Python实现抖音各类型数据可视化

立即下载用AI写一个

发布时间：2021-12-19

2人 | 浏览：3299次 | 收藏 |

技术：python3.9.7+pyecharts1.9.0+PIL6.0.0

运行环境：python3.9.7+pyecharts1.9.0+PIL6.0.0

概述

python利用pyecharts+PIL两个模块对抖音各类型数据进行一个数据可视化！

详细

准备工作
==
做数据可视化，首先得有数据！我利用爬虫爬下来一些数据，咱先瞅瞅
--
![](/contentImages/image/20211217/lHFo7tr1s5Y7yl75lFz.png)

有了数据，那就可以开始敲了！先pip install命令下载我们需要的第三方库pyecharts+PIL
--

一、先导入模块
--
```python
import pandas as pd
import numpy as np
from pyecharts.charts import Pie, Bar, TreeMap, Map, Geo
from pyecharts import options as opts
from PIL import Image
```
整个程序部分代码展示
==
二、第一步我们先把数据导进去吧
--
```python
df = pd.read_csv('file/douyin.csv', header=0, encoding='utf-8-sig')
```

三、修改一下数值、在根据性别分组进行计数
--
```python
    # 修改数值
    df.loc[df.gender == '0', 'gender'] = '未知'
    df.loc[df.gender == '1', 'gender'] = '男性'
    df.loc[df.gender == '2', 'gender'] = '女性'
    # 根据性别分组
    gender_message = df.groupby(['gender'])
    # 对分组后的结果进行计数
    gender_com = gender_message['gender'].agg(['count'])
    gender_com.reset_index(inplace=True)
```
四、添加数据，设置半径
--
```python
pie.add("", [list(z) for z in zip(attr, v1)], radius=["40%", "75%"])
```
五、设置全局配置项，标题、图例、工具箱(下载图片)
--
```python
pie.set_global_opts(title_opts=opts.TitleOpts(title="抖音大V性别分布情况", pos_left="center"),
                        legend_opts=opts.LegendOpts(orient="vertical", pos_left="left"),
                        toolbox_opts=opts.ToolboxOpts(is_show=True, feature={"saveAsImage": {}}))
```
六、设置系列配置项，标签样式
```python
pie.set_series_opts(label_opts=opts.LabelOpts(is_show=True, formatter="{b}:{d}%"))
```
写到这里，第一个类型就写完了，先看看这个运行效果吧！
--
![](/contentImages/image/20211217/Ep42a8vflKOLhm8PXK1.png)

是不是有一点那种成就感的感觉！哈哈哈，好了，咱先把代码全部敲完！然后在看看运行效果吧！
==

七、第二种类型可视化，先获取TOP10的数据
--
```python
    attr = df['name'][0:10]
    v1 = [float('%.1f' % (float(i) / 100000000)) for i in df['likes'][0:10]]
```
八、设置全局配置项，标题、工具箱(下载图片)、y轴分割线
--
```python
    bar.set_global_opts(title_opts=opts.TitleOpts(title="抖音大V点赞数TOP10(亿)", pos_left="center", pos_top="18"),
                        toolbox_opts=opts.ToolboxOpts(is_show=True, feature={"saveAsImage": {}}),
                        xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)))
```

九、设置系列配置项，标签样式
--
```python
    bar.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="right", color="black"))
    bar.reversal_axis()
    bar.render("抖音大V点赞数TOP10(亿).html")
```

第二类型的就写完了，运行效果等我们把代码写完，一起发在下面给你们看哈
--

十、第三种我们先将数据分段
--
```python
    Bins = [0, 1000000, 5000000, 10000000, 25000000, 50000000, 100000000, 5000000000]
    Labels = ['0-100', '100-500', '500-1000', '1000-2500', '2500-5000', '5000-10000', '10000以上']
    len_stage = pd.cut(df['likes'], bins=Bins, labels=Labels).value_counts().sort_index()
```

十 一、获取数据
--
```python
    attr = len_stage.index.tolist()
    v1 = len_stage.values.tolist()
```
十二、生成柱状图
--
```python
    bar.set_global_opts(title_opts=opts.TitleOpts(title="抖音大V点赞数分布情况(万)", pos_left="center", pos_top="18"),
                        toolbox_opts=opts.ToolboxOpts(is_show=True, feature={"saveAsImage": {}}),
                        yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)))
    bar.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="top", color="black"))
    bar.render("抖音大V点赞数分布情况(万).html")
```
这第三种就这样写完了，现在我们看看第四种，其实第四 五 六 七种方式都一样，我就不一个一个列举了，我就统一列举哈
--
十三、第四 五 六 七种方式一样主要分这三部
--
1、将数据分段
--
2、获取数据
--
3、生成图形
--
来吧，上代码
--
第四种类型
--
```python

#将数据分段
    df = df.sort_values('fans', ascending=False)
    attr = df['name'][0:10]
	
	#获取数据
	v1 = ['%.1f' % (float(i) / 10000) for i in df['fans'][0:10]]
	
	#生成图形
	    bar.set_global_opts(title_opts=opts.TitleOpts(title="抖音大V粉丝数TOP10(万)", pos_left="center", pos_top="18"),
                        toolbox_opts=opts.ToolboxOpts(is_show=True, feature={"saveAsImage": {}}),
                        xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)))
    bar.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="right", color="black"))
    bar.reversal_axis()
    bar.render("抖音大V粉丝数TOP10(万).html")
	
	
```

第五种类型
--
```python
    Bins = [0, 1500000, 2000000, 5000000, 10000000, 25000000, 200000000]
    Labels = ['0-150', '150-200', '200-500', '500-1000', '1000-2500', '5000以上']
    len_stage = pd.cut(df['fans'], bins=Bins, labels=Labels).value_counts().sort_index()
	
	attr = len_stage.index.tolist()
    v1 = len_stage.values.tolist()
	
	bar.set_global_opts(title_opts=opts.TitleOpts(title="抖音大V粉丝数分布情况(万)", pos_left="center", pos_top="18"),
                        toolbox_opts=opts.ToolboxOpts(is_show=True, feature={"saveAsImage": {}}),
                        yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)))
    bar.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="top", color="black"))
    bar.render("抖音大V粉丝数分布情况(万).html")
```

第六种类型
--
```python
	attr = df['name'][0:10]

v1 = ['%.1f' % (float(i) / 100000000) for i in df['shares'][0:10]]
	
    bar.set_global_opts(title_opts=opts.TitleOpts(title="抖音大V分享数TOP10(亿)", pos_left="center", pos_top="18"),
                        toolbox_opts=opts.ToolboxOpts(is_show=True, feature={"saveAsImage": {}}),
                        xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)))
    bar.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="right", color="black"))
    bar.reversal_axis()
    bar.render("抖音大V分享数TOP10(亿).html")
```

第七种类型
--
```python
    df = df.sort_values('shares', ascending=False)
    attr = df['name'][0:10]
	
    v1 = ['%.1f' % (float(i) / 100000000) for i in df['shares'][0:10]]
	
    bar.set_global_opts(title_opts=opts.TitleOpts(title="抖音大V分享数TOP10(亿)", pos_left="center", pos_top="18"),
                        toolbox_opts=opts.ToolboxOpts(is_show=True, feature={"saveAsImage": {}}),
                        xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)))
    bar.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="right", color="black"))
    bar.reversal_axis()
    bar.render("抖音大V分享数TOP10(亿).html")
```

这几种比较简单原理都一样，咱在看看第八种的
--
十四、分组求和
--
```python
    likes_type_message = df.groupby(['category'])
    likes_type_com = likes_type_message['likes'].agg(['sum'])
    likes_type_com.reset_index(inplace=True)
```

十五、处理数据
--
```python
    dom = [{'name': name, 'value': num} for name, num in
           zip(likes_type_com['category'], likes_type_com['sum'])]
```

十六、设置全局配置项，标题、工具箱(下载图片)
--
```python
               .set_global_opts(title_opts=opts.TitleOpts(title="各类型抖音大V点赞数汇总图",
                                                          pos_left="center", pos_top="5"),
                                toolbox_opts=opts.ToolboxOpts(is_show=True,
                                                              feature={"saveAsImage": {}}),
                                legend_opts=opts.LegendOpts(is_show=False)) )
    treemap.render("各类型抖音大V点赞数汇总图.html")

```
第八种类型就敲完了，全部敲完在看看效果现在敲第九种
--
十七、第九种也是跟第八种一样的，直接上代码
--
```python
    fans_type_message = df.groupby(['category'])
    fans_type_com = fans_type_message['fans'].agg(['sum'])
    fans_type_com.reset_index(inplace=True)
    for name, num in zip(fans_type_com['category'], fans_type_com['sum']):
        data = {}
        data['name'] = name
        data['value'] = num
        dom.append(data)
		
    treemap.set_global_opts(title_opts=opts.TitleOpts(title="各类型抖音大V粉丝数汇总图", pos_left="center", pos_top="5"),
                            toolbox_opts=opts.ToolboxOpts(is_show=True, feature={"saveAsImage": {}}),
                            legend_opts=opts.LegendOpts(is_show=False))
    treemap.set_series_opts(treemapbreadcrumb_opts=opts.TreeMapBreadcrumbOpts(is_show=False))
    treemap.render("各类型抖音大V粉丝数汇总图.html")
```

说实话，这样速度慢了一点，我直接把代码注释写在代码里面，大家可以参考学习一下
==

第十种类型
--
```python
    # 计算单个视频平均点赞数
    df.eval('result = likes/(videos*10000)', inplace=True)
    df['result'] = df['result'].round(decimals=1)
    df = df.sort_values('result', ascending=False)

# 添加数据
    bar.add_xaxis(list(reversed(attr.tolist())))
    bar.add_yaxis("", list(reversed(v1)))
	
    # 设置全局配置项，标题、工具箱(下载图片)、y轴分割线
    bar.set_global_opts(title_opts=opts.TitleOpts(title="抖音大V平均视频点赞数TOP10(万)", pos_left="center", pos_top="18"),
                        toolbox_opts=opts.ToolboxOpts(is_show=True, feature={"saveAsImage": {}}),
                        xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)))
    # 设置系列配置项
    bar.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="right", color="black"))
    # 翻转xy轴
    bar.reversal_axis()
    bar.render("抖音大V平均视频点赞数TOP10(万).html")

```

第十一中类型
--
```python
    # 筛选数据
    df = df[df["country"] == "中国"]
    df1 = df.copy()
    # 数据替换
    df1["province"] = df1["province"].str.replace("省", "").str.replace("壮族自治区", "").str.replace("维吾尔自治区", "").str.replace("自治区", "")
    # 分组计数
    df_num = df1.groupby("province")["province"].agg(count="count")
    df_province = df_num.index.values.tolist()
    df_count = df_num["count"].values.tolist()
	
    # 中国地图
    map.add("", [list(z) for z in zip(df_province, df_count)], "china")
    # 设置全局配置项，标题、工具箱(下载图片)、颜色图例
    map.set_global_opts(title_opts=opts.TitleOpts(title="抖音大V省份分布情况", pos_left="center", pos_top="0"),
                        toolbox_opts=opts.ToolboxOpts(is_show=True, feature={"saveAsImage": {}}),
                        # 设置数值范围0-600，is_piecewise标签值连续
                        visualmap_opts=opts.VisualMapOpts(max_=600, is_piecewise=False))
    map.render("抖音大V省份分布情况.html")
```

第十二种类型
--
```python
    df1 = df[df["country"] == "中国"]
    df1 = df1.copy()
    df1["city"] = df1["city"].str.replace("市", "")

df_num = df1.groupby("city")["city"].agg(count="count").reset_index().sort_values(by="count", ascending=False)
    df_city = df_num[:10]["city"].values.tolist()
    df_count = df_num[:10]["count"].values.tolist()
	
    bar.set_global_opts(title_opts=opts.TitleOpts(title="抖音大V城市分布TOP10", pos_left="center", pos_top="18"),
                        toolbox_opts=opts.ToolboxOpts(is_show=True, feature={"saveAsImage": {}}),
                        yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)))
    bar.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="top", color="black"))
    bar.render("抖音大V城市分布TOP10.html")
```

第十三种类型
--
```python
    df1 = df[(df["school"] != "") & (df["school"] != "已毕业") & (df["school"] != "未知")]
    df1 = df1.copy()
    df_num = df1.groupby("school")["school"].agg(count="count").reset_index().sort_values(by="count", ascending=False)
    df_school = df_num[:10]["school"].values.tolist()
    df_count = df_num[:10]["count"].values.tolist()
	
    # 初始化配置
    bar = Bar(init_opts=opts.InitOpts(width="1200px", height="400px"))
    bar.add_xaxis(df_school)
    bar.add_yaxis("", df_count)
    bar.set_global_opts(title_opts=opts.TitleOpts(title="抖音大V毕业学校TOP10", pos_left="center", pos_top="18"),
                        toolbox_opts=opts.ToolboxOpts(is_show=True, feature={"saveAsImage": {}}),
                        yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)))
    bar.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="top", color="black"))
    bar.render("抖音大V毕业学校TOP10.html")
```

这样我们全部的抖音类型数据可视化程序就写完了，看看效果吧！
--

项目结构
==
![](/contentImages/image/20211217/0Jn9j1YxLr3xs48FAfh.png)

运行结果
==
![](/contentImages/image/20211217/OYXSnFAqrCtZD8PIzRF.png)

![](/contentImages/image/20211217/8CHloL1CyAaxA5HfWYv.png)

![](/contentImages/image/20211217/U6zB3dfseynewOfRsnO.png)

![](/contentImages/image/20211217/AbrPM6TywBodkTsvtAk.png)

![](/contentImages/image/20211217/qKLtVLRCPM0sX5QRkkv.png)

![](/contentImages/image/20211217/rPrFd0rLwiKkVNEVwSm.png)

![](/contentImages/image/20211217/7lx6lAALzXfSvgYE7pB.png)

![](/contentImages/image/20211217/X07t8cXkiNWlZLUQHNN.png)

![](/contentImages/image/20211217/RcY7YFMORCQDKqEQQyI.png)

![](/contentImages/image/20211217/78jaVQqbShuXuZiZxtm.png)

![](/contentImages/image/20211217/1vZkTdNbrYsP79Yu6MD.png)

![](/contentImages/image/20211217/6H0cj6PaDS8QZHtdoz3.png)

本实例支付的费用只是购买源码的费用，如有疑问欢迎在文末留言交流，如需作者在线代码指导、定制等，在作者开启付费服务后，可以点击“购买服务”进行实时联系，请知悉，谢谢

感谢

手机上随时阅读、收藏该文章？请扫下方二维码

Python实现抖音各类型数据可视化

概述

详细

相似例子推荐

评论

作者

评分详细

作者例子