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...
不过也算是给我提供了一些分析思路，感谢。
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***。
这里不得不吐槽一下抖音，体验越来越差。
从一开始的打开App没广告，再到现在启动页面有广告，刷视频也有广告，还有商品橱窗的存在。
当然这只是吐槽一下而已，其实无论什么产品，广告必不可少~
否则，日子估摸着一天比一天难过。
或许，某一天我的公众号也会出现广告...
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
01 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。
- def create_gender(df):
- """
- 性别
- """
- df = df.copy()
- df.loc[df.gender == 0, '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=0)
- 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")
02 点赞数***0
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。
- def create_likes(df):
- """
- 点赞数
- """
- df = df.sort_values('likes', ascending=False)
- attr = df['name'][0:10]
- v1 = ["{}".format(float('%.1f' % (float(i) / 100000000))) for i in df['likes'][0:10]]
- # 生成柱状图
- bar = Bar("抖音大V点赞数***0(亿)", title_pos='center', title_top='18', width=800, height=400)
- bar.add("", attr, v1, is_convert=True, xaxis_min=0, yaxis_label_textsize=12, is_yaxis_boundarygap=True, yaxis_interval=0, 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***0.html")
03 粉丝数***0
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。
- def create_fans(df):
- """
- 粉丝数
- """
- df = df.sort_values('fans', ascending=False)
- attr = df['name'][0:10]
- v1 = ["{}".format(float('%.1f' % (float(i) / 10000))) for i in df['fans'][0:10]]
- # 生成柱状图
- bar = Bar("抖音大V粉丝数***0(万)", title_pos='center', title_top='18', width=800, height=400)
- bar.add("", attr, v1, is_convert=True, xaxis_min=0, yaxis_label_textsize=12, is_yaxis_boundarygap=True, yaxis_interval=0, 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***0.html")
04 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。
- def create_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)
- for name, num in zip(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')
05 各类型粉丝数汇总分布图
「娱乐」类型大V的粉丝数***，位居***。
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。
- def create_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)
- for name, num in zip(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')
06 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。
- def create_scatter(df):
- """
- 三维度散点图
- """
- # 生成数据列表
- data = [list(i) for i in zip(df['videos'], df['fans'], df['likes'], df['name'])]
- # 生成散点图
- x_lst = [v[0] for v in data]
- y_lst = [v[1] for v in data]
- extra_data = [v[2] for v in data]
- 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=[0, 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')
07 平均视频点赞数***0
***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。
鬼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。
- def create_avg_likes(df):
- """
- 平均点赞数
- """
- df = df[df['videos'] > 0]
- 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'][0:10]
- v1 = df['result'][0:10]
- # 生成柱状图
- bar = Bar("抖音大V平均视频点赞数***0(万)", title_pos='center', title_top='18', width=800, height=400)
- bar.add("", attr, v1, is_convert=True, xaxis_min=0, yaxis_label_textsize=12, is_yaxis_boundarygap=True, yaxis_interval=0, 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***0.html")
08 平均视频粉丝数***0
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。
- def create_avg_fans(df):
- """
- 平均粉丝数
- """
- df = df[df['videos'] > 0]
- 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'][0:10]
- v1 = df['result'][0:10]
- # 生成柱状图
- bar = Bar("抖音大V平均视频粉丝数***0(万)", title_pos='center', title_top='18', width=800, height=400)
- bar.add("", attr, v1, is_convert=True, xaxis_min=0, yaxis_label_textsize=12, is_yaxis_boundarygap=True, yaxis_interval=0, 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***0.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，抖音也并不是一无是处。
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~
