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、資料淨化

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，微調劃分割區間。

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%）