Python分析6625条视频，告诉你“打工人”凭什么能刷爆全网-技术圈

导读：今天教大家用Python分析B站的“打工人”视频。

作者：Mika，数据：真达，后期：Mika

来源：CDA数据分析师（ID: cdacdacda）

点击下方视频，先睹为快：

最近，“打工梗”在朋友圈持续爆火，没有人能避开来自工友的贴心问候——“早安，打工人”，与此同时“打工人”的表情包也席卷全网，铺天盖地，到处吟唱着积极向上的打工人语录。

“累吗？累就对了，舒服是留给有钱人的。早安，打工人！冷吗？冷就对了，温暖是留给开小轿车的人。早安，打工人！”

相比于先前带点“丧”的社畜梗，打工梗用昂扬积极的心态去对抗工作的焦虑，这些打工人语录带着自嘲，也是认清生活本质的解压方式，用较为轻松接地气的玩梗心态，迎接每一天的新工作。

打工梗究竟为什么突然这么火呢？之前小z在《打工人分析简报》中已经分析了各个平台打工人话题的相关数据，我们从中也受到了些启发。

今天我们就来主要分析一下B站上“打工人”的相关视频，看看这6625个视频的背后，打工梗凭什么突然刷屏网络。

我们使用Python获取，技术分析流程分为以下三个步骤：

网络数据获取
数据读入和数据清洗
数据可视化分析

爬虫部分代码暂略，首先导入分析所需的包并读入数据集，原数据集一共包含6625个样本，7个字段，字段含义为：分区标签、视频标题、上传时间、观看数、弹幕数、up主、视频url。

01 数据读入

# 导入包
import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt

# 读入数据
df = pd.read_excel('./data/B站打工人视频10-28.xlsx')
df.head()

print(df.shape) 
(6625, 7)

02 数据预处理

此部分我们初步对原始数据进行处理，其中包含：

去除重复值
view_num和danmu：单位转换
筛选数据

处理之后的数据如下所示：

def transform_unit(x_col):
    """
    功能：转换数值型变量的单位
    """
    # 提取数值
    s_num = df[x_col].str.extract('(\d+\.*\d*)').astype('float')
    # 提取单位
    s_unit = df[x_col].str.extract('([\u4e00-\u9fa5]+)') 
    s_unit = s_unit.replace('万', 10000).replace(np.nan, 1) 
    s_multiply = s_num * s_unit
    return s_multiply

# 去重
df = df.drop_duplicates()

# 删除列
df.drop('video_url', axis=1, inplace=True)

# 转换单位
df['view_num'] = transform_unit(x_col='view_num') 
df['danmu'] = transform_unit(x_col='danmu')

# 筛选时间
df = df[(df['upload_time'] >= '2020-09-01') & (df['title'].astype('str').str.contains('打工人'))] 
df.head()

03 数据可视化分析

首先导入所需包，其中jieba用于中文分词，pyecharts用于绘制动态可视化图形，stylecloud包用于绘制词云图。关键部分代码如下：

import jieba 
from pyecharts.charts import Bar, Line, Pie, Map, Scatter, Page
from pyecharts import options as opts 
from pyecharts.globals import SymbolType, WarningType
WarningType.ShowWarning = False

1. 打工人视频发布热度走势图

可以看到“打工人”相关视频首先出现在2020年9月5日，最初的一个月还没有引起太大的水花。在一个月后，随着打工梗逐渐深入人心，B站相关视频也出现了爆点。

10月16日，up主“老摸鱼艺术家”的《加油！打工人！》播放量突破350万。几天后，10月22日，up主“三Lu有毒”的视频《早安，打工人！》更是加上了各种打工人优秀语录，同时配上魔性的画面和声音，直接在B站爆火，目前该视频播放量已突破913万。

随后“打工人”的视频如雨后春笋般涌现，单10月27日一天就有292条视频发布。

time_num = df.upload_time.value_counts().sort_index() 
time_num[:5] 
2020-09-05    1
2020-09-08    1
2020-09-09    1
2020-09-12    1
2020-09-13    1
Name: upload_time, dtype: int64

# 条形图
line1 = Line(init_opts=opts.InitOpts(width='1350px', height='750px'))
line1.add_xaxis(time_num.index.tolist()) 
line1.add_yaxis('', time_num.values.tolist(), 
                markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_='min'), 
                                                        opts.MarkPointItem(type_='max')])
               ) 
line1.set_global_opts(title_opts=opts.TitleOpts(title='打工人视频发布热度走势图', pos_left='40%'), 
                      xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate='90')),
                      visualmap_opts=opts.VisualMapOpts(max_=int(time_num.max()), is_show=False),
                    ) 
line1.set_series_opts(linestyle_opts=opts.LineStyleOpts(width=3), 
                      label_opts=opts.LabelOpts(is_show=False)
                     )
line1.render()