LOFTER-网易轻博

 

【导语】之前有个朋友提到了抖音数据的获取。问我这样的行业前景如何，说实话我哪知道啊...不过也给我提供了一些分析思路，还是要感谢这位读者。所以本次就来分析一下抖音的那些大 V们。来探索一下什么样的视频在抖音里最受欢迎。

一、获取分析

信息肯定不是去抖音获取的，而是从某平台爬取的。具体的就不透露了，万一哪天被查水表了该怎么办。

 

主要包含了大V们的昵称、性别、类型、点赞数、粉丝数以及视频数。一共有2840位抖音大V，粉丝数都是50w+。

二、数据可视化

1、性别分布情况

 

2000多位大V，除去未知性别的，男女比例基本在「1:1」。可视化代码如下：

defcreate_gender(df):

"""

性别

"""

df = df.copy()

df.loc[df.gender ==,'gender'] ='未知'

df.loc[df.gender ==1,'gender'] ='男性'

df.loc[df.gender ==2,'gender'] ='女性'

gender_message = df.groupby(['gender'])

gender_com = gender_message['gender'].agg(['count'])

gender_com.reset_index(inplace=True)

# 生成饼图

attr = gender_com['gender']

v1 = gender_com['count']

pie = Pie("抖音大V性别分布情况", title_pos='center', title_top=)

pie.add("", attr, v1, radius=[40,75], label_text_color=None, is_label_show=True, legend_orient="vertical", legend_pos="left", legend_top="%10")

pie.render("抖音大V性别分布情况.html")

2、点赞数TOP10

 

点赞数都是过亿的存在，就问你怕不怕。其中「浙有正能量」和「人民日报」这两个都是属于弘扬中国正能量的。泱泱大中华，复兴在当下，国强则无惧，龙行在天涯。可视化代码如下：

defcreate_likes(df):

"""

点赞数

"""

df = df.sort_values('likes', ascending=False)

attr = df['name'][:10]

v1 = ["{}".format(float('%.1f'% (float(i) /100000000)))foriindf['likes'][:10]]

# 生成柱状图

bar = Bar("抖音大V点赞数TOP10(亿)", title_pos='center', title_top='18', width=800, height=400)

bar.add("", attr, v1, is_convert=True, xaxis_min=, yaxis_label_textsize=12, is_yaxis_boundarygap=True, yaxis_interval=, is_label_show=True, is_legend_show=False, label_pos='right', is_yaxis_inverse=True, is_splitline_show=False)

bar.render("抖音大V点赞数TOP10.html")

3、粉丝数TOP10

 

粉丝数前十，大部分大V都是娱乐圈的。这也是当下所流行的~可视化代码如下：

defcreate_fans(df):

"""

粉丝数

"""

df = df.sort_values('fans', ascending=False)

attr = df['name'][:10]

v1 = ["{}".format(float('%.1f'% (float(i) /10000)))foriindf['fans'][:10]]

# 生成柱状图

bar = Bar("抖音大V粉丝数TOP10(万)", title_pos='center', title_top='18', width=800, height=400)

bar.add("", attr, v1, is_convert=True, xaxis_min=, yaxis_label_textsize=12, is_yaxis_boundarygap=True, yaxis_interval=, is_label_show=True, is_legend_show=False, label_pos='right', is_yaxis_inverse=True, is_splitline_show=False)

bar.render("抖音大V粉丝数TOP10.html")

4、各类型点赞数汇总分布图

 

「蓝V」「娱乐」「生活」「美女」「搞笑」「帅哥」「音乐」这些类型的抖音视频，应该算是在抖音里较受欢迎的。蓝V是抖音上的一个认证方式，主要是针对企业。

 

从上面可以看出大部分是媒体这一块，内容则主要是一些时事以及那些正能量视频，可视化代码如下。

defcreate_type_likes(df):

"""

类型点赞数

"""

dom = []

likes_type_message = df.groupby(['type'])

likes_type_com = likes_type_message['likes'].agg(['sum'])

likes_type_com.reset_index(inplace=True)

forname, numinzip(likes_type_com['type'], likes_type_com['sum']):

data = {}

data['name'] = name

data['value'] = num

dom.append(data)

# 生成矩形树图

treemap = TreeMap("各类型抖音大V点赞数汇总图", title_pos='center', title_top='5', width=800, height=400)

treemap.add('各类型抖音大V点赞数汇总图', dom, is_label_show=True, label_pos='inside', is_legend_show=False)

treemap.render('各类型抖音大V点赞数汇总图.html')

5、各类型粉丝数汇总分布图

 

「娱乐」类型大V的粉丝数遥遥领先，位居第一。其次便是「美女」「生活」「音乐」「帅哥」「文化」「蓝V」类型的。结合一下点赞数的数据，我们就能知道在抖音里什么样的视频大家比较喜欢。便是「娱乐」「生活」「美女」「帅哥」「音乐」「蓝V」这几个类型。可视化代码如下：

defcreate_type_fans(df):

"""

类型粉丝数

"""

dom = []

fans_type_message = df.groupby(['type'])

fans_type_com = fans_type_message['fans'].agg(['sum'])

fans_type_com.reset_index(inplace=True)

forname, numinzip(fans_type_com['type'], fans_type_com['sum']):

data = {}

data['name'] = name

data['value'] = num

dom.append(data)

# 生成矩形树图

treemap = TreeMap("各类型抖音大V粉丝数汇总图", title_pos='center', title_top='5', width=800, height=400)

treemap.add('各类型抖音大V粉丝数汇总图', dom, is_label_show=True, label_pos='inside', is_legend_show=False)

treemap.render('各类型抖音大V粉丝数汇总图.html')

6、视频粉丝点赞三维度图

 

视频越多并不意味着点赞数就越多，粉丝数就越多。不过还是会有个例出现，比如「浙有正能量」，1744个视频，4.6亿点赞数。可视化代码如下：

defcreate_scatter(df):

"""

三维度散点图

"""

# 生成数据列表

data = [list(i)foriinzip(df['videos'], df['fans'], df['likes'], df['name'])]

# 生成散点图

x_lst = [v[]forvindata]

y_lst = [v[1]forvindata]

extra_data = [v[2]forvindata]

sc = Scatter("抖音大V视频数粉丝数点赞数三维度", title_pos='center', title_top='5', width=800, height=400)

sc.add("", x_lst, y_lst, extra_data=extra_data, is_visualmap=True, visual_dimension=2, visual_orient="horizontal", visual_type="size", visual_range=[,500000000], visual_text_color="#000", visual_range_size=[5,30])

sc.render('抖音大V视频数粉丝数点赞数三维度.html')

7、平均视频点赞数TOP10

 

第一居然被一个珠宝商给霸占了，我觉得肯定有猫腻。于是便去抖音看了一眼。

 

真不知道它的粉丝和点赞数怎么来的。或许和圈内的删库一样，小哥删视频跑路了。可视化代码如下：

defcreate_avg_likes(df):

"""

平均点赞数

"""

df = df[df['videos'] >]

df.eval('result = likes/(videos*10000)', inplace=True)

df['result'] = df['result'].round(decimals=1)

df = df.sort_values('result', ascending=False)

attr = df['name'][:10]

v1 = df['result'][:10]

# 生成柱状图

bar = Bar("抖音大V平均视频点赞数TOP10(万)", title_pos='center', title_top='18', width=800, height=400)

bar.add("", attr, v1, is_convert=True, xaxis_min=, yaxis_label_textsize=12, is_yaxis_boundarygap=True, yaxis_interval=, is_label_show=True, is_legend_show=False, label_pos='right', is_yaxis_inverse=True, is_splitline_show=False)

bar.render("抖音大V平均视频点赞数TOP10.html")

8、平均视频粉丝数TOP10

 

妥妥的娱乐圈大佬。反正我是一个没关注，你们呢？可视化代码如下。

defcreate_avg_fans(df):

"""

平均粉丝数

"""

df = df[df['videos'] >]

df.eval('result = fans/(videos*10000)', inplace=True)

df['result'] = df['result'].round(decimals=1)

df = df.sort_values('result', ascending=False)

attr = df['name'][:10]

v1 = df['result'][:10]

# 生成柱状图

bar = Bar("抖音大V平均视频粉丝数TOP10(万)", title_pos='center', title_top='18', width=800, height=400)

bar.add("", attr, v1, is_convert=True, xaxis_min=, yaxis_label_textsize=12, is_yaxis_boundarygap=True, yaxis_interval=, is_label_show=True, is_legend_show=False, label_pos='right', is_yaxis_inverse=True, is_splitline_show=False)

bar.render("抖音大V平均视频粉丝数TOP10.html")

三、总结

我们常说，刷抖音就是浪费时间。讲道理，抖音上也是有不少技术流的大佬，当然内容上更趋向于视频制作。比如下面这几位，鼎鼎大名的「黑脸V」。

 

所以，也不全是一无是处。如果哪天你也能学会制作出那些吊炸天的视频，也是一种收获。当然路很长，慢慢走~