом коммерческого успеха. Игры с рейтингом 90+ часто являются «нишевыми шедеврами», в то время как массовый рынок и огромные деньги генерируют проекты с более низкими оценками, но широкой аудиторией.

42:T5f8,

Раздел 3

Киберспорт, онлайн и тренды

Иерархический анализ аудитории и статусов популярности игр

График 1: Диаграмма упаковки (Pack) - распределение пикового онлайна по платформам и жанрам.

График 2: Солнечная диаграмма (Sunburst) - структура рыночных трендов в зависимости от киберспортивного статуса и жанра.

43:Tb1b,

Анализ и выводы по разделу:

Концентрация онлайна (Pack): Диаграмма упаковки наглядно показывает, что пиковый онлайн крайне неравномерен. Самые большие круги (чаще всего на PC и Cross-Platform) свидетельствуют о том, что именно там собирается основная масса игроков. Мобильные игры, несмотря на огромное количество релизов, сильно уступают в пиковых показателях одновременного онлайна.
Анатомия трендов (Sunburst): Упрощенная солнечная диаграмма четко демонстрирует разницу. В секторе "Rising" (растущие игры) доля киберспортивных проектов (зеленые блоки) визуально больше, чем в секторе "Declining" (падающие). Это доказывает, что соревновательный аспект напрямую влияет на удержание аудитории и актуальность игры.
Связь киберспорта и аудитории: Игры с высоким пиковым онлайном и киберспортивным уклоном формируют ядро растущего рынка. Люди гораздо охотнее возвращаются в проекты, где есть соревновательная среда, трансляции и киберспортивные сцены.
Общий вывод: Киберспорт - это мощный драйвер для пикового онлайна и позитивного тренда. Игры, которые делают ставку на соревновательность, чаще находятся в статусе "Rising". Однако, как показал Раздел 2, одного онлайна и киберспорта мало для рекордной выручки - успех требует комплексного подхода.

44:T5d8,

Раздел 4

Роль разработчика: кто делает деньги

Анализ эффективности игровых студий и издателей

График: Топ-10 разработчиков по средней выручке на одну игру (в млн $).

Вместо общей суммы мы смотрим на средний чек. Это позволяет понять, кто стабильно выпускает хиты, а кто зарабатывает на количестве.

45:T7fd,

Анализ и выводы по разделу:

Гиганты индустрии: График показывает, что крупные компании-мейджоры (такие как EA, Activision, Ubisoft) стабильно удерживают лидерство по среднему доходу с одного проекта. Это говорит о высокой отдаче от их игровых франшиз.
Эффективность портфеля: Средняя выручка важнее общей суммы. Можно выпустить 50 дешевых мобильных игр и заработать миллиард, но средний чек будет копеечным. Разработчики из топ-10 делают ставку на качество и масштаб, обеспечивая высокий средний заработок на каждом релизе.
Вывод: Бренд разработчика и правильный выбор жанра напрямую конвертируются в деньги. Крупные студии имеют ресурсы для создания таких игр, которые приносят сверхприбыль, в то время как инди-разработчики или студии второго эшелона вынуждены бороться за место под солнцем через объемы выпускаемого контента.

46:T1558,html`

Заключение

Общие выводы по проекту

Итоги исследования факторов успеха в игровой индустрии

В ходе комплексного анализа датасета gaming_industry_trends.csv мы исследовали, как различные факторы влияют на коммерческий успех, популярность и тренды видеоигр. Вот ключевые закономерности, которые удалось выявить:

Коммерческий успех (Выручка): Наибольшую роль здесь играют платформа и жанр. PC и Cross-Platform приносят наибольшую среднюю выручку с одного релиза. Мобильный рынок генерирует огромные суммы за счет массовости, но средний чек там ниже. Оценка критиков (Metacritic) имеет слабую корреляцию с деньгами: игры с рейтингом 70-80 часто зарабатывают больше "шедевров" на 90+, если у них правильная мультиплеерная или жанровая модель.
Аудитория и онлайн (Popularity): Пиковый онлайн напрямую связан с киберспортивным потенциалом игры. Соревновательные проекты (Shooter, Fighting, Strategy) удерживают игроков гораздо эффективнее. Анализ иерархий показал, что именно PC и консоли концентрируют основную массу "хардкорной" аудитории, готовой проводить в игре много времени.
Рыночный статус (Trending): Статус "Rising" (Рост) чаще всего получают игры, сочетающие в себе киберспортивную популярность и высокий онлайн. Игры без соревновательной составляющей или старые релизы чаще попадают в категорию "Declining" (Падение), даже если когда-то они принесли много денег.
Роль разработчика: Крупные студии-мейджоры (EA, Activision, Sony, Ubisoft) стабильно удерживают лидерство по среднему доходу с одного проекта. Это говорит о том, что бренд разработчика и огромные бюджеты на производство напрямую конвертируются в высокое качество продукта и его коммерческий успех.

Ограничения анализа: Датасет содержит агрегированные и синтетические данные. В нем отсутствуют маркетинговые бюджеты, данные о скидках и времени, прошедшем с момента релиза. Поэтому выявленные зависимости носят корреляционный характер, а не строго причинно-следственный. Для более глубоких выводов требовался бы сбор дополнительных метрик.

`47:[{"id":"727dd2114993be37f25e74fb06d36910e4aa43c4845aa16cce8fbacf70b86f64602cdceeb3e239e5ac94d16436254dfbcc7c32566149fb1a0ca3dbc9f668e373","href":"https://static.observableusercontent.com/files/727dd2114993be37f25e74fb06d36910e4aa43c4845aa16cce8fbacf70b86f64602cdceeb3e239e5ac94d16436254dfbcc7c32566149fb1a0ca3dbc9f668e373","name":"gaming_industry_trends.csv","type":"text/csv","lastModified":1792688686587,"size":82429}] 38:{"id":"3dd8e5641a9594e5","slug":"analiz-faktorov-uspekha-v-igrovoy-industrii","title":"Анализ факторов успеха в игровой индустрии","thumbnail":"fc1a51a5046fe6b760918087f4be5722a2fb9adc60324c775b396b436d6ef3bb","access_level":"public","create_time":"$D2026-10-22T12:21:33.293Z","update_time":"$D2026-10-23T23:05:10.082Z","view_time":null,"first_public_time":"$D2026-10-22T19:44:27.178Z","has_unpublished_edits":null,"fork":false,"stars":0,"starred":false,"owner":{"type":"team","id":"4b0ed8c6259c6ad3","login":"yulvincool","name":"Yulvin COOL","avatar_url":"https://avatars-next.observableusercontent.com/3c049d548b3e6cd7c0e5d033a80b61b082aafbbdf7d23f4d005f61fb86bff82b","tier":"starter_2024","bio":"","followed_by_you":false,"follows_you":false},"version":335,"publish_version":335,"role":null,"authored":false,"authors":[{"type":"individual","id":"2761665ddc95bf45","login":"yulvincool","name":"Yulvin COOL","avatar_url":"https://avatars-next.observableusercontent.com/3c049d548b3e6cd7c0e5d033a80b61b082aafbbdf7d23f4d005f61fb86bff82b","tier":null,"bio":"","followed_by_you":false,"follows_you":false}],"members":[{"type":"team","id":"4b0ed8c6259c6ad3","login":"yulvincool","name":"Yulvin COOL","avatar_url":"https://avatars-next.observableusercontent.com/3c049d548b3e6cd7c0e5d033a80b61b082aafbbdf7d23f4d005f61fb86bff82b","tier":"starter_2024","role":"editor"}],"comments":[],"custom_thumbnail":false,"trashed":false,"lapsed":null,"subscribed":null,"forks":0,"collection":null,"type":"notebook","body":{"titling":"auto","title":"Анализ факторов успеха в игровой индустрии","cells":[{"id":4,"value":"$3c","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":5,"value":"$3d","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":6,"value":"raw = FileAttachment(\"gaming_industry_trends.csv\").csv({typed: true})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":7,"value":"Inputs.table(raw)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":8,"value":"games = raw.map(d => ({\n title: d[\"Game Title\"],\n genre: d[\"Genre\"],\n platform: d[\"Platform\"],\n developer: d[\"Developer\"],\n year: +d[\"Release Year\"],\n revenue: +d[\"Revenue (Millions $)\"],\n players: +d[\"Players (Millions)\"],\n peak: +d[\"Peak Concurrent Players\"],\n metacritic: +d[\"Metacritic Score\"],\n esports: d[\"Esports Popularity\"] === \"Yes\",\n trend: d[\"Trending Status\"]\n}))","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":9,"value":"platformAvg = d3.rollups(\n games,\n v => d3.mean(v, d => d.revenue),\n d => d.platform\n).map(([platform, avgRevenue]) => ({ platform, avgRevenue }))\n .sort((a, b) => b.avgRevenue - a.avgRevenue)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":14,"value":"heatmapData = d3.rollups(\n games,\n v => d3.mean(v, d => d.revenue),\n d => d.genre,\n d => d.platform\n).flatMap(([genre, platforms]) =>\n platforms.map(([platform, mean]) => ({ genre, platform, mean }))\n)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":15,"value":"yearlyRevenue = d3.rollups(\n games,\n v => d3.sum(v, d => d.revenue),\n d => d.year,\n d => d.platform\n).flatMap(([year, platforms]) =>\n platforms.map(([platform, sum]) => ({ year, platform, sum }))\n).sort((a, b) => a.year - b.year)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":21,"value":"filteredGames = games\n .filter(d => d.year === selectedYear)\n .map(d => ({\n ...d,\n mcGroup: d.metacritic < 60 ? \"<60\" :\n d.metacritic < 80 ? \"60-79\" :\n d.metacritic < 90 ? \"80-89\" : \"90+\"\n }))","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":33,"value":"packData = ({\n name: \"Все игры\",\n children: d3.groups(games, d => d.platform, d => d.genre).map(([platform, genres]) => ({\n name: platform,\n children: genres.map(([genre, items]) => ({\n name: genre,\n value: d3.sum(items, d => d.peak)\n }))\n }))\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":34,"value":"sunburstData2 = ({\n name: \"Все игры\",\n children: d3.groups(games, d => d.trend, d => d.esports).map(([trend, esportsMap]) => ({\n name: trend,\n children: Array.from(esportsMap, ([esports, items]) => ({\n name: esports ? \"Киберспорт\" : \"Обычные\",\n value: items.length\n }))\n }))\n});","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":35,"value":"packRoot = d3.hierarchy(packData).sum(d => d.value)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":37,"value":"sunburstRoot2 = d3.hierarchy(sunburstData2).sum(d => d.value || 0);","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":41,"value":"topDevs = d3.rollups(\n games,\n v => d3.mean(v, d => d.revenue),\n d => d.developer\n).map(([developer, avgRevenue]) => ({ developer, avgRevenue }))\n .sort((a, b) => b.avgRevenue - a.avgRevenue)\n .slice(0, 10)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":31,"value":"import {Pack} from \"@d3/pack\"\n","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":32,"value":"import {Sunburst} from \"@d3/sunburst\"","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":11,"value":"$3e","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":18,"value":"Plot.plot({\n title: \"Средняя выручка на одну игру по платформам (млн $)\",\n width: 800,\n height: 400,\n marginLeft: 80,\n marginTop: 40,\n x: {\n label: \"Платформа\",\n domain: platformAvg.map(d => d.platform)\n },\n y: {\n label: \"Средняя выручка, млн $\",\n grid: true,\n\n domain: [0, d3.max(platformAvg, d => d.avgRevenue) * 1.15]\n },\n marks: [\n\n Plot.ruleX(platformAvg, {\n x: \"platform\",\n y1: 0,\n y2: \"avgRevenue\",\n stroke: \"#cbd5e0\",\n strokeWidth: 3\n }),\n // 2. Кружочек на конце\n Plot.dot(platformAvg, {\n x: \"platform\",\n y: \"avgRevenue\",\n fill: \"platform\",\n r: 8\n }),\n\n Plot.text(platformAvg, {\n x: \"platform\",\n y: \"avgRevenue\",\n text: d => d.avgRevenue.toFixed(0),\n dy: -14,\n fontSize: 12,\n fontWeight: \"bold\",\n fill: \"#2d3748\"\n })\n ]\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":13,"value":"Plot.plot({\n title: \"Динамика суммарной выручки по годам\",\n width: 800,\n height: 400,\n x: { label: \"Год выпуска\", tickFormat: \"d\" },\n y: { label: \"Суммарная выручка (млн $)\", grid: true },\n color: { legend: true, label: \"Платформа\" },\n marks: [\n Plot.lineY(yearlyRevenue, {\n x: \"year\",\n y: \"sum\",\n stroke: \"platform\",\n strokeWidth: 2,\n marker: \"circle\"\n })\n ]\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":17,"value":"Plot.plot({\n title: \"Средняя выручка по платформам и жанрам (млн $)\",\n width: 800,\n height: 500,\n marginLeft: 100,\n marginBottom: 60,\n x: { label: \"Платформа\" },\n y: { label: \"Жанр\" },\n color: { legend: true, label: \"Средняя выручка\", scheme: \"YlGnBu\" },\n marks: [\n Plot.cell(heatmapData, {\n x: \"platform\",\n y: \"genre\",\n fill: \"mean\",\n stroke: \"white\",\n strokeWidth: 1,\n inset: 0.5\n }),\n Plot.text(heatmapData, {\n x: \"platform\",\n y: \"genre\",\n text: d => d.mean.toFixed(0),\n fill: \"black\",\n fontSize: 10\n })\n ]\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":26,"value":"$3f","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":45,"value":"$40","pinned":false,"hidden":false,"mode":"html","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":20,"value":"viewof selectedYear = Inputs.range([2000, 2024], {\n step: 1,\n label: \"Выберите год выпуска:\",\n value: 2020\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":22,"value":"Plot.plot({\n title: `Оценка Metacritic vs Выручка (${selectedYear} год)`,\n width: 800,\n height: 400,\n x: { label: \"Оценка Metacritic\", domain: [40, 100] },\n y: { label: \"Выручка (млн $)\", grid: true, type: \"log\" },\n color: { legend: true, label: \"Жанр\" },\n marks: [\n Plot.dot(filteredGames, {\n x: \"metacritic\",\n y: \"revenue\",\n fill: \"genre\",\n r: 6,\n opacity: 0.8,\n tip: true\n }),\n Plot.linearRegressionY(filteredGames, {\n x: \"metacritic\",\n y: \"revenue\",\n stroke: \"black\",\n strokeDasharray: \"4,4\"\n })\n ]\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":23,"value":"Plot.plot({\n title: `Средняя выручка по группам оценок (${selectedYear} год)`,\n width: 800,\n height: 300,\n x: {\n label: \"Оценка Metacritic\",\n domain: [\"<60\", \"60-79\", \"80-89\", \"90+\"]\n },\n y: { label: \"Средняя выручка (млн $)\", grid: true },\n marks: [\n Plot.barY(\n filteredGames,\n Plot.groupX({ y: \"mean\" }, {\n x: \"mcGroup\",\n y: \"revenue\",\n fill: \"mcGroup\"\n })\n ),\n Plot.ruleY([0])\n ]\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":25,"value":"$41","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":28,"value":"$42","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":36,"value":"html`

Распределение пикового онлайна по платформам и жанрам

\n ${Pack(packRoot, {\n label: d => d.data.name,\n title: d => `${d.data.name}\\nОнлайн: ${d.value.toFixed(1)} млн`,\n width: 800,\n height: 600\n })}\n

Структура рыночных трендов и киберспорта

\n ${Sunburst(sunburstRoot2, {\n label: d => d.depth === 0 ? \"Все игры\" : d.data.name,\n title: d => `${d.data.name}\\nИгр: ${d.value}`,\n width: 700,\n height: 700\n })}\n

`","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":40,"value":"$43","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":39,"value":"$44","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":42,"value":"{\n const topDevsChart = Plot.plot({\n title: \"Топ-10 разработчиков по средней выручке на игру (млн $)\",\n width: 800,\n height: 400,\n marginLeft: 100,\n marginRight: 60,\n x: { label: \"Средняя выручка, млн $\", grid: true },\n y: {\n label: \"Разработчик\",\n domain: topDevs.map(d => d.developer).reverse()\n },\n marks: [\n Plot.barX(topDevs, {\n x: \"avgRevenue\",\n y: \"developer\",\n fill: \"#ff7e5f\",\n fillOpacity: 0.85,\n rx: 4\n }),\n Plot.text(topDevs, {\n x: \"avgRevenue\",\n y: \"developer\",\n text: d => d.avgRevenue.toFixed(0),\n dx: 8,\n textAnchor: \"start\",\n fill: \"#2d3748\",\n fontWeight: \"bold\",\n fontSize: 12\n })\n ]\n });\n return topDevsChart;\n}","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":43,"value":"$45","pinned":true,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":44,"value":"$46","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"}],"files":"$W47","stdlib":"2"}} 33:null