一、資料來源
之前，我分享過一期爬蟲，用python爬取Top100排行榜：
最終資料結果，是這樣的：
在此資料基礎上，做python視覺化分析。
二、資料讀取
首先，讀取資料來源：
# 讀取csv資料
df = pd.read_csv(csv)
三、資料概覽
用shape檢視資料形狀：
# 檢視資料形狀
df.shape
用head檢視前n行：
# 檢視前5行
df.head(5)
用info檢視列資訊：
# 檢視列資訊
df.info()
用describe檢視統計性分析：
# 描述性統計分析
df.describe()
四、資料清洗
檢視是否存在空值：
# 檢視空值
df.isna().any()
每列都是False，沒有空值。
檢視是否存在重複值：
#檢視重複值
df.duplicated().any()
False代表沒有重複值。
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，檢視刪除結果：
沒有點踩數了。
五、視覺化分析
5.1 相關性分析（Correlation）
資料中，有播放數、彈幕數、投幣數、點贊數、分享數、收藏數等眾多資料指標。
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函式，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，劃分資料區間：
# 設定分段
bins = [1000000, 1500000,2000000, 2500000, 3000000, 10000000]
# 設定標籤
labels = [
'100w-150w',
'150w-200w',
'200w-250w',
'250w-300w',
'300w-1000w'
]
# 按分段離散化資料
segments = pd.cut(score_list, bins, labels=labels) # 按分段切割資料
counts = pd.value_counts(segments, sort=False).values.tolist() # 統計個數
至於區間怎麼劃分，可以按照對資料的大致理解，和最終視覺化呈現的效果，微調劃分割槽間。
繪製餅圖：
得出結論：綜合得分在100w至150w這個區間的視訊最多，有36個視訊（佔比36%）
5.3 箱形圖（Boxplot）
箱形圖，是一種分析資料分佈、離散情況的資料分析方法。
首先，我嘗試了把這幾個資料指標，繪製在同一張圖裡：
可以發現，由於播放數遠遠大於其他資料指標，不在一個數量級，導致其他資料指標的box都擠到一塊了，視覺化效果很差，所以，我打算把每個box畫到一個圖裡，避免這種情況的發生。
以下程式碼，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：每個資料指標都存在極值的情況（最大值距離box很遠），資料比較離散，方差較大。
5.4 詞雲圖（wordcloud）
針對視訊作者，畫出詞雲圖。
程式碼中各個細節設定項，已新增對應註釋，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引數的作用）
-
詞雲圖和背景圖的顏色分佈，大體一致（color_func引數的作用）
至此，全部分析結束。
六、同步講解視訊
此案例的講解視訊：
https://www.zhihu.com/zvideo/1513851213354893312
by 馬哥python說