Python分析6625条视频，告诉你“打工人”凭什么能刷爆全网 / 开普饭

CDA数据分析师出品

作者：Mika

数据：真达

后期：Mika

【导读】

今天教大家用Python分析B站的“打工人”视频。公众号后台，回复关键字“打工人”获取完整数据。

Show me data，用数据说话

今天我们聊一聊 Python分析“打工人”

点击下方视频，先睹为快：

最近，“打工梗”在朋友圈持续爆火，没有人能避开来自工友的贴心问候——“早安，打工人”，与此同时“打工人”的表情包也席卷全网，铺天盖地，到处吟唱着积极向上的打工人语录。

“累吗？累就对了，舒服是留给有钱人的。早安，打工人！冷吗？冷就对了，温暖是留给开小轿车的人。早安，打工人！”

相比于先前带点“丧”的社畜梗，打工梗用昂扬积极的心态去对抗工作的焦虑，这些打工人语录带着自嘲，也是认清生活本质的解压方式，用较为轻松接地气的玩梗心态，迎接每一天的新工作。

打工梗究竟为什么突然这么火呢？之前小z在《打工人分析简报》中已经分析了各个平台打工人话题的相关数据，我们从中也受到了些启发。

今天我们就来主要分析一下B站上“打工人”的相关视频，看看这6625个视频的背后，打工梗凭什么突然刷屏网络。

我们使用Python获取，技术分析流程分为以下三个步骤：

网络数据获取
数据读入和数据清洗
数据可视化分析

爬虫部分代码暂略，首先导入分析所需的包并读入数据集，原数据集一共包含6625个样本，7个字段，字段含义为：分区标签、视频标题、上传时间、观看数、弹幕数、up主、视频url。

数据读入

# 导入包

import numpy as np 

import pandas as pd 

import matplotlib.pyplot as plt

# 读入数据

df = pd.read_excel('./data/B站打工人视频10-28.xlsx')

df.head()

print(df.shape) 

(6625, 7)

数据预处理

此部分我们初步对原始数据进行处理，其中包含：

去除重复值
view_num和danmu：单位转换
筛选数据

处理之后的数据如下所示：

def transform_unit(x_col):

 """

 功能：转换数值型变量的单位

 """

 # 提取数值

 s_num = df[x_col].str.extract('(\d+\.*\d*)').astype('float')

 # 提取单位

 s_unit = df[x_col].str.extract('([\u4e00-\u9fa5]+)') 

 s_unit = s_unit.replace('万', 10000).replace(np.nan, 1) 

 s_multiply = s_num * s_unit

 return s_multiply

# 去重

df = df.drop_duplicates()
# 删除列

df.drop('video_url', axis=1, inplace=True)
# 转换单位

df['view_num'] = transform_unit(x_col='view_num') 

df['danmu'] = transform_unit(x_col='danmu')

# 筛选时间 df = df[(df['upload_time'] >= '2020-09-01') & (df['title'].astype('str').str.contains('打工人'))] df.head()

数据可视化分析

回复关键字“打工人”

获取本期详细数据和代码

首先导入所需包，其中jieba用于中文分词，pyecharts用于绘制动态可视化图形，stylecloud包用于绘制词云图。关键部分代码如下：

import jieba 

from pyecharts.charts import Bar, Line, Pie, Map, Scatter, Page

from pyecharts import options as opts 

from pyecharts.globals import SymbolType, WarningType

WarningType.ShowWarning = False

01 打工人视频发布热度走势图

可以看到“打工人”相关视频首先出现在2020年9月5日，最初的一个月还没有引起太大的水花。在一个月后，随着打工梗逐渐深入人心，B站相关视频也出现了爆点。

10月16日，up主“老摸鱼艺术家”的《加油！打工人！》播放量突破350万。几天后，10月22日，up主“三Lu有毒”的视频《早安，打工人！》更是加上了各种打工人优秀语录，同时配上魔性的画面和声音，直接在B站爆火，目前该视频播放量已突破913万。

随后“打工人”的视频如雨后春笋般涌现，单10月27日一天就有292条视频发布。

time_num = df.upload_time.value_counts().sort_index() 

time_num[:5] 

2020-09-05 1

2020-09-08 1

2020-09-09 1

2020-09-12 1

2020-09-13 1

Name: upload_time, dtype: int64

# 条形图

line1 = Line(init_opts=opts.InitOpts(width='1350px', height='750px'))

line1.add_xaxis(time_num.index.tolist()) 

line1.add_yaxis('', time_num.values.tolist(), 

 markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_='min'), 

  opts.MarkPointItem(type_='max')])

   ) 

line1.set_global_opts(title_opts=opts.TitleOpts(title='打工人视频发布热度走势图', pos_left='40%'), 

 xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate='90')),

 visualmap_opts=opts.VisualMapOpts(max_=int(time_num.max()), is_show=False),

  ) 

line1.set_series_opts(linestyle_opts=opts.LineStyleOpts(width=3), 

 label_opts=opts.LabelOpts(is_show=False)

   )

line1.render()

02 不同分区的视频发布数量