目录

一、数据源

二、数据读取

三、数据概览

四、数据清洗

五、可视化分析

5.1 相关性分析（Correlation）

5.2 饼图（Pie）

5.3 箱形图（Boxplot）

5.4 词云图（wordcloud）

六、同步讲解视频

之前，我分享过一期爬虫，用python爬取Top100排行榜：

最终数据结果，是这样的：

在此数据基础上，做python可视化分析。

首先，读取数据源：

用shape查看数据形状：

用head查看前n行：

用info查看列信息：

用describe查看统计性分析：

查看是否存在空值：

每列都是False，没有空值。

查看是否存在重复值：

False代表没有重复值。

上面我们看到，点踩数都是0，没有分析意义，所以，用drop删除此列：

删除之后，查看删除结果：

没有点踩数了。

数据中，有播放数、弹幕数、投币数、点赞数、分享数、收藏数等众多数据指标。

我想分析出，这些指标中，谁和综合得分的关系最大，决定性最高。

直接采用pandas自带的corr函数，得出相关性（spearman相关）矩阵：

可以看出，点赞数和综合得分的相关性最高，达到了0.66。

根据此分析结论，进一步画出点赞数和综合得分的分布散点图，验证此结论的正确性。

得出结论：随着点赞数增多，综合得分呈明显上升趋势，进一步得出，二者存在正相关的关系。

综合得分划分分布区间，绘制出分布饼图。

首先，划分数据区间：

至于区间怎么划分，可以按照对数据的大致理解，和最终可视化呈现的效果，微调划分区间。

绘制饼图：

得出结论：综合得分在100w至150w这个区间的视频最多，有36个视频（占比36%）

箱形图，是一种分析数据分布、离散情况的数据分析方法。

首先，我尝试了把这几个数据指标，绘制在同一张图里：

可以发现，由于播放数远远大于其他数据指标，不在一个数量级，导致其他数据指标的box都挤到一块了，可视化效果很差，所以，我打算把每个box画到一个图里，避免这种情况的发生。

以下代码，含知识点（subplot(n_row, n_col, order) n_row代表几行，n_col代表几列，order代表第几个）

得出结论：每个数据指标都存在极值的情况（最大值距离box很远），数据比较离散，方差较大。

针对视频作者，画出词云图。

代码中各个细节设置项，已添加对应注释，不再赘述。

和原始背景图对比：

这个背景图，是我找的一个动漫小人的图片，对比词云图，你会发现：

词云图和背景图的形状，大体一致（mask参数的作用）

词云图和背景图的颜色分布，大体一致（color_func参数的作用）

至此，全部分析结束。

此案例的讲解视频：

【Python可视化分析】分析Top100数据

首发公众号文章：【可视化分析案例】用python分析Top100排行榜数据

我是马哥，全网累计粉丝上万，欢迎一起交流python技术。

各平台搜索“马哥python说”：知乎、哔哩哔哩、小红书、新浪微博。