python晋江文学城数据分析——简单的可视化（pyecharts）

kpl_22b

已于 2023-04-10 10:27:34 修改

阅读量2.1k

点赞数 5

文章标签：数据分析数据挖掘 python

于 2023-04-10 10:21:45 首次发布

本文链接：https://blog.csdn.net/kpl_22b/article/details/130022105

版权

本节用pyecharts对一些非数值的数据进行初步的较为简单的可视化。

1饼图

1.1代码

#以性向为例
group1 = data.groupby(['性向']).count().sort_values('作品',ascending=False)
c = (
    Pie(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add("", [list(z) for z in zip(group1.index.tolist(), group1['作品'].tolist())],radius=130)  # zip函数两个部分组合在一起list(zip(x,y))-----> [(x,y)]
    .set_global_opts(title_opts=opts.TitleOpts(title="Pie-性向"))  # 标题
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}({d}%)"))  # 数据标签设置
)
c.render_notebook()

1.2结果

1.2.1性向

言情占半数，纯爱占近4成，百合和无CP共占一成，百合比无CP略高，女尊几乎可忽略不计。目前看来，作为所谓小众题材的纯爱作品数虽然不及言情，但声量也不小，而百合、无CP、女尊在晋江较为小众。

由于女尊数量过少，分析不具有普遍性，接下来展开分析主要针对其他四个性向。

1.2.2原创性

从左到右，从上往下依次是言情、纯爱、百合、无CP。

可以看到，言情和纯爱的原创衍生比基本在8:2，而百合的原创达到98.37%，基本都是原创。而无CP则与前三者相反，衍生文学反而是大头，占比56.82%。后续可借助其他数据对无CP的衍生较多的原因进行一个分析。

1.2.3时代

从左到右，从上往下依次是言情、纯爱、百合、无CP。

四种性向都是近代现代占比高，百合占比更是高达64.75%，剩下三者也均在54%-58%之间。其他也是以架空历史、幻想未来、古色古香依次递减。稍有所不同的是，相较其他二者，言情和无CP的架空历史占比较高，都在30%左右，纯爱和无CP的幻想未来占比较高，在15%左右。

1.2.4类型

从左到右，从上往下依次是言情、纯爱、百合、无CP。

除了无CP外，其他三个性向均是爱情占比最大，百合占比更是将近90%，言情和纯爱在70%上下，有点奇怪的是无CP里爱情也能占比到2.71%。

无CP相较于其他性向，明显类型更加杂乱，东方衍生占比最大（27.59%），剧情（19.72%），其他衍生（13.06%），轻小说（11.15%），奇幻（6.8%），西方衍生（6.4%），传奇（5.2%）

对言情、纯爱去掉爱情后的图进行分析，言情和纯爱中东方衍生都达到了33%，占比最大，

言情中占比较大的是东方衍生（33.25%），仙侠（11.26%），西方衍生（10.55%），奇幻（9.14%），其他衍生（8.46%），剧情（8.02%）。

纯爱中占比较大的是东方衍生（33.52%），西方衍生（9.79%），其他衍生（9.41%），轻小说（9.34%），仙侠（8.86%）

1.2.5风格

从左到右，从上往下依次是言情、纯爱、百合、无CP。

四种性向下都是轻松为主要风格，占60%-70%，正剧位居第二，在30%左右，而报销、暗黑、悲剧甚至不超2%。

1.2.6进度

从左到右，从上往下依次是言情、纯爱、百合、无CP。

四种性向下暂停都是占据极少数，不到0.3%，言情、纯爱、百合完结连载比大概在9:1，而无CP则大概在3:1，晋江这两年无CP有渐起之势，完结连载比可以印证这一点。

1.2.7视角

从左到右，从上往下依次是言情、纯爱、百合、无CP。

四种性向在视角方面呈现巨大的差异。言情女主视角为主（94.42%），纯爱视角主受为主（81.36%），主攻次之（14.04%），互攻只占不到1%，但在百合文中，互攻占（32.7%），主受次之（31.5%），主攻（26.09%），三种视角较为平均。而无CP中，男主占比最大（72.19%），女主次之（20.04%），男主视角为主，这在女频向的晋江实属一个奇怪的现象。推测可能是男频于此的替代，也有可能是纯爱近期势弱，部分作者转攻无CP的结果，需要进一步分析论证。

1.2.8出版状态

从左到右，从上往下依次是言情、纯爱、百合、无CP。

目前言情出版数和占比都是最高的（12.47%），纯爱次之（5.86%），百合（3.41%）和无CP（0.53%）较少。

1.2.9签约状态

46844本小说是由15365名作者写的，其中92.55%的作者已签约。

2柱状图/折线图

2.1代码

data1 = data.copy()
data1['年份']=data1['发表日期'].dt.year
group1 = data1.query("性向=='言情'").groupby(['年份']).count().sort_values('年份',ascending=False)
group2 = data1.query("性向=='纯爱'").groupby(['年份']).count().sort_values('年份',ascending=False)
group3 = data1.query("性向=='百合'").groupby(['年份']).count().sort_values('年份',ascending=False)
group4 = data1.query("性向=='无CP'").groupby(['年份']).count().sort_values('年份',ascending=False)
group5 = data1.query("性向=='女尊'").groupby(['年份']).count().sort_values('年份',ascending=False)

c = (
    #Bar(init_opts=opts.InitOpts(theme='white')) #背景颜色
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(group1.index.tolist())
    .add_yaxis("言情", group1['作品'].tolist())
    .add_yaxis("纯爱", group2['作品'].tolist())
    .add_yaxis("百合", group3['作品'].tolist())
    .add_yaxis("无CP", group4['作品'].tolist())
    .add_yaxis("女尊", group5['作品'].tolist())
    .set_global_opts(
        title_opts=opts.TitleOpts(title="柱状图",subtitle="slider-水平/圈选功能/切换折线、堆叠、柱状"),
        datazoom_opts=opts.DataZoomOpts(), #水平线
        brush_opts=opts.BrushOpts(), #允许圈选功能
        toolbox_opts=opts.ToolboxOpts(),#允许切换折线/堆叠/柱状 
        legend_opts=opts.LegendOpts(is_show=True,#图例的类型 这个就是商家A 商家B那个显示与否
                                    type_ = 'plain', # 图例的类型。可选值；'plain'：普通图例。缺省就是普通图例。'scroll'：可滚动翻页的图例。当图例数量较多时可以使用。
                                    ),
    )
)
c.render_notebook()

2.2结果

主要针对发表时间、发表日期这两个数据展开分析。

2.2.1年份

目前来说，晋江小说在逐年增长，大概在2015年前后，迅速增加，目前顶峰在2020年，推测2021和2022年逐年比2019年低的原因是时间积累还不够，也不排除晋江近两年流量变低或是小说质量不高的可能。

2.2.2月份

其实每个月发表作品都较为平均，2月，4月，9月会略微低，1月会略微高。

2.2.3时间

作者发表作品多集中于每天0点、9点、12点、18点、21点。

3日历图

3.1代码

data1 = data.copy()
data1['年份']=data1['发表日期'].dt.year
group1 = data1.query("年份==2020").groupby(['发表日期']).count().sort_values('作品',ascending=False)
# 把数据框转变成列表，以便下面绘图时直接调用
df1 = [[str(x)[:10], round(y,1)] for (x, y) in zip(group1.index.tolist(), group1['作品'].tolist())]
c = (
    Calendar(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC))
    .add("", df1, calendar_opts=opts.CalendarOpts(range_="2020"))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="日历图-2020年作品发表情况"),
        visualmap_opts=opts.VisualMapOpts(
            max_=72,
            min_=1,
            orient="horizontal",
            is_piecewise=True,
            pos_top="230px",
            pos_left="100px",
        ),
    )
)
c.render_notebook()

3.2结果

选取了发表作品较多的近三年进行可视化。可以看到，每周周一发表作品明显比其他天更多，可能是作者想用以冲击周榜，每月1号，作品发表也较多，可能是作者想用以冲击月榜。

4漏斗图

4.1代码

# 设置数据分组的位置
bins_words = [0, 10000, 25000, 50000, 100000, 200000, 500000, 2000000]

words_distribution1 = pd.value_counts(pd.cut(data["当前被收藏数"], bins=bins_words), sort=False)
s=['1万以下', '1万-2万', '2万-5万', '5万-10万', '10万-20万', '20万-50万', '50万以上']
from pyecharts.charts import Funnel
c = (
    Funnel(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add("类目", [list(z) for z in zip(s, words_distribution1.values.tolist())])
    .set_global_opts(title_opts=opts.TitleOpts(title="漏斗图-收藏数"))
)
c.render_notebook()