用数据分析大家最喜欢什么类型的抖音视频

【导语】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...不过也给我提供了一些分析思路，还是要感谢这位读者。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最受欢迎。

完整代码请进群808713721自取

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

1、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")

2、点赞数TOP10

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TOP10(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TOP10.html")

3、粉丝数TOP10

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TOP10(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TOP10.html")

4、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')

5、各类型粉丝数汇总分布图

「娱乐」类型大V的粉丝数遥遥领先，位居第一。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')

6、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')

7、平均视频点赞数TOP10

第一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。

真不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TOP10(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TOP10.html")

8、平均视频粉丝数TOP10

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TOP10(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TOP10.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」。

完整代码请进群808713721自取

所以，也不全是一无是处。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~