【导语】之前有个朋友提到了抖音数据的获取。问我这样的行业前景如何，说实话我哪知道啊...不过也给我提供了一些分析思路，还是要感谢这位读者。所以本次就来分析一下抖音的那些大 V们。来探索一下什么样的视频在抖音里最受欢迎。
一、获取分析
信息肯定不是去抖音获取的，而是从某平台爬取的。具体的就不透露了，万一哪天被查水表了该怎么办。
主要包含了大V们的昵称、性别、类型、点赞数、粉丝数以及视频数。一共有2840位抖音大V，粉丝数都是50w+。
二、数据可视化
1、性别分布情况
2000多位大V，除去未知性别的，男女比例基本在「1:1」。可视化代码如下：
defcreate_gender(df):
"""
性别
"""
df = df.copy()
df.loc[df.gender ==,'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)
生成饼图
attr = gender_com['gender']
v1 = gender_com['count']
pie = Pie("抖音大V性别分布情况", title_pos='center', title_top=)
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性别分布情况.html")
2、点赞数TOP10
点赞数都是过亿的存在，就问你怕不怕。其中「浙有正能量」和「人民日报」这两个都是属于弘扬中国正能量的。泱泱大中华，复兴在当下，国强则无惧，龙行在天涯。可视化代码如下：
defcreate_likes(df):
"""
点赞数
"""
df = df.sort_values('likes', ascending=False)
attr = df['name'][:10]
v1 = ["{}".format(float('%.1f'% (float(i) /100000000)))foriindf['likes'][:10]]
生成柱状图
bar = Bar("抖音大V点赞数TOP10(亿)", title_pos='center', title_top='18', width=800, height=400)
bar.add("", attr, v1, is_convert=True, xaxis_min=, yaxis_label_textsize=12, is_yaxis_boundarygap=True, yaxis_interval=, 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点赞数TOP10.html")
3、粉丝数TOP10
粉丝数前十，大部分大V都是娱乐圈的。这也是当下所流行的~可视化代码如下：
defcreate_fans(df):
"""
粉丝数
"""
df = df.sort_values('fans', ascending=False)
attr = df['name'][:10]
v1 = ["{}".format(float('%.1f'% (float(i) /10000)))foriindf['fans'][:10]]
生成柱状图
bar = Bar("抖音大V粉丝数TOP10(万)", title_pos='center', title_top='18', width=800, height=400)
bar.add("", attr, v1, is_convert=True, xaxis_min=, yaxis_label_textsize=12, is_yaxis_boundarygap=True, yaxis_interval=, 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粉丝数TOP10.html")
4、各类型点赞数汇总分布图
「蓝V」「娱乐」「生活」「美女」「搞笑」「帅哥」「音乐」这些类型的抖音视频，应该算是在抖音里较受欢迎的。蓝V是抖音上的一个认证方式，主要是针对企业。
从上面可以看出大部分是媒体这一块，内容则主要是一些时事以及那些正能量视频，可视化代码如下。
defcreate_type_likes(df):
"""
类型点赞数
"""
dom = []
likes_type_message = df.groupby(['type'])
likes_type_com = likes_type_message['likes'].agg(['sum'])
likes_type_com.reset_index(inplace=True)
forname, numinzip(likes_type_com['type'], likes_type_com['sum']):
data = {}
data['name'] = name
data['value'] = num
dom.append(data)
生成矩形树图
treemap = TreeMap("各类型抖音大V点赞数汇总图", title_pos='center', title_top='5', width=800, height=400)
treemap.add('各类型抖音大V点赞数汇总图', dom, is_label_show=True, label_pos='inside', is_legend_show=False)
treemap.render('各类型抖音大V点赞数汇总图.html')
5、各类型粉丝数汇总分布图
「娱乐」类型大V的粉丝数遥遥领先，位居第一。其次便是「美女」「生活」「音乐」「帅哥」「文化」「蓝V」类型的。结合一下点赞数的数据，我们就能知道在抖音里什么样的视频大家比较喜欢。便是「娱乐」「生活」「美女」「帅哥」「音乐」「蓝V」这几个类型。可视化代码如下：
defcreate_type_fans(df):
"""
类型粉丝数
"""
dom = []
fans_type_message = df.groupby(['type'])
fans_type_com = fans_type_message['fans'].agg(['sum'])
fans_type_com.reset_index(inplace=True)
forname, numinzip(fans_type_com['type'], fans_type_com['sum']):
data = {}
data['name'] = name
data['value'] = num
dom.append(data)
生成矩形树图
treemap = TreeMap("各类型抖音大V粉丝数汇总图", title_pos='center', title_top='5', width=800, height=400)
treemap.add('各类型抖音大V粉丝数汇总图', dom, is_label_show=True, label_pos='inside', is_legend_show=False)
treemap.render('各类型抖音大V粉丝数汇总图.html')
6、视频粉丝点赞三维度图
视频越多并不意味着点赞数就越多，粉丝数就越多。不过还是会有个例出现，比如「浙有正能量」，1744个视频，4.6亿点赞数。可视化代码如下：
defcreate_scatter(df):
"""
三维度散点图
"""
生成数据列表
data = [list(i)foriinzip(df['videos'], df['fans'], df['likes'], df['name'])]
生成散点图
x_lst = [v[]forvindata]
y_lst = [v[1]forvindata]
extra_data = [v[2]forvindata]
sc = Scatter("抖音大V视频数粉丝数点赞数三维度", 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=[,500000000], visual_text_color="#000", visual_range_size=[5,30])
sc.render('抖音大V视频数粉丝数点赞数三维度.html')
7、平均视频点赞数TOP10
第一居然被一个珠宝商给霸占了，我觉得肯定有猫腻。于是便去抖音看了一眼。
真不知道它的粉丝和点赞数怎么来的。或许和圈内的删库一样，小哥删视频跑路了。可视化代码如下：
defcreate_avg_likes(df):
"""
平均点赞数
"""
df = df[df['videos'] >]
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'][:10]
v1 = df['result'][:10]
生成柱状图
bar = Bar("抖音大V平均视频点赞数TOP10(万)", title_pos='center', title_top='18', width=800, height=400)
bar.add("", attr, v1, is_convert=True, xaxis_min=, yaxis_label_textsize=12, is_yaxis_boundarygap=True, yaxis_interval=, 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平均视频点赞数TOP10.html")
8、平均视频粉丝数TOP10
妥妥的娱乐圈大佬。反正我是一个没关注，你们呢？可视化代码如下。
defcreate_avg_fans(df):
"""
平均粉丝数
"""
df = df[df['videos'] >]
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'][:10]
v1 = df['result'][:10]
生成柱状图
bar = Bar("抖音大V平均视频粉丝数TOP10(万)", title_pos='center', title_top='18', width=800, height=400)
bar.add("", attr, v1, is_convert=True, xaxis_min=, yaxis_label_textsize=12, is_yaxis_boundarygap=True, yaxis_interval=, 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平均视频粉丝数TOP10.html")
三、总结
我们常说，刷抖音就是浪费时间。讲道理，抖音上也是有不少技术流的大佬，当然内容上更趋向于视频制作。比如下面这几位，鼎鼎大名的「黑脸V」。
所以，也不全是一无是处。如果哪天你也能学会制作出那些吊炸天的视频，也是一种收获。当然路很长，慢慢走~