之前有個(gè)朋友提到了抖音數(shù)據(jù)的獲取。

問(wèn)我這樣的行業(yè)前景如何，說(shuō)實(shí)話我哪知道啊...

不過(guò)也算是給我提供了一些分析思路，感謝。

所以本次就來(lái)分析一下抖音的那些大V們。

來(lái)探索一下什么樣的視頻在抖音里***。

這里不得不吐槽一下抖音，體驗(yàn)越來(lái)越差。

從一開(kāi)始的打開(kāi)App沒(méi)廣告，再到現(xiàn)在啟動(dòng)頁(yè)面有廣告，刷視頻也有廣告，還有商品櫥窗的存在。

當(dāng)然這只是吐槽一下而已，其實(shí)無(wú)論什么產(chǎn)品，廣告必不可少~

否則，日子估摸著一天比一天難過(guò)。

或許，某一天我的公眾號(hào)也會(huì)出現(xiàn)廣告...

一、獲取分析

信息肯定不是去抖音獲取的，而是從某平臺(tái)爬取的。

具體的就不透露了，萬(wàn)一哪天被查水表了該怎么辦。

主要包含了大V們的昵稱、性別、類型、點(diǎn)贊數(shù)、粉絲數(shù)以及視頻數(shù)。

一共有2840位抖音大V，粉絲數(shù)都是50w+。

二、數(shù)據(jù)可視化

01 性別分布情況

2000多位大V，除去未知性別的，男女比例基本在「1:1」。

可視化代碼如下。

def create_gender(df): 
    """ 
    性別 
    """ 
    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) 
 
    # 生成餅圖 
    attr = gender_com['gender'] 
    v1 = gender_com['count'] 
    pie = Pie("抖音大V性別分布情況", 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性別分布情況.html") 

02 點(diǎn)贊數(shù)***0

點(diǎn)贊數(shù)都是過(guò)億的存在，就問(wèn)你怕不怕。

其中「浙有正能量」和「人民日?qǐng)?bào)」這兩個(gè)都是屬于弘揚(yáng)中國(guó)正能量的。

泱泱大中華，復(fù)興在當(dāng)下，國(guó)強(qiáng)則無(wú)懼，龍行在天涯。

可視化代碼如下。

def create_likes(df): 
    """ 
    點(diǎn)贊數(shù) 
    """ 
    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]] 
 
    # 生成柱狀圖 
    bar = Bar("抖音大V點(diǎn)贊數(shù)***0(億)", 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點(diǎn)贊數(shù)***0.html") 

03 粉絲數(shù)***0

粉絲數(shù)前十，大部分大V都是娛樂(lè)圈的。

這也是當(dāng)下所流行的~

可視化代碼如下。

def create_fans(df): 
    """ 
    粉絲數(shù) 
    """ 
    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]] 
 
    # 生成柱狀圖 
    bar = Bar("抖音大V粉絲數(shù)***0(萬(wàn))", 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粉絲數(shù)***0.html") 

04 各類型點(diǎn)贊數(shù)匯總分布圖

「藍(lán)V」「娛樂(lè)」「生活」「美女」「搞笑」「帥哥」「音樂(lè)」這些類型的抖音視頻，應(yīng)該算是在抖音里較受歡迎的。

藍(lán)V是抖音上的一個(gè)認(rèn)證方式，主要是針對(duì)企業(yè)。

從上面可以看出大部分是媒體這一塊，內(nèi)容則主要是一些時(shí)事以及那些正能量視頻。

可視化代碼如下。

def create_type_likes(df): 
    """ 
    類型點(diǎn)贊數(shù) 
    """ 
    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) 
 
    # 生成矩形樹(shù)圖 
    treemap = TreeMap("各類型抖音大V點(diǎn)贊數(shù)匯總圖", title_pos='center', title_top='5', width=800, height=400) 
    treemap.add('各類型抖音大V點(diǎn)贊數(shù)匯總圖', dom, is_label_show=True, label_pos='inside', is_legend_show=False) 
    treemap.render('各類型抖音大V點(diǎn)贊數(shù)匯總圖.html') 

05 各類型粉絲數(shù)匯總分布圖

「娛樂(lè)」類型大V的粉絲數(shù)***，位居***。

其次便是「美女」「生活」「音樂(lè)」「帥哥」「文化」「藍(lán)V」類型的。

結(jié)合一下點(diǎn)贊數(shù)的數(shù)據(jù)，我們就能知道在抖音里什么樣的視頻大家比較喜歡。

便是「娛樂(lè)」「生活」「美女」「帥哥」「音樂(lè)」「藍(lán)V」這幾個(gè)類型。

可視化代碼如下。

def create_type_fans(df): 
    """ 
    類型粉絲數(shù) 
    """ 
    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) 
 
    # 生成矩形樹(shù)圖 
    treemap = TreeMap("各類型抖音大V粉絲數(shù)匯總圖", title_pos='center', title_top='5', width=800, height=400) 
    treemap.add('各類型抖音大V粉絲數(shù)匯總圖', dom, is_label_show=True, label_pos='inside', is_legend_show=False) 
    treemap.render('各類型抖音大V粉絲數(shù)匯總圖.html') 

06 視頻粉絲點(diǎn)贊三維度圖

視頻越多并不意味著點(diǎn)贊數(shù)就越多，粉絲數(shù)就越多。

不過(guò)還是會(huì)有個(gè)例出現(xiàn)，比如「浙有正能量」，1744個(gè)視頻，4.6億點(diǎn)贊數(shù)。

可視化代碼如下。

def create_scatter(df): 
    """ 
    三維度散點(diǎn)圖 
    """ 
    # 生成數(shù)據(jù)列表 
    data = [list(i) for i in zip(df['videos'], df['fans'], df['likes'], df['name'])] 
 
    # 生成散點(diǎn)圖 
    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視頻數(shù)粉絲數(shù)點(diǎn)贊數(shù)三維度", 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視頻數(shù)粉絲數(shù)點(diǎn)贊數(shù)三維度.html') 

07 平均視頻點(diǎn)贊數(shù)***0

***居然被一個(gè)珠寶商給霸占了，我覺(jué)得肯定有貓膩。

于是便去抖音看了一眼。

鬼知道它的粉絲和點(diǎn)贊數(shù)怎么來(lái)的。

或許和圈內(nèi)的刪庫(kù)一樣，小哥刪視頻跑路了。

可視化代碼如下。

def create_avg_likes(df): 
    """ 
    平均點(diǎn)贊數(shù) 
    """ 
    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] 
 
    # 生成柱狀圖 
    bar = Bar("抖音大V平均視頻點(diǎn)贊數(shù)***0(萬(wàn))", 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平均視頻點(diǎn)贊數(shù)***0.html") 

08 平均視頻粉絲數(shù)***0

妥妥的娛樂(lè)圈大佬。

反正我是一個(gè)沒(méi)關(guān)注，你們呢?

可視化代碼如下。

def create_avg_fans(df): 
    """ 
    平均粉絲數(shù) 
    """ 
    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] 
 
    # 生成柱狀圖 
    bar = Bar("抖音大V平均視頻粉絲數(shù)***0(萬(wàn))", 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平均視頻粉絲數(shù)***0.html") 

三、總結(jié)

我們常說(shuō)，刷抖音就是浪費(fèi)時(shí)間。

講道理，抖音上也是有不少技術(shù)流的大佬，當(dāng)然內(nèi)容上更趨向于視頻制作。

比如下面這幾位，鼎鼎大名的「黑臉V」。

所以，抖音也并不是一無(wú)是處。

如果哪天你也能學(xué)會(huì)制作出那些吊炸天的視頻，也是一種收獲。

當(dāng)然路很長(zhǎng)，慢慢走~