项目二：戴师兄自学课程2.0之——弹幕内容分析

将使用师兄自学课程2.0从2021.8~2022.12的弹幕数据进行内容分析

从时间、用户、视频内容三个角度去进行分析

已有数据包括：

1-5表主要是每门课程的弹幕数据，以表1为例，主要包括以下字段：

user_level是用户等级相关信息，主要包括以下字段：

1.数据处理

import pandas as pd
import os

#导入表格数据
user_level = pd.read_excel('user_level.xlsx')
#批量读取表格1-5
excel_list=[]
#返回指定路径下都有哪些文件
for item in os.listdir('./'):
    if 'xlsx' in item and 'user_level' not in item:
        excel_list.append(item)
#拼接表格1-5
danmu = pd.DataFrame()
for item in excel_list:
    excel=pd.read_excel(item,converters={'uid':str,'id':str})
    excel['视频标题']=item#得知每一行数据来自哪个表格
    danmu=pd.concat([danmu,excel],axis=0)

此处单独导入了user_level表，将1-5个表批量导入，并拼接在了一起（每个表的字段都相同），结果如下

2.时间

2.1时间处理

from datetime import datetime
#fromtimestamp将时间戳转化为时间
danmu['弹幕创建时间']=danmu['ctime'].map(datetime.fromtimestamp)

danmu['年']=danmu['弹幕创建时间'].map(lambda x:x.year)
danmu['月份']=danmu['弹幕创建时间'].map(lambda x:x.month)
danmu['星期']=danmu['弹幕创建时间'].map(datetime.isoweekday)
danmu['小时']=danmu['弹幕创建时间'].map(lambda x:x.hour)

结果如下：

2.2时间分析

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']

此处是为了让中文可被识别，图形上中文不乱码

2.2.1月份

danmu_year=danmu[danmu['年']==2022]
danmu_year

基于2022年的弹幕数据进行时间分析

danmu_year.groupby('月份')[['id']].count().plot()

结果图如下

由图可分析出，22年，3月份的弹幕非常活跃

再来分析每个月份发弹幕的人数：

danmu_year.groupby('月份')[['uid']].nunique().plot()#nunique不会重复计算

由图可知22年，3月份，发弹幕的人也是最多的----->进行思考，为什么呢？

假设1：季节？
假设2：视频进入了推流池子？

2.2.2星期

继续分析寻找答案!

#发弹幕数量
danmu_year.groupby('星期')[['id']].count().plot()

#发弹幕人数
danmu_year.groupby('星期')[['uid']].nunique().plot()

惊奇的发现，工作日1-4，周天，弹幕是最活跃的；周五或者周六活跃度会下降

#导入pygwalker模块，是python的一个可视化工具，画图分析数据非常方便
import pygwalker as pyg
pyg.walk(danmu_year)

得出每个星期弹幕数量的折线图，再分析每个小时的（这里数据给的有问题，按理说小时也有折线图，但是做出了没有点，大概趋势同星期差不多）

chart2折线表没数据，可能是原表数据给的不对少了一部分。 按照师兄视频显示，

按照小时分析可得出，大家白天摸鱼看视频、晚上也看很勤奋

3. 用户画像

主要是用户属性分析（年龄、性别、地理位置、行为数据...）以及参与发送弹幕用户的b站等级

3.1用户处理

#按照用户uid进行分组，并计算出id数量
danmu['用户弹幕数']=danmu.groupby('uid')['id'].transform('count')
danmu

结果如下

根据uid合并danmu表和user_level表，注意合并时两个表的uid字段类型要一样，否则报错

user_level['uid']=user_level['uid'].astype(str)#因为danmu['uid']是str类型，二者要连接故需转化
danmu_level =pd.merge(danmu,user_level,on='uid',how='inner')

3.2弹幕内容

danmu_level.groupby('uid')[['id']].count().sort_values('id',ascending=False)

首先，得出每个用户发的弹幕数量，按照降序排列，得出结果如下

分析发的弹幕数最多的uid的具体弹幕内容

pd.set_option('display.max_rows',300)
danmu_level[danmu_level['uid']=='6653485828143602809']

结果如下：

老大总共发了214条弹幕，具体内容可以发现，是一个上课非常积极的人，师兄在课程内有问，老大必有答--建议纳为《学习课代表》

#接下来分析第二多弹幕数用户的弹幕内容
pd.set_option('display.max_rows',300)
danmu_level[danmu_level['uid']=='6812827409839048297']

老二，发了187条弹幕，具体内容可以发现老二很有礼貌，嘴很甜，发了夸师兄的弹幕同时非常爱笑，建议纳为《课堂氛围组组长》

#第三多弹幕数用户的弹幕内容
pd.set_option('display.max_rows',300)
danmu_level[danmu_level['uid']=='-3260951504495839240']

老三一共发了176条弹幕，是一个实操小能手，还是个小黑子，发了一条：%o__o% 像不像师兄 黑师兄了，哈哈哈叫他卷王我觉得都二刷了我一刷还没看完呢

3.3 等级分布

#根据用户等级进行分组的，并画出不同等级所发弹幕数的柱状图
danmu_level.groupby('level')[['id']].count().plot(kind='bar')

可知大部分弹幕主要来自于4、5级用户，自学课程大部分发弹幕的观众，都是B站的粘性用户

#分析发弹幕的不同用户等级的用户uid，并画出不同等级的uid数量柱状图
danmu_level.groupby('level')[['uid']].nunique().plot(kind='bar')

4 视频内容

4.1 视频内容处理

from time import strftime
from time import gmtime
#progress为进度条，单位是毫秒，得除以1000
danmu['progress']=danmu['progress']/1000
#将弹幕进度条转化为00：00：00的格式
danmu['视频进度']=danmu['progress'].map(lambda x : strftime('%H:%M:%S',gmtime(x)))
#分析进度不用精准到秒，所以只考虑小时和分钟00:00
danmu['视频进度【时分】']=danmu['视频进度'].str[:5]
danmu

结果如下：

4.2 视频内容分析

对五个视频对应的五个表进度视频内容分析

4.2.1   p1、系统认识数据分析

#将不同视频进度的弹幕数据统计出来，降序排序
p1=danmu[danmu['视频标题']=='1、系统认识数据分析.xlsx']
p1.groupby('视频进度【时分】')[['id']].count().sort_values('id',ascending=False)

结果如下：

去掉开头和结尾（因为开头和结尾都有发弹幕的习惯） 11分钟时有100条弹幕，但似乎并没有什么特殊的视频内容； 9分钟，是因为ppt内有提问，大家在互动，所以弹幕数量很多

p1[p1['视频进度【时分】']=='00:11']

出现了节奏弹幕（在看的举个手），诱发了弹幕激增

4.2.2   p2 、excel基础操作

p2=danmu[danmu['视频标题']=='2、EXCEL基础操作.xlsx']
p2.groupby('视频进度【时分】')[['id']].count().sort_values('id',ascending=False)

在3小时06~07分，弹幕表达了对师兄excel课程的认可，满意度非常高，故弹幕数量非常多

4.2.3 p3、tableau数据可视化

p3=danmu[danmu['视频标题']=='3、Tableau数据可视化.xlsx']
p3.groupby('视频进度【时分】')[['id']].count().sort_values('id',ascending=False)

57分钟师兄画面卡住了，导致弹幕的激增

4.2.4  p4、 sql从入门到实战

p4=danmu[danmu['视频标题']=='4、SQL从入门到实战.xlsx']
p4.groupby('视频进度【时分】')[['id']].count().sort_values('id',ascending=False)

1小时9分，是一个有争议的问答环节，大家各抒己见 

4.2.5   p5、python

p5=danmu[danmu['视频标题']=='5、Python.xlsx']
p5.groupby('视频进度【时分】')[['id']].count().sort_values('id',ascending=False)

21分，师兄在折磨观众，导致弹幕激增

总结

时序

现象or猜想    

1、从月份角度看，3月份参与互动的用户积极度最高，也有可能3月得到了B站大量的曝光
2、从星期维度的角度看，大家每周的状态be like:周一都在忙着开会和工作，周二、三四都在狠狠の摸鱼！周五、六在疯狂爽玩，周天逐渐找回一点学习状态
3、从小时维度来看：自学2.0，发送弹幕的人，似乎能够分为2or3类不同的人群

用户

结论  

 自学课程2.0主要的活跃用户都是由4、5级用户组成，师兄的粉丝有可能大部分都是B站的高度用户（当然有可能DY和B站都玩）（6级大佬我就不多提了）

备注    

1、如果师兄的粉丝和观众真的大部分都是B站的高度用户，那么能否去进一步评估站外引流的空间有多大、以及可行性
2、在此畅想猜测，B站的用户等级分布 是否也呈现两头窄、中间宽的情况？

内容

结论    

1、优质的视频内容是一定能够得到大家的认可的
2、弹幕的氛围与活跃度，可以直观的衡量教学类内容的视频节奏、以及知识的传达情况