案例標題：用python可視化分析，B站Top100排行榜數據。 分析流程： 一、數據讀取 二、數據概覽 三、數據清洗 四、可視化分析 ·相關性分析-散點圖（scatter） ·得分分佈-餅圖（pie） ·各指標分佈-箱形圖（boxplot） ·視頻作者分析-詞雲圖（wordcloud） ...
目錄
一、數據源
之前，我分享過一期爬蟲，用python爬取Top100排行榜：
最終數據結果，是這樣的：
在此數據基礎上，做python可視化分析。
二、數據讀取
首先，讀取數據源：
# 讀取csv數據
df = pd.read_csv(csv)
三、數據概覽
用shape查看數據形狀：
# 查看數據形狀
df.shape
用head查看前n行：
# 查看前5行
df.head(5)
用info查看列信息：
# 查看列信息
df.info()
用describe查看統計性分析：
# 描述性統計分析
df.describe()
四、數據清洗
查看是否存在空值：
# 查看空值
df.isna().any()
每列都是False，沒有空值。
查看是否存在重覆值：
#查看重覆值
df.duplicated().any()
False代表沒有重覆值。
上面我們看到，點踩數都是0，沒有分析意義，所以，用drop刪除此列：
# 刪除沒用的列
df.drop('點踩數', axis=1, inplace=True)
刪除之後，查看刪除結果：
沒有點踩數了。
五、可視化分析
5.1 相關性分析（Correlation）
數據中，有播放數、彈幕數、投幣數、點贊數、分享數、收藏數等眾多數據指標。
我想分析出，這些指標中，誰和綜合得分的關係最大，決定性最高。
直接採用pandas自帶的corr函數，得出相關性（spearman相關）矩陣：
可以看出，點贊數和綜合得分的相關性最高，達到了0.66。
根據此分析結論，進一步畫出點贊數和綜合得分的分佈散點圖，驗證此結論的正確性。
得出結論：隨著點贊數增多，綜合得分呈明顯上升趨勢，進一步得出，二者存在正相關的關係。
5.2 餅圖（Pie）
綜合得分劃分分佈區間，繪製出分佈餅圖。
首先，劃分數據區間：
# 設置分段
bins = [1000000, 1500000,2000000, 2500000, 3000000, 10000000]
# 設置標簽
labels = [
'100w-150w',
'150w-200w',
'200w-250w',
'250w-300w',
'300w-1000w'
]
# 按分段離散化數據
segments = pd.cut(score_list, bins, labels=labels) # 按分段切割數據
counts = pd.value_counts(segments, sort=False).values.tolist() # 統計個數
至於區間怎麼劃分，可以按照對數據的大致理解，和最終可視化呈現的效果，微調劃分區間。
繪製餅圖：
得出結論：綜合得分在100w至150w這個區間的視頻最多，有36個視頻（占比36%）
5.3 箱形圖（Boxplot）
箱形圖，是一種分析數據分佈、離散情況的數據分析方法。
首先，我嘗試了把這幾個數據指標，繪製在同一張圖裡：
可以發現，由於播放數遠遠大於其他數據指標，不在一個數量級，導致其他數據指標的box都擠到一塊了，可視化效果很差，所以，我打算把每個box畫到一個圖裡，避免這種情況的發生。
以下代碼，含知識點（subplot(n_row, n_col, order) n_row代表幾行，n_col代表幾列，order代表第幾個）
得出結論：每個數據指標都存在極值的情況（最大值距離box很遠），數據比較離散，方差較大。
5.4 詞雲圖（wordcloud）
針對視頻作者，畫出詞雲圖。
代碼中各個細節設置項，已添加對應註釋，不再贅述。
和原始背景圖對比：
這個背景圖，是我找的一個動漫小人的圖片，對比詞雲圖，你會發現：
-
詞雲圖和背景圖的形狀，大體一致（mask參數的作用）
-
詞雲圖和背景圖的顏色分佈，大體一致（color_func參數的作用）
至此，全部分析結束。
六、同步講解視頻
此案例的講解視頻：
https://www.zhihu.com/zvideo/1513851213354893312
by 馬哥python說
