【Python數據分析案例】python數據分析老番茄B站數據（pandas常用基礎數據分析代碼）

• 2022 年 5 月 7 日
• 筆記
• pandas, pandas數據分析, python可視化, Python數據分析, 數據分析, 統計分析

一、爬取老番茄B站數據

前幾天開發了一個python爬蟲腳本，成功爬取了B站李子柒的視頻數據，共142個視頻，17個字段，含：

視頻標題，視頻地址，視頻上傳時間，視頻時長，是否合作視頻，視頻分區，彈幕數，播放量，點贊數，投幣量，收藏量，評論數，轉發量，實時爬取時間

基於這個Python爬蟲程序，我更換了up主的UID，把李子柒的uid換成了老番茄的uid，便成功爬取了老番茄的B站數據。共393個視頻，17個字段，字段同上。
這裡展示下爬取到的前20個視頻數據：

基於爬取的老番茄B站數據，用python做了以下基礎數據分析的開發。

二、python數據分析

1、讀取數據源

import pandas as pd
df = pd.read_excel('B站視頻數據_老番茄.xlsx', parse_dates=['視頻上傳時間', '實時爬取時間'])  # 讀取excel數據

2、查看數據概況

df.head(3)  # 查看前三行數據
df.shape  # 查看形狀，幾行幾列
df.info()  # 查看列信息
df.describe()  # 數據分析
df['是否合作視頻'].value_counts()  # 統計：是否合作視頻
df['視頻分區'].value_counts()  # 統計：視頻分區

3、查看異常值

df2 = df[['視頻標題', '視頻地址', '彈幕數', '播放量',
          '點贊數', '投幣量', '收藏量', '評論數', '轉發量', '視頻上傳時間']]  # 去掉不關心的列
df2.loc[df.評論數 == 0]  # 評論數是0的數據
df2.isnull().any()  # 空值
df2.duplicated().any()  # 重複值

4.1、查看最大值（max函數）

df2.loc[df.播放量 == df['播放量'].max()]  # 播放量最高的視頻
df2.loc[df.彈幕數 == df['彈幕數'].max()]  # 彈幕數最高的視頻

4.2、查看最小值（min函數）

df2.loc[df.投幣量 == df['投幣量'].min()]  # 投幣量最小的視頻
df2.loc[df.收藏量 == df['收藏量'].min()]  # 收藏量最小的視頻

5.1、查看TOP3的視頻（nlargest函數）

df2.nlargest(n=3, columns='播放量')  # 播放量TOP3的視頻
df2.nlargest(n=3, columns='投幣量')  # 投幣量TOP3的視頻

5.2、查看倒數3的視頻（nsmallest函數）

df2.nsmallest(n=3, columns='評論數')  # 評論數倒數3的視頻
df2.nsmallest(n=3, columns='轉發量')  # 轉發量倒數3的視頻

6、查看相關性

# 查看spearman相關性（得出結論：收藏量&投幣量，相關性最大，0.98）
df2.corr(method='spearman')  

7.1、可視化分析-plot

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 顯示中文標籤  # 指定默認字體
plt.rcParams['axes.unicode_minus'] = False  # 解決保存圖像是負號'-'顯示為方塊的問題
# 可視化效果不好
df2.plot(x='視頻上傳時間', y=['彈幕數', '播放量', '點贊數', '投幣量', '收藏量', '評論數', '轉發量'])

7.2、可視化分析-pyecharts

from pyecharts.charts import Line  # 折線圖所導入的包
from pyecharts import options as opts  # 全局設置所導入的包
time_list = df2['視頻上傳時間'].astype(str).values.tolist()
line = (
    Line()  # 實例化Line
    # 加入X軸數據
    .add_xaxis(time_list)
    # 加入Y軸數據
    .add_yaxis("彈幕數", df2['彈幕數'].values.tolist())
    .add_yaxis("播放量", df2['播放量'].values.tolist())
    .add_yaxis("點贊數", df2['點贊數'].values.tolist())
    .add_yaxis("投幣量", df2['投幣量'].values.tolist())
    .add_yaxis("收藏量", df2['收藏量'].values.tolist())
    .add_yaxis("評論數", df2['評論數'].values.tolist())
    .add_yaxis("轉發量", df2['轉發量'].values.tolist())
    .set_global_opts(title_opts=opts.TitleOpts(title="老番茄B站數據分析"),
                     legend_opts=opts.LegendOpts(is_show=True),
                     )
    # 全局設置項
)

至此，基礎數據分析工作完成了。

三、同步講解視頻

逐行代碼視頻講解：
//www.zhihu.com/zvideo/1455460990275567616

by 馬哥python說