CDA數據分析師 出品
作者:Mika
數據:真達
後期:Mika、澤龍
【導語】:今天我們來聊聊把生活過成詩的李子柒。Python技術部分請看第二部分。Show me data,用數據說話。
“李家有女,人稱子柒。”如果說到當下最火的網紅,想必很多人都會想到李子柒。日出而作,日落而息,看似平淡無奇的日子,李子柒卻總能過成一首詩、一幅畫。
三月桃花熟了,採來釀桃花酒。四月枇杷成熟,釀枇杷酒…隨着不同時令季節,做出不同的美食,看過李子柒視頻的人,無一不對那視頻裏的古風田園生活嚮往憧憬着,同時也帶給了無數人治癒的力量。
目前在B站上,李子柒共有579萬的粉絲。入駐到現在僅僅發佈了共125條視頻,但隨便翻翻視頻列表,幾乎每個視頻都是爆款。
那麼,她的這些視頻都有些什麼特點,播放量最高的視頻是哪個?今天我們就帶你用數據來解讀李子柒。
01、“把生活過成詩” ,李子柒的視頻爲什麼這麼吸引人?
我們用Python對李子柒在B站上發佈的125個視頻進行了分析。分析流程包括以下這三個步驟:
- 數據讀入
- 數據清洗
- 數據可視化
首先讓我們看到分析結果:
視頻各年發佈數量
先看到李子柒在B站上各年發佈的視頻數量。
從2016年7月開始,李子柒在B站發佈了第一個視頻。根據統計,在2016年她共發佈了14個視頻。2017-2019年這三年發佈的視頻數量差不多,都是在34條左右,平均下來每個月發佈2.8個視頻。截止到目前爲止,在2020年發佈了8個視頻。
視頻各月發佈數量
大家都說在李子柒的視頻中可以感受到一年四季的變化,那麼她在哪些月份發佈的視頻最多呢?
分析發現,其中夏季的視頻明顯高於其他季節,特別是8月份,在全部125個視頻中就有26個視頻在8月發佈,佔比20%。其次,秋季也是李子柒視頻高產的季節,9-11月共發佈36個視頻。
視頻發佈時間線
在視頻發佈時間上有什麼特點呢?
通過對李子柒視頻發佈時間線的分析,我們發現有四個發佈視頻的高峯時間,分別是中午12點,下午4點,下午6點,以及晚上9點。其中晚上九點發布的視頻最多,共有14個。
視頻類型佔比
在視頻類型上,當然美食是最多的了,佔比高達87.2%。其次是手工類型的視頻,佔比12%。最少的是美妝視頻,在目前發佈的125個視頻僅有1個是美妝類型的。
視頻排行榜表現
在所有125個視頻中,有72個登上了B站日排行榜。其中進入前10名的共有7個,其次是50-100名的,有12個視頻。10-50名和100名以上的視頻最多,均爲53個。
各類視頻數據平均表現
下面再看到李子柒視頻各類數據平均表現。
其中視頻的平均彈幕數爲8361條,點贊數爲52965個,投幣爲32690個。收藏數爲8455個,平均轉發爲5652次。
哪些視頻播放量最高?哪些視頻彈幕互動最多呢?
播放量TOP10視頻
讓我們分別看看,首先是播放量最高視頻top10榜單,播放最多的視頻是《聽說愛吃螺螄粉的朋友,都很可愛阿!》,播放量達到了526萬餘次。看來螺螄粉果然是妥妥的國民級網紅小吃啊。
這個視頻的彈幕中都在說些什麼?
可以看到,在播放量最高的螺螄粉視頻中,彈幕中討論頻率最高的就是各種食材啦,比如"田螺"、"螺螄"、"豆角"、"辣椒"、"豇豆"等等。還有"廣西"這個螺螄粉的原產地也被提及。有意思的是,同樣拍了螺螄粉主題的美食區up主比如"蛋黃派"也在彈幕中被提到。
彈幕數TOP10視頻
然後是彈幕最多視頻top10,彈幕最多的視頻是《所以這個視頻就叫辣椒的一生》總彈幕數達到4萬餘條。這個視頻的彈幕中都在說些什麼?
這個視頻的彈幕特別有意思,彈幕中討論最多的就是各種許願相關的詞了,比如"上岸"、"考上"、"考研"、"成功"、"順利"、"加油"等詞,被提到的頻率最高。
我們再分析下李子柒的視頻標題,她的視頻標題比較有特點,基本都是【關鍵詞】+簡單描述。比如:【小麥的一生】一株小麥,變化出紮根在每個人記憶裏的味道。
視頻標題關鍵詞詞雲
我們先看到關鍵詞的詞雲特點,可以看到關鍵詞中除了"李子柒","桃花"、"臘味"、"豌豆"都是出現頻率特別高的食材。同時"手工"也是高頻詞。其次某種食材的"一生",也是李子柒熱衷拍攝的主題。
視頻標題描述詞雲
那麼視頻標題描述上有什麼特點呢?
分析發現"味道"出現的頻率最高,遠遠超出其他詞。其次,"夏天"、"千年"、"家裏"、"記憶裏"等詞也頻頻出現。
02、教你用Python分析,李子柒的視頻都在拍些什麼?
下面讓我們看到關鍵的分析步驟:
我們Python獲取了B站上李子柒發佈的125個視頻相關信息,進行了以下分析,分析流程如下:
- 數據讀入
- 數據清洗
- 數據可視化
數據讀入
首先讀入分析所用的數據集,本數據集一共包含125個樣本,11個字段,字段含義爲:視頻標題、一級分類、二級分類、發佈時間、最高全站排名、總播放數、歷史累計彈幕、點贊、投幣、收藏和分享數。數據預覽如下:
# 導入包 import numpy as np import pandas as pd import re # 讀入數據 df = pd.read_excel('./data/李子柒視頻數據.xlsx') df.head()
數據清洗
此部分我們初步對以下信息進行簡單的處理,其中包含:
- title:提取主題和介紹
- top_rank:提取數值
- view_num:提取數值
- dm_num: 提取數值
- dianzan: 計算數值
- toubi: 計算數值
- shoucang:計算數值
- zhuanfa:計算數值
# 定義轉換函數 def transform_num(x): str1 = str(x) if '萬' in str1: return float(str1.strip('萬'))*10000 else: return float(str1) # 提取數據 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)) # 轉換類型 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'])
經過處理之後的數據如下所示:
df.head(2)
數據可視化
此處我們將進行以下部分的可視化分析,首先導入所需包,其中pyecharts用於繪製動態可視化圖形,stylecloud包用於繪製詞雲圖。關鍵部分代碼如下:
# 導出所需包 from pyecharts.charts import Pie, Line, Tab, Map, Bar, WordCloud, Page from pyecharts import options as opts from pyecharts.globals import SymbolType import stylecloud
視頻各年發佈數量
# 發佈數量 pub_year = df.publish_time.dt.year.value_counts().sort_index() # 條形圖 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站李子柒視頻各年發佈數量'), visualmap_opts=opts.VisualMapOpts(max_=50), ) bar0.render()
視頻各月發佈數量
pub_month = df.publish_time.dt.month.value_counts().sort_index() # 條形圖 bar = Bar(init_opts=opts.InitOpts(width='1350px', height='750px')) bar.add_xaxis([str(i)+'月'for i in pub_month.index.tolist()]) bar.add_yaxis('', pub_month.values.tolist()) bar.set_global_opts(title_opts=opts.TitleOpts(title='B站李子柒視頻各月發佈數量'), visualmap_opts=opts.VisualMapOpts(max_=30), ) bar.render()
視頻發佈時間線
# 發佈時間點分佈 pub_hour = df.publish_time.dt.hour.value_counts().sort_index() # 產生數據 x1_line1 = [i+'點' for i in pub_hour.index.values.astype('str').tolist()] y1_line1 = pub_hour.values.tolist() # 繪製面積圖 line1 = Line(init_opts=opts.InitOpts(width='1350px', height='750px')) line1.add_xaxis(x1_line1) line1.add_yaxis('', y1_line1, markpoint_opts=opts.MarkPointOpts(data=[ opts.MarkPointItem(type_='max', name='最大值'), opts.MarkPointItem(type_='min', name='最小值') ])) line1.set_global_opts(title_opts=opts.TitleOpts('B站李子柒視頻日發佈時間線'), visualmap_opts=opts.VisualMapOpts(max_=20) ) line1.set_series_opts(label_opts=opts.LabelOpts(is_show=False), linestyle_opts=opts.LineStyleOpts(width=3)) line1.render()
發佈視頻類型佔比
# 視頻類型佔比 cat_num = df.cat2.value_counts() # 產生數據對 data_pair = [list(z) for z in zip(cat_num.index.tolist(), cat_num.values.tolist())] # 繪製餅圖 # {a}(系列名稱),{b}(數據項名稱),{c}(數值), {d}(百分比) pie1 = Pie(init_opts=opts.InitOpts(width='1350px', height='750px')) pie1.add('', data_pair=data_pair, radius=['35%', '60%']) pie1.set_global_opts(title_opts=opts.TitleOpts(title='B站李子柒發佈視頻類型佔比'), legend_opts=opts.LegendOpts(orient='vertical', pos_top='15%', pos_left='2%')) pie1.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%")) pie1.render()
有排名數據視頻表現
top_rank_num = df.top_rank.dropna().astype('int') cut_bins = [1,10,30,50,100] top_num = pd.cut(top_rank_num, bins=cut_bins, labels=['前10名', '10-30名', '30-50名', '50-100名']).value_counts() # 數據對 data_pair_2 = [list(z) for z in zip(top_num.index.tolist(), top_num.values.tolist())] # 餅圖 pie2 = Pie(init_opts=opts.InitOpts(width='1350px', height='750px')) pie2.add('', data_pair=data_pair_2, radius=['35%', '60%']) pie2.set_global_opts(title_opts=opts.TitleOpts(title='B站李子柒有排名數據視頻表現'), legend_opts=opts.LegendOpts(orient='vertical', pos_top='15%', pos_left='2%')) pie2.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:數量:{c}\n佔比:{d}%")) pie2.render()
視頻各類數據平均表現
df_num = df[['view_num', 'dm_num', 'dianzan', 'toubi', 'shoucang', 'zhuanfa']].mean() # 條形圖 bar3 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px')) bar3.add_xaxis(['彈幕數', '點贊數', '投幣數', '收藏數', '轉發數']) bar3.add_yaxis('', df_num.values.tolist()[1:]) bar3.set_global_opts(title_opts=opts.TitleOpts(title='B站李子柒視頻各類數據平均表現'), visualmap_opts=opts.VisualMapOpts(max_=50000), ) bar3.render()
播放數Top10視頻
# 最多播放top10 view_top10 = df.sort_values('view_num', ascending=False).head(10)[['title', 'view_num']] view_top10 = view_top10.sort_values('view_num') # 柱形圖 bar1 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px')) bar1.add_xaxis(view_top10.title.values.tolist()) bar1.add_yaxis('', view_top10.view_num.values.tolist()) bar1.set_global_opts(title_opts=opts.TitleOpts(title='B站李子柒播放數Top10視頻'), yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(position='inside')), visualmap_opts=opts.VisualMapOpts(max_=3000000), ) bar1.set_series_opts(label_opts=opts.LabelOpts(position='right')) bar1.reversal_axis() bar1.render()
彈幕數Top10視頻
# 彈幕最多top10 dm_top10 = df.sort_values('dm_num', ascending=False).head(10)[['title', 'dm_num']] dm_top10 = dm_top10.sort_values("dm_num") # 柱形圖 bar2 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px')) bar2.add_xaxis(dm_top10.title.values.tolist()) bar2.add_yaxis('', dm_top10.dm_num.values.tolist()) bar2.set_global_opts(title_opts=opts.TitleOpts(title='B站李子柒彈幕數Top10視頻'), visualmap_opts=opts.VisualMapOpts(max_=40999), ) bar2.set_series_opts(label_opts=opts.LabelOpts(position='right')) bar2.reversal_axis() bar2.render()
視頻標題詞雲圖
import stylecloud stylecloud.gen_stylecloud(text=' '.join(word_num_selected), #text需要是str類型 palette='tableau.Tableau_10', collocations=False, font_path=r'C:\Windows\Fonts\msyh.ttc', # 字體 icon_name='fas fa-heart', size=768, output_name='李子柒視頻標題詞雲圖.png' # 生成圖片 )