二次元属性被稀释,B站还剩什么?| 数据分析-轻识

本文为HeoiJin原创投稿文章，欢迎更多读者投稿！

作者简介
HeoiJin：立志透过数据看清世界的产品策划，专注爬虫、数据分析、产品策划领域。
万物皆营销 | 资本永不眠 | 数据恒真理
CSDN：https://me.csdn.net/weixin_40679090

本篇目录

一、前言

本篇章为《二次元属性被稀释，B站还剩什么？》系列篇的下篇。在上篇当中我们已经完成了数据的采集，那么本篇将着重对采集到的数据进行对比分析及可视化。

PS：由于篇幅关系，本文仅展示核心代码，详细源代码可移步至文末Github地址或阅读原文。

二、项目特色

利用pandas库对数据进行分类聚合
利用pyecharts和帆某的Bi软件对数据进行可视化实战
结合DT财经的数据分析B站2019至2020的变化

三、项目准备

语言：Python 3.7
IDE ：Pycharm
浏览器：Chrome
插件：ChromeDriver
库：Pandas、pyecahrts、snapshot_selenium
其他：Fine Bi

四、问题定义

4.1 关键词定义

在进行分析前，要先确认什么是二次元和三次元，具体通过什么标准进行划分。

「二次元」一词来自于日语「二次元（にじげん）」，本义为「二维」，引申为「在纸面、屏幕等平面上展示的动画、游戏等作品中角色」。「三次元（さんじげん）」也被引申用来指现实中的人物。——萌娘百科二次元：动画（Animations即ACG的A）、漫画（Comics即ACG的C）、游戏（Games即ACG的G）。三次元：现实世界。——维基百科

即在爬取的所有分区当中，可以明显归类为二/三次元的分区分别是：二次元：动画、国创相关、游戏
三次元：科技、数码、生活、时尚、娱乐
其余的鬼畜、舞蹈、音乐、影视则因为兼备二次元和三次元的属性，定义为2.5次元[滑稽]。

4.2 确立目标

完成对分区进行属性划分之后，就可以开始确立研究目标：

分析B站综合评分前100中，什么分区是占比最多？用户在不同分区的行为情况如何。
分析B站各分区情况，找出各分区的播放量情况及用户行为情况
分析热门标签变化
针对B站变化，洞悉背后的行为和心理本质

五、数据分析实战

5.1 数据预清洗

在进入正式的分析之前，先使用 df.info()了解下抓取到的数据情况。

通过上面打印数据可看出：共有14列、1300行，没有缺失值。但要注意的是，这里我们先把全站榜排除在外，避免重复计算，后面的分析都基于下面得出的数据df_without_all。

#波浪线~表示不选取该部分df_without_all=df[~df['rank_tab'].isin(['全站'])]

5.2 全站综合评分top100系列

5.2.1各分区占比情况可视化

数据处理思路及核心代码：

对df_without_all按综合评分降序，切片取前100项
获取分区名列，统计每个分区出现次数

得到一个分区名为index，频次为values的Series。

接下来使用pyecahrts的玫瑰图进行可视化处理。
相比于Excel或者Fine Bi，pyecahrts的玫瑰图制作非常友好，而且颜值方面也不错。
核心代码：

在未找到2019年相关播放量的官方数据情况下，暂与2018年的财报数据进行比较。
经比对，生活、动画的排名分别提升至第1名和2名，可以说动画依旧是B站比较重要的一部分。
而娱乐、游戏、科技跌出榜单，时尚、鬼畜、音乐成为新秀，总体看完全属于二次元的视频占比较低，仅占27%。

5.2.2各分区平均情况数据处理

数据处理思路及核心代码：

对df_without_all按照综合评分进行降序排序，并获取前100项
以分类名作为行索引对DataFrame进行分组，求出平均数

对数据进行处理完成之后，分为三部分进行可视化：

播放情况分析
平均三连情况可视化及分析
平均评论、弹幕、转发量情况可视化及分析

5.2.3 平均播放量情况可视化及分析

只需要分类名作为维度，平均播放量作为指标即可。对单维度单指标进行可视化时，可以有柱状图、折线图、面积图等多种选择，这里我选择其中的柱状图进行可视化。思路和核心代码：

获取数据，构建分类名和平均播放量的列表
创建柱状图,并加入Javascript语句制作渐变色

动画区以微弱的优势超过时尚区成为平均播放量的top1，是否意味着二次元依旧是B站的主场？
并不然，回看动画区的详细数据，按播放量进行降序，可以看到，排名第一的《【哔哩哔哩2020拜年祭】》播放量是排名第二的5.74倍。
而时尚区的前两名仅为1.6倍，即动画区的播放量被平均。

5.2.4 平均三连情况可视化及分析

投币、点赞和收藏行为的计量单位为人数，相对于播放量以人次作为计量单位，更能精准地反映用户喜好情况。这里使用pyecharts的雷达图进行可视化。
核心代码：

尽管动画区存在黑马视频，但生活区的平均投币和点赞量依然高于动画区。

5.2.5 平均评论、弹幕、转发量情况可视化及分析

pyecahrts的混合图表在代码实现上复杂，比较于Fine Bi，性价比极低。因此这部分使用Fine Bi进行数据的可视化，不多赘述，直接上图。

动画区的平均弹幕量表现很不错，但是评论量和分享则表现平平。话题性和自传播性的高门槛，导致二次元无法如三次元一样具有爆发性增长的能力。在部分增长速度低于整体增长速度时，必然看到B站二次元属性被稀释的现象。

5.3 各区top100系列

以上，只针对了综合评分前100的数据进行初步的分析，为避免出现幸存者误差的逻辑谬误，下面将对所有分区的top100进一步的分析，并联系DT财经数据进行对比分析。

5.3.1数据预处理

处理思路

对df_without_all按分区名进行分类
统计出每个分区各情况数据的均值
存入csv

5.3.2 播放量均值情况

思路及核心代码：

读取分区名和播放量数据
对播放量数据进行缩放
绘制折线图表

对比DT财经在2019年的数据，除去我们没有采集到放映厅、番剧、广告分区，生活区依然是B站播放量的巨头。
动漫区因拜年祭的火热，由第三升至第二。值得注意的是，各分区top100的平均播放量，相对于19年的数据都有大幅度的增长，生活区热门视频的平均播放量翻了两番。

5.3.3 用户行为数据均值对比

pyecharts折线图的制作方式已在上文提及，那么这部分的可视化就交由Bi软件帮我们完成，不多展开。

继续与DT财经的数据进行对比，除去番剧、放映厅和广告区，在DT财经的各项数据指标中，几乎是动画区一家独大。而到了2020年，则能看到百花齐放的现状，二次元在不同指标的龙头地位都被各三次元分区瓜分，生活区更是拿到了多数指标的头把交椅。

5.4 热门标签

同样在处理数据之前，先了解下数据结构是怎么样的。

观察可知每一项数据里面包含了N个标签，因此，需要将标签列先转化为一个无嵌套的Series，后统计每一个唯一标签出现的次数。核心代码：

对比于DT财经统计的2019年3至4月热门视频的标签频次统计，历时一年后，搞笑依然是B站热门视频中出现频率最多的标签，鬼畜也依旧在显眼位置。从今年的词云中能找到不少与生活密切关联的标签，有我们正在经历的抗击肺炎大作战，也有每次都订立目标，但总是败给吃吃吃的瘦身塑形和减肥。

六、项目总结

创立十载的B站，发展成仅APP的DAU就高达3千3百万的大平台。从二次元社区到综合视频社区，原有的二次元属性必被稀释。回归到最初的问题：1、二次元属性的稀释情况如何？
二次元依然是B站核心的组成部分。但从B站的商业布局来看，直播线、综艺线、Vlog线等更多贴合生活的内容将进一步稀释二次元属性。2、什么分区是B站的龙头？
拥有更广受众面的生活区逐步成为B站主流，而且这种趋势会更加明显。在大众传播学提出过这么一个理论——沉默的螺旋：即大众的更大众，小众的更小众，传播学中的马太效应。3、B站的主流用户喜欢什么标签的视频？
搞笑依旧是B站用户最热爱的标签。毕竟在残酷的社会环境中，幽默是稀缺的资源。4、本次分析带来什么思考？
B站从二次元成功转型为综合型网站，获得腾讯、阿里等巨头投资成功上市，而处于寒冬的我们，也要不断地增值升级，才能迎来暖春。最后希望B站能越来越好，不忘初心！源码地址（或阅读原文）：https://github.com/heoijin/Bilibili-Rnak

郑重声明：本项目及所有相关文章，仅用于经验技术交流，禁止将相关技术应用到不正当途径，因为滥用技术产生的风险与本人无关。

参考文献：
1、《数据解读 | 我们研究了B站，发现它很不“二次元”》-DT财经：https://mp.weixin.qq.com/s/EObWtXz1yxsZhvZQVKnk3g
2、2020中国移动互联网“战疫”专题报告- QuestMobile2020:https://www.questmobile.com.cn/research/report-new/81
3、产品分析报告|B站，从二次元社区到综合视频社区- FMR:http://www.woshipm.com/evaluating/2102696.html