抖音大V数据分析

  提取码：8828 (本文用到的文件)

• import numpy as np
  import pandas as  pd
  from pandas import Series,DataFrame
  import  matplotlib.pyplot as plt
  import seaborn as sns
  # 让图形在控制台打印出来
  
  %matplotlib inline

• douyin = pd.read_csv("douyin.csv")
  douyin.columns
  #显示抖音前10条数据
  douyin.head(10)

• douyin['gender']

• #显示抖音的性别
  douyin.loc[3:50,"gender"]

• #显示性别的数据分布
  #douyin.gender.value_counts()
  douyin['gender'].value_counts()

• douyin.info()
  

• gender=douyin.gender.replace(to_replace={"未知":"0"})
  # 抖音大v账号性别分布
  gender.value_counts().plot(kind="bar")

• # 切换为 seanborn 绘图模式
  sns.set()
  sns.countplot(x=gender)

• 

• # 看一下网红主要分布的国家
  douyin.country.value_counts()

• country = douyin.country.replace(to_replace={"China":"中国",
                                       "United States":"美国",
                                       "Hong Kong":"香港",
                                       "大韩民国":"韩国"}).value_counts()[0:12]
  country

• # 配置汉字的显示方式
  plt.rcParams["font.sans-serif"] = ["SimHei"]

• #显示横向的直方图
  plt.barh(y=country.index,width=country.values)

• douyin.country.replace(to_replace={"China":"中国",
                                       "United States":"美国",
                                       "Hong Kong":"香港",
                                       "大韩民国":"韩国"},inplace=True)

• #主要是中国的网红
  condition = douyin['country'] == '中国'
  
  China = douyin.loc[condition]
  # 找出网红主要城市的分布地
  China["province"].value_counts()[0:11].plot(kind="bar")
  
  plt.xticks(rotation = -60)

• douyin.province.replace(to_replace={"Jjlin":"吉林",
                                       "Guandong":"广东",
                                       "Sichuan":"四川",
                                       "Hubei":"湖北",
                                       "Shananxi":"陕西",
                                        "广西壮族自治区":"广西",
                                         "内蒙古自治区":"内蒙古",
                                         "新疆维吾尔自治区":"新疆"},inplace=True)

• import numpy

• # 去掉省
  def map_province(x):
      if x.endswith("省"):
          y = x.rstrip("省")
          return y
      return x

• map_province("黑龙江省")

• # 用map 映射将数据里 字段  province 带省字的名称去掉
  douyin.province = douyin.province.map(map_province)

• douyin.city.value_counts()[:10].plot(kind="barh")

• # 看大v喜欢  什么样的视频
  
  douyin.head(2)

• douyin.category.value_counts()[:10].plot(kind="bar")
  plt.xticks(rotation = 0)

• #最不关注的两个
  douyin.category.value_counts()[-2:].plot(kind="bar")
  #plt.xticks(rotation = 0)

# 绘制大v的粉丝的分布情况

douyin.fans[douyin.fans<20000000]

sns.distplot(douyin.fans[douyin.fans<20000000])

• sns.displot(douyin.fans)

• # 绘制抖音分箱的曲线分布图
  data = pd.cut(x=douyin.fans.values,bins=[0,500000,1000000,2000000,5000000,10000000,1e9],
                labels=['--50万','50-100万','100-200','200-500','500-1000','1000以上'])
  data.value_counts().plot(kind="bar")

• #发布最多的视频的抖音账号是哪些?TOP10
  top10_videos = douyin.sort_values(by="videos",ascending=False).iloc[:10][["name","videos"]]
  top10_videos.set_index("name").plot(kind="bar")
  plt.xticks(rotation = -30)

• # 查看视频数的多少与粉丝数量的关系
  samples = douyin[["videos","fans"]]
  samples

• # 查看空值
  samples.isnull

• # 散点图 查看视频数量和抖音数量的关系
  plt.scatter(samples.videos,samples.fans)

• # 查看数据分布
  sns.distplot(samples.fans)

• # 查看粉丝数2000万以内的分布
  sns.distplot(samples.fans[samples.fans<20000000])

• #查看哪些大V获取的点赞数更多？ 查看点赞数量的分布
  douyin.sort_values(by="likes",ascending=False)[["name",'likes']].set_index("name")[:10].plot(kind="bar")

• sns.distplot(douyin.likes)

• # 点赞数  小于5千万的
  
  sns.distplot(douyin.likes.loc[douyin.likes<0.5e9])