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 )