Python告诉你：千万级网红李子柒的视频都在拍些什么？

云栖号资讯：【点击查看更多行业资讯】
在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！

导读：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。公众号后台，回复关键字“李子柒”获取完整数据。

“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：

1. 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。

1. 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。

1. 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。

1. 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。

1. 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。

1. 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？

1. 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。

1. 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。

1. 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。

1. 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

公众号后台对话框回复李子柒，可获取完整数据。

1. 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：

1. 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：

1. 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 )

【云栖号在线课堂】每天都有产品技术专家分享！
课程地址：https://yqh.aliyun.com/zhibo

立即加入社群，与专家面对面，及时了解课程最新动态！
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间：2020-06-04
本文作者：CDA数据分析师
本文来自：“大数据DT 微信公众号”，了解相关信息可以关注“大数据DT”