彈幕[dàn mù] (danmaku)，中文流行詞語(yǔ)，指的是在網(wǎng)絡(luò)上觀看視頻時(shí)彈出的評(píng)論性字幕。源自日本彈幕視頻分享網(wǎng)站(niconico動(dòng)畫)，國(guó)內(nèi)首先引進(jìn)為Acfun以及后來(lái)的嗶哩嗶哩網(wǎng)站。

大量吐槽評(píng)論從屏幕飄過(guò)時(shí)效果看上去像是飛行射擊游戲里的彈幕，所以NICO網(wǎng)民將這種有大量的吐槽評(píng)論出現(xiàn)時(shí)的效果做彈幕。

在中國(guó)，本來(lái)只有大量評(píng)論同時(shí)出現(xiàn)才能叫彈幕，但是隨著誤用單條評(píng)論也能叫彈幕了。

想法：彈幕量與視頻中的高曝光片段出現(xiàn)時(shí)間段是否有關(guān)？彈幕量與自然時(shí)間之間是否有一定關(guān)聯(lián)性？

數(shù)據(jù)：從嗶哩嗶哩網(wǎng)站上爬下來(lái)的彈幕數(shù)據(jù)

分析過(guò)程：爬下來(lái)的Excel數(shù)據(jù)文件，里面是啥樣的？數(shù)據(jù)是否完整？如何通過(guò)視頻時(shí)間和自然時(shí)間分別統(tǒng)計(jì)彈幕量？如何以可視化的形式表達(dá)？

上述就是整個(gè)分析流程，下面開(kāi)始一步步進(jìn)行

任務(wù)一：對(duì)于 '熱點(diǎn)事件.xlsx' 文件的Sheet3表單而言，需要統(tǒng)計(jì)視頻時(shí)間中每秒內(nèi)彈幕的數(shù)量并可視化展示

import pandas as pd

import matplotlib.pyplot as plt

①讀入數(shù)據(jù)

fpath = './datas/熱點(diǎn)事件.xlsx'

df = pd.read_excel(fpath,sheet_name='Sheet3')

這里，我已知分析所用數(shù)據(jù)在Sheet3表單中，所以直接調(diào)用了。

其實(shí)在不知情的情況下，應(yīng)該先對(duì)Excel文件進(jìn)行“結(jié)構(gòu)性”讀取(自己理解的)。

如何“結(jié)構(gòu)性”讀取，在后面會(huì)用到。

②查看數(shù)據(jù)的“樣子”

df.head()

一看，有用的就前兩列，第一列是彈幕發(fā)送的視頻時(shí)間，第二列是數(shù)量。

df.shape # 結(jié)果為(1048575, 6)

好大的數(shù)據(jù)量啊，有問(wèn)題！EXCEL表格文件最多就只有1048575行。

df.dropna(axis="index", how='all', inplace=True)

先刪除全部為空值的行試試。

df.shape # 結(jié)果為(501, 6)

這里一看，好家伙，全是空值.....還好進(jìn)行了空值處理。最終需要處理的總共501行數(shù)據(jù)。

其實(shí)這里回頭想，少了一步，我們看了開(kāi)頭的五行數(shù)據(jù)，其實(shí)也可以看看結(jié)尾的五行數(shù)據(jù)是啥樣子的。

后面重新做的時(shí)候我發(fā)現(xiàn)，在原始表格第1048575行的數(shù)據(jù)是統(tǒng)計(jì)了有多少行數(shù)據(jù)= =|||，這里應(yīng)該是人為操作失誤。

③按照視頻時(shí)間的每秒進(jìn)行彈幕量統(tǒng)計(jì)

df.loc[(0 <= df['時(shí)間']) & (df['時(shí)間'] < 1),'數(shù)量'].sum() # 運(yùn)行結(jié)果為8.0

由于"時(shí)間"列中均是精確到秒后三位小數(shù)，這里利用df.loc進(jìn)行區(qū)域限定，然后借助"數(shù)量"列進(jìn)行求和。

這樣就統(tǒng)計(jì)出了0至1秒，也就是1秒內(nèi)的彈幕量，如法炮制，求出每秒的彈幕量。

# 基于上述方法，寫一個(gè)for循環(huán)，解決戰(zhàn)斗

for i in range(501):

count = df.loc[(i <= df['時(shí)間']) & (df['時(shí)間'] < i+1),'數(shù)量'].sum()

print('第{}秒內(nèi)共有{}條彈幕'.format(i, count))

運(yùn)行結(jié)果如下圖所示。

通過(guò)上述代碼運(yùn)行結(jié)果會(huì)發(fā)現(xiàn)，在109秒后出現(xiàn)的都是0條彈幕。

為啥是這樣？因?yàn)殡m然是501條，但是要計(jì)算每1秒內(nèi)的彈幕量，這樣累加之后，總行數(shù)就遠(yuǎn)遠(yuǎn)低于501行了。

這樣看來(lái)，欠考慮。應(yīng)該基于最后一條彈幕的秒數(shù)，給range()里面的參數(shù)賦值。

# 按照前面所想，可以看出以秒為單位的時(shí)間段最終為109.420秒

# 因此，給range()賦值110即可，為啥不是109？因?yàn)閞ange()里面是左閉右開(kāi)區(qū)間，取110意味著[0,110)

for i in range(110):

count = df.loc[(i <= df['時(shí)間']) & (df['時(shí)間'] < i+1),'數(shù)量'].sum()

print('第{}秒內(nèi)共有{}條彈幕'.format(i, count))

為啥做上述的優(yōu)化？

其實(shí)是我做到可視化部分發(fā)現(xiàn)的問(wèn)題，回過(guò)頭來(lái)在這里優(yōu)化了。

④可視化展示

# 最后用柱狀圖可視化展示

# 這里要注意plt.bar()函數(shù)默認(rèn)顏色循環(huán)使用，如果這里不指定一個(gè)顏色，柱狀圖會(huì)變得五顏六色

for i in range(110):

count = df.loc[(i <= df['時(shí)間']) & (df['時(shí)間'] < i+1),'數(shù)量'].sum()

#print('第{}秒內(nèi)共有{}條彈幕'.format(i, count))

plt.bar(i, count, color='#008B8B')

plt.show() # 這里相當(dāng)于在一塊畫布上每次畫一條柱狀圖，直到for循環(huán)結(jié)束，輸出結(jié)果

看看每5秒統(tǒng)計(jì)一次的結(jié)果。

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

# 最后，以5秒為一個(gè)間隔，看看彈幕的分布情況(有時(shí)候精細(xì)未必是好事，擴(kuò)大間隔有助于分析問(wèn)題)

for i in range(0, 110, 5):

count = df.loc[(i <= df['時(shí)間']) & (df['時(shí)間'] < i+5),'數(shù)量'].sum()

plt.bar(i, count, width=1, color='#008B8B') # 給定個(gè)寬度，出圖看的緊湊些

plt.xlabel('彈幕時(shí)間(秒)', fontsize=12)

plt.ylabel('彈幕量(條)', fontsize=12)

plt.savefig('fix11.svg', dpi=500) # 保存

plt.show() # 這里相當(dāng)于在一塊畫布上每次畫一條柱狀圖，直到for循環(huán)結(jié)束，輸出結(jié)果

從上圖上就能很明顯看出：

在視頻時(shí)間10至25秒、65至75秒、90至95秒以及最后時(shí)刻，彈幕量較為集中。

再次觀看視頻發(fā)現(xiàn)，這些彈幕集中的某些視頻時(shí)間段剛好對(duì)應(yīng)視頻中的高潮片段，符合觀眾觀看行為。

任務(wù)二：對(duì)于 '熱點(diǎn)事件.xlsx' 文件的原數(shù)據(jù)表單而言，需要統(tǒng)計(jì)以自然時(shí)間每天的彈幕數(shù)量并可視化展示

這里，假設(shè)我們不清楚拿到的Excel文件內(nèi)部啥樣子，你可以這樣打開(kāi)觀察。

先看看文件中有多少個(gè)sheet(表單)。

但是按照以往讀取Excel文件，你會(huì)發(fā)現(xiàn)，只能讀取到第一個(gè)表單的數(shù)據(jù)(默認(rèn)的)。

import pandas as pd

import matplotlib.pyplot as plt

file_path = './datas/熱點(diǎn)事件.xlsx'

xx = pd.read_excel(file_path)

有同學(xué)說(shuō)，你可以加上表單名稱參數(shù)啊。但是剛說(shuō)過(guò)了，我們假設(shè)拿到的數(shù)據(jù)，你完全不知道里面啥樣。怎么辦？

這時(shí)候可以用另一種Excel文件讀取方式：pd.ExcelFile( )

data = pd.ExcelFile(file_path)

data.sheet_names

這樣就可以將讀取Excel數(shù)據(jù)的所有表單名稱打印出來(lái)了，如下圖。

假設(shè)我需要的數(shù)據(jù)在表單名為‘原數(shù)據(jù)’中，則通過(guò)如下代碼：

df = data.parse('Sheet5')

這樣就回到了我們之前的DataFrame的操作流程上來(lái)了。

如上圖所示，又出現(xiàn)了新問(wèn)題。讀取時(shí)，原文件開(kāi)始有空行，所以造成讀取后，原本的列標(biāo)簽變成了數(shù)據(jù)。這里只需要設(shè)定指定一行為索引即可，代碼如下：

df = data.parse('Sheet5', header=1)

完美解決，開(kāi)始數(shù)據(jù)分析。

①首先將第一列(日期)作為標(biāo)簽列

df = df.set_index('行標(biāo)簽') # 將“行標(biāo)簽”設(shè)置為index

這時(shí)又發(fā)現(xiàn)，其中columns的值為‘以下項(xiàng)目的計(jì)數(shù):數(shù)量’，太繞口，寫起來(lái)太麻煩。

利用rename( )修改列名，以字典的形式傳入值，進(jìn)行修改，代碼如下：

df_clearn = df.rename(columns={'以下項(xiàng)目的計(jì)數(shù):數(shù)量':'counts'})

②以天為單位進(jìn)行統(tǒng)計(jì)

df_clearn.resample('d').sum()['counts']

如果只統(tǒng)計(jì)2018年全年的，可以使用如下代碼：

df_day = df_clearn.resample('d').sum()['counts']

df_2018 = df_day['2018']

③可視化展示

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

plt.figure(figsize=(10,4))

plt.plot(df_2018.index, df_2018, color='#008B8B')

plt.xlabel('自然時(shí)間(天)',fontsize=12)

plt.ylabel('彈幕量(條)',fontsize=12)

plt.savefig('picture.svg', dpi=500)

plt.show()

從上圖上就能很明顯看出：

隨著自然時(shí)間的推移，熱點(diǎn)事件的評(píng)論熱度會(huì)慢慢降低直至“冷卻”，符合常理。

今天的分享到這里就結(jié)束了，我最近收獲最大的就是拿到一個(gè)簡(jiǎn)單的實(shí)際問(wèn)題，通過(guò)自己所學(xué)，查漏補(bǔ)缺，這樣進(jìn)步會(huì)很快，我還是不建議類似于A到Z的背單詞方法，其實(shí)背作文何嘗不是一種背單詞的方法呢？

哈哈，隱喻，自行理解~

END

總結(jié)

以上是生活随笔為你收集整理的python熊猫弹幕_Pandas+Matplotlib：视频弹幕统计分析的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。