CDA数据分析师 出品
作者：Mika
数据：真达
后期：Mika、泽龙
【导语】：今天我们来聊聊把生活过成诗的李子柒。Python技术部分请看第二部分。Show me data，用数据说话。
“李家有女，人称子柒。”如果说到当下最火的网红，想必很多人都会想到李子柒。日出而作，日落而息，看似平淡无奇的日子，李子柒却总能过成一首诗、一幅画。
三月桃花熟了，采来酿桃花酒。四月枇杷成熟，酿枇杷酒…随着不同时令季节，做出不同的美食，看过李子柒视频的人，无一不对那视频里的古风田园生活向往憧憬着，同时也带给了无数人治愈的力量。
目前在B站上，李子柒共有579万的粉丝。入驻到现在仅仅发布了共125条视频，但随便翻翻视频列表，几乎每个视频都是爆款。
那么，她的这些视频都有些什么特点，播放量最高的视频是哪个？今天我们就带你用数据来解读李子柒。
01、“把生活过成诗” ，李子柒的视频为什么这么吸引人？
我们用Python对李子柒在B站上发布的125个视频进行了分析。分析流程包括以下这三个步骤：
- 数据读入
- 数据清洗
- 数据可视化
首先让我们看到分析结果：
视频各年发布数量
先看到李子柒在B站上各年发布的视频数量。
从2016年7月开始，李子柒在B站发布了第一个视频。根据统计，在2016年她共发布了14个视频。2017-2019年这三年发布的视频数量差不多，都是在34条左右，平均下来每个月发布2.8个视频。截止到目前为止，在2020年发布了8个视频。
视频各月发布数量
大家都说在李子柒的视频中可以感受到一年四季的变化，那么她在哪些月份发布的视频最多呢？
分析发现，其中夏季的视频明显高于其他季节，特别是8月份，在全部125个视频中就有26个视频在8月发布，占比20%。其次，秋季也是李子柒视频高产的季节，9-11月共发布36个视频。
视频发布时间线
在视频发布时间上有什么特点呢？
通过对李子柒视频发布时间线的分析，我们发现有四个发布视频的高峰时间，分别是中午12点，下午4点，下午6点，以及晚上9点。其中晚上九点发布的视频最多，共有14个。
视频类型占比
在视频类型上，当然美食是最多的了，占比高达87.2%。其次是手工类型的视频，占比12%。最少的是美妆视频，在目前发布的125个视频仅有1个是美妆类型的。
视频排行榜表现
在所有125个视频中，有72个登上了B站日排行榜。其中进入前10名的共有7个，其次是50-100名的，有12个视频。10-50名和100名以上的视频最多，均为53个。
各类视频数据平均表现
下面再看到李子柒视频各类数据平均表现。
其中视频的平均弹幕数为8361条，点赞数为52965个，投币为32690个。收藏数为8455个，平均转发为5652次。
哪些视频播放量最高？哪些视频弹幕互动最多呢？
播放量TOP10视频
让我们分别看看，首先是播放量最高视频top10榜单，播放最多的视频是《听说爱吃螺蛳粉的朋友，都很可爱阿!》，播放量达到了526万余次。看来螺蛳粉果然是妥妥的国民级网红小吃啊。
这个视频的弹幕中都在说些什么？
可以看到，在播放量最高的螺蛳粉视频中，弹幕中讨论频率最高的就是各种食材啦，比如"田螺"、"螺蛳"、"豆角"、"辣椒"、"豇豆"等等。还有"广西"这个螺蛳粉的原产地也被提及。有意思的是，同样拍了螺蛳粉主题的美食区up主比如"蛋黄派"也在弹幕中被提到。
弹幕数TOP10视频
然后是弹幕最多视频top10，弹幕最多的视频是《所以这个视频就叫辣椒的一生》总弹幕数达到4万余条。这个视频的弹幕中都在说些什么？
这个视频的弹幕特别有意思，弹幕中讨论最多的就是各种许愿相关的词了，比如"上岸"、"考上"、"考研"、"成功"、"顺利"、"加油"等词，被提到的频率最高。
我们再分析下李子柒的视频标题，她的视频标题比较有特点，基本都是【关键词】+简单描述。比如：【小麦的一生】一株小麦，变化出扎根在每个人记忆里的味道。
视频标题关键词词云
我们先看到关键词的词云特点，可以看到关键词中除了"李子柒"，"桃花"、"腊味"、"豌豆"都是出现频率特别高的食材。同时"手工"也是高频词。其次某种食材的"一生"，也是李子柒热衷拍摄的主题。
视频标题描述词云
那么视频标题描述上有什么特点呢？
分析发现"味道"出现的频率最高，远远超出其他词。其次，"夏天"、"千年"、"家里"、"记忆里"等词也频频出现。
02、教你用Python分析，李子柒的视频都在拍些什么？
下面让我们看到关键的分析步骤：
我们Python获取了B站上李子柒发布的125个视频相关信息，进行了以下分析，分析流程如下：
- 数据读入
- 数据清洗
- 数据可视化
数据读入
首先读入分析所用的数据集，本数据集一共包含125个样本，11个字段，字段含义为：视频标题、一级分类、二级分类、发布时间、最高全站排名、总播放数、历史累计弹幕、点赞、投币、收藏和分享数。数据预览如下：
# 导入包
import numpy as np
import pandas as pd
import re
# 读入数据
df = pd.read_excel('./data/李子柒视频数据.xlsx')
df.head()
数据清洗
此部分我们初步对以下信息进行简单的处理，其中包含：
- title：提取主题和介绍
- top_rank：提取数值
- view_num：提取数值
- dm_num: 提取数值
- dianzan: 计算数值
- toubi: 计算数值
- shoucang：计算数值
- zhuanfa：计算数值
# 定义转换函数
def transform_num(x):
str1 = str(x)
if '万' in str1:
return float(str1.strip('万'))*10000
else:
return float(str1)
# 提取数据
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))
# 转换类型
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'])
经过处理之后的数据如下所示：
df.head(2)
数据可视化
此处我们将进行以下部分的可视化分析，首先导入所需包，其中pyecharts用于绘制动态可视化图形，stylecloud包用于绘制词云图。关键部分代码如下：
# 导出所需包 from pyecharts.charts import Pie, Line, Tab, Map, Bar, WordCloud, Page from pyecharts import options as opts from pyecharts.globals import SymbolType import stylecloud
视频各年发布数量
# 发布数量
pub_year = df.publish_time.dt.year.value_counts().sort_index()
# 条形图
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站李子柒视频各年发布数量'),
visualmap_opts=opts.VisualMapOpts(max_=50),
)
bar0.render()
视频各月发布数量
pub_month = df.publish_time.dt.month.value_counts().sort_index()
# 条形图
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站李子柒视频各月发布数量'),
visualmap_opts=opts.VisualMapOpts(max_=30),
)
bar.render()
视频发布时间线
# 发布时间点分布
pub_hour = df.publish_time.dt.hour.value_counts().sort_index()
# 产生数据
x1_line1 = [i+'点' for i in pub_hour.index.values.astype('str').tolist()]
y1_line1 = pub_hour.values.tolist()
# 绘制面积图
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站李子柒视频日发布时间线'),
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()
发布视频类型占比
# 视频类型占比
cat_num = df.cat2.value_counts()
# 产生数据对
data_pair = [list(z) for z in zip(cat_num.index.tolist(), cat_num.values.tolist())]
# 绘制饼图
# {a}（系列名称），{b}（数据项名称），{c}（数值）, {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站李子柒发布视频类型占比'),
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()
有排名数据视频表现
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()
# 数据对
data_pair_2 = [list(z) for z in zip(top_num.index.tolist(), top_num.values.tolist())]
# 饼图
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站李子柒有排名数据视频表现'),
legend_opts=opts.LegendOpts(orient='vertical', pos_top='15%', pos_left='2%'))
pie2.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:数量:{c}\n占比:{d}%"))
pie2.render()
视频各类数据平均表现
df_num = df[['view_num', 'dm_num', 'dianzan', 'toubi', 'shoucang', 'zhuanfa']].mean()
# 条形图
bar3 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))
bar3.add_xaxis(['弹幕数', '点赞数', '投币数', '收藏数', '转发数'])
bar3.add_yaxis('', df_num.values.tolist()[1:])
bar3.set_global_opts(title_opts=opts.TitleOpts(title='B站李子柒视频各类数据平均表现'),
visualmap_opts=opts.VisualMapOpts(max_=50000),
)
bar3.render()
播放数Top10视频
# 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')
# 柱形图
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站李子柒播放数Top10视频'),
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()
弹幕数Top10视频
# 弹幕最多top10
dm_top10 = df.sort_values('dm_num', ascending=False).head(10)[['title', 'dm_num']]
dm_top10 = dm_top10.sort_values("dm_num")
# 柱形图
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站李子柒弹幕数Top10视频'),
visualmap_opts=opts.VisualMapOpts(max_=40999),
)
bar2.set_series_opts(label_opts=opts.LabelOpts(position='right'))
bar2.reversal_axis()
bar2.render()
视频标题词云图
import stylecloud stylecloud.gen_stylecloud(text=' '.join(word_num_selected), #text需要是str类型 palette='tableau.Tableau_10', collocations=False, font_path=r'C:\Windows\Fonts\msyh.ttc', # 字体 icon_name='fas fa-heart', size=768, output_name='李子柒视频标题词云图.png' # 生成图片 )
6648
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
