Python告诉你：李子柒的视频都在拍些什么？

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者：CDA数据分析师

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

python免费学习资料以及群交流解答点击即可加入

“李家有女，人称子柒。”如果说到当下最火的网红，想必很多人都会想到李子柒。

日出而作，日落而息，看似平淡无奇的日子，李子柒却总能过成一首诗、一幅画。

三月桃花熟了，采来酿桃花酒。四月枇杷成熟，酿枇杷酒…随着不同时令季节，做出不同的美食，看过李子柒视频的人，无一不对那视频里的古风田园生活向往憧憬着，同时也带给了无数人治愈的力量。

目前在B站上，李子柒共有579万的粉丝。入驻到现在仅仅发布了共125条视频，但随便翻翻视频列表，几乎每个视频都是爆款。

教你用Python分析

李子柒的视频都在拍些什么？ 下面让我们看到关键的分析步骤：

我们Python获取了B站上李子柒发布的125个视频相关信息，进行了以下分析，分析流程如下：

• 数据读入
• 数据清洗
• 数据可视化
• 数据读入

首先读入分析所用的数据集，本数据集一共包含125个样本，11个字段，字段含义为：视频标题、一级分类、二级分类、发布时间、最高全站排名、总播放数、历史累计弹幕、点赞、投币、收藏和分享数。

数据预览如下：

# 导入包
import numpy as np 
import pandas as pd 
import re 

# 读入数据
df = pd.read_excel('./data/李子柒视频数据.xlsx')
df.head() 

数据清洗

此部分我们初步对以下信息进行简单的处理，其中包含：

• title：提取主题和介绍
• top_rank：提取数值
• view_num：提取数值
• dm_num: 提取数值
• dianzan: 计算数值
• toubi: 计算数值
• shoucang：计算数值
• zhuanfa：计算数值

# 定义转换函数
def transform_num(x):
    str1 = str(x)
    if '万' in str1:
        return float(str1.strip('万'))*10000
    else:
        return float(str1)  

# 提取数据
df['title_1'] = df.title.str.extract('【(.*?)】.*')
df['title_2'] = df.title.str.split('】').str[-1]
df['top_rank'] = df.top_rank.str.extract('最高全站日排行(\d+)名')
df['view_num'] = df.view_num.str.extract('(\d+)')
df['dm_num'] = df.dm_num.str.extract('(\d+)')
df['dianzan'] = df.dianzan.apply(lambda x: transform_num(x))  
df['toubi'] = df.toubi.apply(lambda x: transform_num(x))  
df['shoucang'] = df.shoucang.apply(lambda x: transform_num(x))  
df['zhuanfa'] = df.zhuanfa.apply(lambda x: transform_num(x))  

# 转换类型
df['view_num'] = df.view_num.astype('int')
df['dm_num'] = df.dm_num.astype('int')
df['publish_time'] = pd.to_datetime(df['publish_time'])

经过处理之后的数据如下所示：

df.head(2) 

数据可视化

此处我们将进行以下部分的可视化分析，首先导入所需包，其中pyecharts用于绘制动态可视化图形，stylecloud包用于绘制词云图。关键部分代码如下：

# 导出所需包
from pyecharts.charts import Pie, Line, Tab, Map, Bar, WordCloud, Page
from pyecharts import options as opts 
from pyecharts.globals import SymbolType
import stylecloud

视频各年发布数量

# 发布数量
pub_year = df.publish_time.dt.year.value_counts().sort_index()

# 条形图
bar0 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))
bar0.add_xaxis(pub_year.index.tolist())
bar0.add_yaxis('', pub_year.values.tolist())
bar0.set_global_opts(title_opts=opts.TitleOpts(title='B站李子柒视频各年发布数量'), 
                     visualmap_opts=opts.VisualMapOpts(max_=50),
                    )
bar0.render()