📊 B站热门榜单深度数据分析

上一篇我们完成了B站热门榜单数据的采集，本篇将带你用数据可视化挖掘影视区热门视频的奥秘！

🎯 分析概览

本次数据分析将围绕三个核心维度展开：

• 多指标TOP10排名：播放量、点赞、投币等6大关键指标
• 标签词云可视化：挖掘热门视频的内容标签特征
• 视频时长分布：分析时长规律及其与播放量的关系

📁 数据准备与清洗

首先导入必要的库并读取爬虫获取的数据：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
from wordcloud import WordCloud
from collections import Counter

# 设置中文字体显示
plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False

# 读取数据
df = pd.read_csv('bilibili_ranking_2025-11-19.csv')

数据清洗关键步骤

# 确保数值列格式正确
numeric_columns = ['play_num', 'comment_num', 'thumbsUP_num', 'coins_num',
                  'collect_num', 'share_num', 'danmaku_num']

for col in numeric_columns:
    df[col] = pd.to_numeric(df[col], errors='coerce')

🔍 处理重点：使用pd.to_numeric()配合errors='coerce'自动处理非数值数据，确保后续分析准确性。

📈 多维度TOP10排名分析

可视化函数设计

def create_top10_chart(data, metric, title, color, ax, position):
    """创建单个指标的TOP10图表"""
    top10 = data.nlargest(10, metric)[['title', metric]]
    
    # 智能截断长标题
    titles = [title[:15] + '...' if len(title) > 15 else title for title in top10['title']]
    
    bars = ax.barh(range(len(top10)), top10[metric], color=color, alpha=0.7)
    ax.set_yticks(range(len(top10)))
    ax.set_yticklabels(titles, fontsize=8)
    ax.set_xlabel(metric.replace('_', ' ').title(), fontsize=10)
    ax.set_title(f'{title}\nTOP 10', fontsize=12, fontweight='bold', pad=10)
    
    # 添加数据标签
    for i, (bar, value) in enumerate(zip(bars, top10[metric])):
        ax.text(bar.get_width() + bar.get_width() * 0.01, bar.get_y() + bar.get_height()/2,
                f'{value:,}', ha='left', va='center', fontsize=8,
                bbox=dict(boxstyle="round,pad=0.2", facecolor='white', alpha=0.8))

六指标并行分析

# 创建2×3子图布局
fig, axes = plt.subplots(2, 3, figsize=(20, 12))
fig.suptitle('🎯 B站热榜数据深度分析 - 各指标TOP10视频排名', 
             fontsize=16, fontweight='bold', y=0.95)

# 定义分析指标与配色
metrics_config = [
    ('play_num', '🎬 播放量', '#FF6B6B'),
    ('thumbsUP_num', '👍 点赞量', '#4ECDC4'),
    ('coins_num', '🪙 投币量', '#45B7D1'),
    ('share_num', '📤 分享量', '#96CEB4'),
    ('collect_num', '⭐ 收藏量', '#FECA57'),
    ('danmaku_num', '💬 弹幕量', '#FF9FF3')
]

# 批量生成图表
for i, (metric, title, color) in enumerate(metrics_config):
    row = i // 3
    col = i % 3
    create_top10_chart(df, metric, title, color, axes[row, col], i)

💡 关键发现

通过TOP10分析，我们可以观察到：

• 播放量王者 🎬：通常与热门IP或时事相关
• 点赞投币比 📊：高点赞投币比的视频往往内容质量更高
• 分享量特征 📤：情感共鸣强或实用性强的内容更易被分享

🏷️ 标签词云分析

数据预处理

# 标签数据处理
all_tags = []
for tags in df['tag_list'].dropna():
    tag_list = [tag.strip() for tag in str(tags).split(',')]
    tag_list = [tag for tag in tag_list if tag and len(tag) > 1]
    all_tags.extend(tag_list)

# 标签频率统计
tag_counts = Counter(all_tags)
print(f"总标签数量：{len(all_tags)}")
print(f"唯一标签数量：{len(tag_counts)}")

词云图生成

# 创建词云
wordcloud = WordCloud(
    font_path='C:/Windows/Fonts/simhei.ttf',  # Windows系统字体
    width=1200, height=800,
    background_color='white',
    colormap='viridis',
    max_words=100,
    relative_scaling=0.5
).generate_from_frequencies(tag_counts)

# 可视化展示
plt.figure(figsize=(15, 10))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.title('B站排行榜视频标签词云图 (2025-11-19)', fontsize=16, pad=20)
plt.show()

📊 标签分布统计

# 详细标签分析
category_dist = pd.Series(all_tags).value_counts().head(15)
print("\n前15个标签分布:")
for category, count in category_dist.items():
    percentage = (count / len(all_tags)) * 100
    print(f"{category:<15} {count:>3}次 ({percentage:>5.1f}%)")

🎯 标签分析洞察：

• 热门标签反映当前影视区的主要内容方向
• 特定标签（如"漫威"、“国产剧”）的出现频率体现用户偏好
• 标签多样性反映内容生态的丰富程度

⏱️ 视频时长深度分析

时长数据转换

def duration_to_seconds(duration_str):
    """将HH:MM:SS或MM:SS格式的时长转换为秒数"""
    try:
        parts = list(map(int, str(duration_str).split(':')))
        if len(parts) == 3:  # HH:MM:SS
            return parts[0] * 3600 + parts[1] * 60 + parts[2]
        elif len(parts) == 2:  # MM:SS
            return parts[0] * 60 + parts[1]
        elif len(parts) == 1:  # SS
            return parts[0]
        else:
            return None
    except:
        return None

# 应用转换
df['duration_seconds'] = df['duration'].apply(duration_to_seconds)
df_valid = df.dropna(subset=['duration_seconds'])

基础统计信息

print("=== 时长基本统计 ===")
print(f"平均时长：{df_valid['duration_seconds'].mean()/60:.2f}分钟")
print(f"中位数时长：{df_valid['duration_seconds'].median()/60:.2f}分钟")
print(f"时长标准差：{df_valid['duration_seconds'].std()/60:.2f}分钟")

多维度可视化

# 创建综合图表布局
fig, axes = plt.subplots(2, 2, figsize=(16, 12))
fig.suptitle('B站排行榜视频时长分布分析 (2025-11-19)', fontsize=16, fontweight='bold')

# 1. 直方图 - 展示整体分布
axes[0, 0].hist(df_valid['duration_seconds'] / 60, bins=30, alpha=0.7, 
                color='skyblue', edgecolor='black')
axes[0, 0].set_xlabel('时长 (分钟)')
axes[0, 0].set_ylabel('视频数量')
axes[0, 0].set_title('视频时长分布直方图')

# 2. 箱线图 - 识别异常值
axes[0, 1].boxplot(df_valid['duration_seconds'] / 60, vert=True, patch_artist=True)
axes[0, 1].set_ylabel('时长 (分钟)')
axes[0, 1].set_title('视频时长箱线图')

# 3. 区间统计 - 分类视角
bins = [0, 1, 3, 5, 10, 30, 60, float('inf')]
bin_labels = ['<1分钟', '1-3分钟', '3-5分钟', '5-10分钟', '10-30分钟', '30-60分钟', '>1小时']
df_valid['duration_category'] = pd.cut(df_valid['duration_seconds'] / 60, 
                                     bins=bins, labels=bin_labels)

category_counts = df_valid['duration_category'].value_counts().sort_index()
axes[1, 0].bar(category_counts.index, category_counts.values, 
               color='lightcoral', alpha=0.7)
axes[1, 0].set_xlabel('时长区间')
axes[1, 0].set_ylabel('视频数量')
axes[1, 0].set_title('按时长区间统计')
axes[1, 0].tick_params(axis='x', rotation=45)

# 4. 饼图 - 比例展示
axes[1, 1].pie(category_counts.values, labels=category_counts.index, 
               autopct='%1.1f%%', startangle=90)
axes[1, 1].set_title('时长分布比例')

🔍 时长与播放量相关性

# 计算相关系数
correlation = df_valid['duration_seconds'].corr(df_valid['play_num'])
print(f"时长与播放量的相关系数: {correlation:.3f}")

# 散点图可视化关系
plt.figure(figsize=(10, 6))
plt.scatter(df_valid['duration_seconds'] / 60, df_valid['play_num'] / 10000, alpha=0.6)
plt.xlabel('时长 (分钟)')
plt.ylabel('播放量 (万)')
plt.title('视频时长与播放量关系散点图')
plt.grid(True, alpha=0.3)
plt.show()

💎 核心发现与总结

🎯 关键洞察

1. 内容质量指标 👍：点赞、投币、收藏量高的视频往往具有持久价值
2. 传播力指标 📤：分享量反映内容的社会传播潜力
3. 互动性指标 💬：弹幕量体现内容的讨论热度和观众参与度

📊 时长规律

• 黄金时长区间 ⏰：分析发现3-10分钟的视频在播放量上表现最佳
• 内容深度与时长平衡 ⚖️：过长或过短的视频都可能影响用户体验
• 标签与时长的关联 🏷️：不同内容类型有各自的最佳时长范围

🚀 实践建议

对于内容创作者：

• 关注多个质量指标，而非单纯追求播放量
• 根据内容类型选择合适时长
• 善用热门标签提升内容发现概率

📝 技术要点回顾

1. 数据清洗：确保数值类型正确是分析的基础
2. 可视化设计：多子图布局提高信息密度
3. 文本处理：标签分析和词云生成技巧
4. 时间格式处理：时长数据的标准化转换

---

💻 完整代码已开源在GitHub，欢迎 star 和 fork！下一步我们将探索更复杂的用户行为分析和推荐算法应用。

📢 互动话题：你在B站最喜欢看什么类型的影视内容？觉得多长的视频体验最好？欢迎在评论区讨论！

---

数据来源：B站热门榜单 · 分析时间：2025年11月19日 · 更多数据分析教程敬请关注