2024年最新Python2024面试题，Python分析5000+抖音大V，发现大家都喜欢这类视频！，面试的时候突然遇到答不上的问题怎么办呀

收集整理了一份《2024年最新Python全套学习资料》免费送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来

如果你需要这些资料，可以添加V无偿获取：hxbc188 （备注666）

正文

01 性别分布情况

整体上看，男女比例差别不大。

除去未知的数据，基本是1:1。

可视化代码如下。

def create_gender(df):

df = df.copy()

# 修改数值

df.loc[df.gender == ‘0’, ‘gender’] = ‘未知’

df.loc[df.gender == ‘1’, ‘gender’] = ‘男性’

df.loc[df.gender == ‘2’, ‘gender’] = ‘女性’

# 根据性别分组

gender_message = df.groupby([‘gender’])

# 对分组后的结果进行计数

gender_com = gender_message[‘gender’].agg([‘count’])

gender_com.reset_index(inplace=True)

# 饼图数据

attr = gender_com[‘gender’]

v1 = gender_com[‘count’]

# 初始化配置

pie = Pie(init_opts=opts.InitOpts(width=“800px”, height=“400px”))

# 添加数据，设置半径

pie.add(“”, [list(z) for z in zip(attr, v1)], radius=[“40%”, “75%”])

# 设置全局配置项，标题、图例、工具箱(下载图片)

pie.set_global_opts(title_opts=opts.TitleOpts(title=“抖音大V性别分布情况”, pos_left=“center”, pos_top=“top”),

legend_opts=opts.LegendOpts(orient=“vertical”, pos_left=“left”),

toolbox_opts=opts.ToolboxOpts(is_show=True, feature={“saveAsImage”: {}}))

# 设置系列配置项，标签样式

pie.set_series_opts(label_opts=opts.LabelOpts(is_show=True, formatter=“{b}:{d}%”))

pie.render(“抖音大V性别分布情况.html”)

02 点赞数

点赞数TOP10，除了「小团团」和「毒舌」，其他都是新闻媒体类的大V。

今年因为疫情，有很多新闻在抖音上都是第一时间传播，所以影响力比较大，点赞也就比较多了。

记得「四川观察」还被评论区调侃为四处观察，意思是发布消息非常快。

好奇为什么会有100万点赞数的大V，小F的抖音号都有20w+的赞。

最后发现是第三方监测收录的问题，下次可以直接剔除这批数据。

点赞破亿的有500多个大V，1000万到5000万点赞数的大V人数最多。

可视化代码如下。

def create_likes(df):

# 排序，降序

df = df.sort_values(‘likes’, ascending=False)

# 获取TOP10的数据

attr = df[‘name’][0:10]

v1 = [float(‘%.1f’ % (float(i) / 100000000)) for i in df[‘likes’][0:10]]

# 初始化配置

bar = Bar(init_opts=opts.InitOpts(width=“800px”, height=“400px”))

# x轴数据

bar.add_xaxis(list(reversed(attr.tolist())))

# y轴数据

bar.add_yaxis(“”, list(reversed(v1)))

# 设置全局配置项，标题、工具箱(下载图片)、y轴分割线

bar.set_global_opts(title_opts=opts.TitleOpts(title=“抖音大V点赞数TOP10(亿)”, pos_left=“center”, pos_top=“18”),

toolbox_opts=opts.ToolboxOpts(is_show=True, feature={“saveAsImage”: {}}),

xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)))

# 设置系列配置项，标签样式

bar.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position=“right”, color=“black”))

bar.reversal_axis()

bar.render(“抖音大V点赞数TOP10(亿).html”)

def create_cut_likes(df):

# 将数据分段

Bins = [0, 1000000, 5000000, 10000000, 25000000, 50000000, 100000000, 5000000000]

Labels = [‘0-100’, ‘100-500’, ‘500-1000’, ‘1000-2500’, ‘2500-5000’, ‘5000-10000’, ‘10000以上’]

len_stage = pd.cut(df[‘likes’], bins=Bins, labels=Labels).value_counts().sort_index()

# 获取数据

attr = len_stage.index.tolist()

v1 = len_stage.values.tolist()

# 生成柱状图

bar = Bar(init_opts=opts.InitOpts(width=“800px”, height=“400px”))

bar.add_xaxis(attr)

bar.add_yaxis(“”, v1)

bar.set_global_opts(title_opts=opts.TitleOpts(title=“抖音大V点赞数分布情况(万)”, pos_left=“center”, pos_top=“18”),

toolbox_opts=opts.ToolboxOpts(is_show=True, feature={“saveAsImage”: {}}),

yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)))

bar.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position=“top”, color=“black”))

bar.render(“抖音大V点赞数分布情况(万).html”)

03 粉丝数

「人民日报」和「央视新闻」粉丝都破亿了。

和去年的抖音数据一对比，「热巴」还少了几十万的粉丝，陈赫倒是涨了不少粉丝。

今年直播带货火热，李佳琦排入前十，也不足为奇，毕竟带货一哥。

再来看一下大V们粉丝数的分布情况。

5000万以上56个，妥妥的大佬。

200w~500w的人数最多，好多一时爆火的博主，一段时间后也基本不怎么涨粉了。

可能都停留到了这里，比如小F以前刷过的「三支花」，想不明白这都能火…

这里的可视化代码和上面差不多，就不放出来了。

公众号回复「抖音」，即可获取完整代码！

04 评论数TOP10****

抖音视频的评论区也是比较有意思的地方。

比如刷剧催更的，「赶紧去更新，都过了十几分钟了，生产队的驴都不敢休息这么久」。

还有五只疯狂摇头的猫，也占领了评论区一段时间。

小F只能说，太魔性了～

总的来说，媒体类的视频评论较多。

05 分享数TOP10****

抖音的分享是视频对外传播的一个方法，可以让更多的人看到视频。

从数据上看，大家还是比较喜欢分享新闻类以及美食类的视频。

可能过年疫情，居家一个月的时间，除了葛优躺看新闻，就是吃吃吃。

每个人，也就都有了一个成为大厨的梦想。

06 各类型点赞数/粉丝数汇总分布图

记得曾经一位大佬说过，抖音这个产品是消磨你时间的(Kill Time)，而不是节约时间(Save Time)，技术稍微深一点的视频基本上生存不下去。

由上面的矩形树图可以知道，大家都喜欢「美女」类型的视频，毕竟谁不喜欢漂亮妹子呢～

比如说深情看铜人的妹子、高考送满天星的妹子，刀小刀等等，妹子爆火的视频太多了…

另外「搞笑」、「游戏」、「剧情」类的视频也比较吸引人，妥妥的Kill Time。

可视化代码如下。

def create_type_likes(df):

# 分组求和

likes_type_message = df.groupby([‘category’])

likes_type_com = likes_type_message[‘likes’].agg([‘sum’])

likes_type_com.reset_index(inplace=True)

# 处理数据

dom = []

for name, num in zip(likes_type_com[‘category’], likes_type_com[‘sum’]):

data = {}

data[‘name’] = name

data[‘value’] = num

dom.append(data)

print(dom)

# 初始化配置

treemap = TreeMap(init_opts=opts.InitOpts(width=“800px”, height=“400px”))

# 添加数据

treemap.add(‘’, dom)

# 设置全局配置项，标题、工具箱(下载图片)

treemap.set_global_opts(title_opts=opts.TitleOpts(title=“各类型抖音大V点赞数汇总图”, pos_left=“center”, pos_top=“5”),

toolbox_opts=opts.ToolboxOpts(is_show=True, feature={“saveAsImage”: {}}),

legend_opts=opts.LegendOpts(is_show=False))

treemap.render(“各类型抖音大V点赞数汇总图.html”)

07 平均视频点赞数/粉丝数TOP10

「李现」作为2019年的顶级流量，登顶第一，没啥问题。

其他的博主小F一个也没关注过。

去搜索了一下，发现大部分账号只有一两个视频。

看了评论区，发现原来号被卖掉了，有可能是大V和公司分手了，毕竟现在好多做网红的公司，不火就下一位。

另一种就是个人转让账号，变现赚钱跑路咯。

可视化代码如下。

def create_avg_likes(df):

# 筛选

df = df[df[‘videos’] > 0]

# 计算单个视频平均点赞数

df.eval(‘result = likes/(videos*10000)’, inplace=True)

df[‘result’] = df[‘result’].round(decimals=1)

df = df.sort_values(‘result’, ascending=False)

# 取TOP10

attr = df[‘name’][0:10]

v1 = [‘%.1f’ % (float(i)) for i in  df[‘result’][0:10]]

# 初始化配置

bar = Bar(init_opts=opts.InitOpts(width=“800px”, height=“400px”))

# 添加数据

bar.add_xaxis(list(reversed(attr.tolist())))

bar.add_yaxis(“”, list(reversed(v1)))

# 设置全局配置项，标题、工具箱(下载图片)、y轴分割线

bar.set_global_opts(title_opts=opts.TitleOpts(title=“抖音大V平均视频点赞数TOP10(万)”, pos_left=“center”, pos_top=“18”),

toolbox_opts=opts.ToolboxOpts(is_show=True, feature={“saveAsImage”: {}}),

xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)))

# 设置系列配置项

bar.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position=“right”, color=“black”))

# 翻转xy轴

bar.reversal_axis()

bar.render(“抖音大V平均视频点赞数TOP10(万).html”)

08 抖音大V分布情况

可以看出西藏一个大V都没有，所以没有颜色。

广东、浙江、四川位列前三。

可视化代码如下。

def create_province_map(df):

# 筛选数据

df = df[df[“country”] == “中国”]

df1 = df.copy()

# 数据替换

df1[“province”] = df1[“province”].str.replace(“省”, “”).str.replace(“壮族自治区”, “”).str.replace(“维吾尔自治区”, “”).str.replace(“自治区”, “”)

# 分组计数

df_num = df1.groupby(“province”)[“province”].agg(count=“count”)

df_province = df_num.index.values.tolist()

df_count = df_num[“count”].values.tolist()

# 初始化配置

map = Map(init_opts=opts.InitOpts(width=“800px”, height=“400px”))

# 中国地图

map.add(“”, [list(z) for z in zip(df_province, df_count)], “china”)

# 设置全局配置项，标题、工具箱(下载图片)、颜色图例

map.set_global_opts(title_opts=opts.TitleOpts(title=“抖音大V省份分布情况”, pos_left=“center”, pos_top=“0”),

toolbox_opts=opts.ToolboxOpts(is_show=True, feature={“saveAsImage”: {}}),

# 设置数值范围0-600，is_piecewise标签值连续

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

如果你需要这些资料，可以添加V无偿获取：hxbc188 （备注666）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
用到实际当中去，这时候可以搞点实战案例来学习。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

如果你需要这些资料，可以添加V无偿获取：hxbc188 （备注666）
[外链图片转存中…(img-81rjvQkc-1713841450406)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！