一、資料源
二、資料讀取
三、資料概覽
四、資料清洗
五、可視化分析
- 5.1 相關性分析（Correlation）
- 5.2 餅圖（Pie）
- 5.3 箱形圖（Boxplot）
- 5.4 詞云圖（wordcloud）
六、同步講解視頻

一、資料源

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：
TOP100資料

在此資料基礎上，做python可視化分析，

二、資料讀取

首先，讀取資料源：

# 讀取csv資料
df = pd.read_csv(csv)

三、資料概覽

用shape查看資料形狀：

# 查看資料形狀
df.shape

用head查看前n行：

# 查看前5行
df.head(5)

用info查看列資訊：

# 查看列資訊
df.info()

用describe查看統計性分析：

# 描述性統計分析
df.describe()

描述性統計

四、資料清洗

查看是否存在空值：

# 查看空值
df.isna().any()

每列都是False，沒有空值，

查看是否存在重復值：

#查看重復值
df.duplicated().any()

False代表沒有重復值，

上面我們看到，點踩數都是0，沒有分析意義，所以，用drop洗掉此列：

# 洗掉沒用的列
df.drop('點踩數', axis=1, inplace=True)

洗掉之后，查看洗掉結果：

沒有點踩數了，

五、可視化分析

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，誰和綜合得分的關系最大，決定性最高，

直接采用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布散點圖，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系，

5.2 餅圖（Pie）

綜合得分劃分分布區間，繪制出分布餅圖，

首先，劃分資料區間：

# 設定分段
bins = [1000000, 1500000,2000000, 2500000, 3000000, 10000000]
# 設定標簽
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

至于區間怎么劃分，可以按照對資料的大致理解，和最終可視化呈現的效果，微調劃磁區間，

繪制餅圖：

得出結論：綜合得分在100w至150w這個區間的視頻最多，有36個視頻（占比36%）