用Python告诉你，谁是这个夏天的最强乐队？
虽然现在大众的兴趣非常的分散，乐队的夏天是否是今天最火的综艺节目，每个人心中的答案都是不一样的。但在我看来，我很感谢有这么一个节目，可以让我接触到不同类型的音乐，认识这么多优秀的乐队，知道坚持做自己喜欢的事是一件多么幸福的事。
我本身从事数据分析相关的工作，业余时间学习Python，今天应该是连续学习打卡的第84天，希望通过这个分析，可以提升代码水平，同时也想挖掘一些隐藏在排名，得分这些数据底下的结论，同时为喜欢的节目打call，最后我将预测最后一期Hot5的名单。写这篇文章的时候，距离播出还有3小时，时间紧迫哈哈，很快就要打脸了。
好了，说了这么多，那么开始吧！
第一步:数据采集
数据分析数据分析，没有数据就没有分析。网络上没有公开的详细得票、排名数据，只好自己整理了。首先购买爱奇艺会员
，不然很长时间都消耗在广告上了。然后用2.5倍速播放（这么听歌还挺带感的），然后看到这一幕，按住锁屏和音量键+，咔嚓，数据收集到了！
最后手机相册就变成现在这样
最后再填到一个Excel表里面，数据就有啦！
(如果想要原始数据，关注公众号回复“乐队的夏天”可以下载）
它大概长这个样子?
一共有5个sheet，对应5场比赛，字段分别是：[场数, 出场顺序, 乐队, 歌曲, 超级乐迷得分, 专业乐迷得分, 大众乐迷得分, 总得分, 排名, 是否晋级下一轮]
第二步：读取数据
在读取数据之前，先导入分析的工具包
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt为了显得有一点点审美，我用取色器取了乐队的夏天主KV上面的颜色，便于后面可视化来使用。
# 配置乐队的夏天主题色
purple = (0.22,0.09,0.59) # 紫色
yellow = (0.99,0.89,0.27) # 黄色
green = (0.36,0.94,0.55) # 绿色
blue = (0.06,0.24,0.78) # 蓝色
red = (0.98,0.31,0.36) # 红色环境设置完了，第一步是导入数据
# 读取数据
data1 = pd.read_excel('/.../乐队的夏天.xlsx','第一场')
data2 = pd.read_excel('/.../乐队的夏天.xlsx','第二场两两PK赛')
data3 = pd.read_excel('/.../乐队的夏天.xlsx','第三场累计积分赛')
data4 = pd.read_excel('/.../乐队的夏天.xlsx','第四场复活赛')
data5 = pd.read_excel('/.../乐队的夏天.xlsx','第五场9进7')观察一下数据吧
# 观察数据
data1.info()
data1.head()
以第一场的数据为例为例，可以看到字段和数据的行数，其中得分有（31-27=4）行数据为空，进入第三步。
第三步：数据清洗
既然有空数据，先看看是怎么回事
# 可以看到有四只乐队是没有得分和排名的，把他们列出来
data1[data1['总得分'].isnull()]
所以其实是有31只乐队表演的，但这四只乐队因为被剪掉了，所以没有具体成绩的数据，怎么办呢，只好把你们删了。
data1 = data1.dropna(axis = 0)这样就完成了，因为数据是自己手动录入的，所以其它没什么问题了，可以开始分析了。
第四步：数据分析
整体的分析思路遵循从整体到局部的顺序，分为乐队和歌曲两个部分，再细分超级乐迷，专业乐迷和大众乐迷三个角度。同时会展示乐队在每期比赛的排名升降情况。
另外由于每场比赛的总票数不同，不同评委票数比例不同，为了使得不同场次之间的得票数据具备可比性，需要用到两种数据标准化的方法，分别是：
- Z_score 标准分
- 0-1 normalization 归一分
Z_score标准分的计算方法是用
（该乐队当场得分 - 当场所有乐队得分的平均数）/ 当场所有乐队得分的标准差
计算得到
# 标准分函数定义
def z_score_normalize(series):
mean = series.mean()
std_dv = series.std()
return series.apply(lambda x:(x - mean) / std_dv)
# 用循环的方式批量对每场比赛的得分做处理
competition = [data1,data2,data3,data4,data5]
for period in competition:
period['超级乐迷得分_标准分'] = z_score_normalize(period['超级乐迷得分'])
period['专业乐迷得分_标准分'] = z_score_normalize(period['专业乐迷得分'])
period['大众乐迷得分_标准分'] = z_score_normalize(period['大众乐迷得分'])
period['总得分_标准分'] = z_score_normalize(period['总得分'])
0-1 normalization 归一分的计算方法是用
乐队得票数/总票数 计算得到，也等于常说的得票率
# 定义归一化的函数
def normalize(series,x_max):
return series.apply(lambda x: x/x_max)
# 对不同总分不同类别的得分应用归一化函数
for data in [data1,data2,data5]:
data['超级乐迷_归一分'] = normalize(data['超级乐迷得分'],50)
data3['超级乐迷_归一分'] = normalize(data3['超级乐迷得分'],60)
data4['超级乐迷_归一分'] = normalize(data4['超级乐迷得分'],40)
for data in [data1,data2,data3,data4,data5]:
data['专业乐迷_归一分'] = normalize(data['专业乐迷得分'],40)
for data in [data1,data2]:
data['大众乐迷_归一分'] = normalize(data['大众乐迷得分'],100)
for data in [data3,data4,data5]:
data['大众乐迷_归一分'] = normalize(data['大众乐迷得分'],360)做完上面两步，再把每场的数据拼成一个表，大功告成。（此处省略拼接代码）
total_score
首先我们分析乐队，通过27只乐队在目前5场比赛中所表演的曲目的总得分的标准分的平均分，来衡量乐队的整体表现。
这个数据首先反映乐队的歌在该场比赛中的表现，其次结合多场比赛歌曲的表现，体现乐队的整体成绩。
# 按照乐队这个标签分类计算，计算方式是平均值，计算字段是总得分_标准分，然后按照总得分_标准分排列
total_score_mean = total_score.groupby(['乐队'])[['总得分_标准分']].mean().sort_values(
by = '总得分_标准分',ascending = False)
total_score_mean
（贴一部分成绩出来)
然后把这个结果可视化看看
# 对乐队总得分_标准分做可视化
y = np.arange(len(total_score_mean.index))
x = np.array(list(total_score_mean['总得分_标准分']))
fig,ax = plt.subplots(figsize = (12,12))
total_score_mean.plot.barh(ax=ax,alpha=0.7,title='27只乐队场均表现',color = 'g')
for a,b in zip(x,y):
plt.text(a, b, '%.2f' % a, ha='center', va= 'center',fontsize=12)
ax.grid(False)
新裤子排名第一，这也是在意料之中，生命因你而火热，花火这几首歌在朋友圈都爆了，其他的像刺猬、九连真人、盘尼西林、旅行团、Click#15都表现很稳定，在目前的晋级名单中。但有两支乐队比较奇怪，一个是一度被淘汰的痛痒乐队，竟然排在第二，另一个是一直在线，还把痛痒PK掉的面孔，排名甚至不在前10。
# 把痛痒的成绩拉出来看一下
total_score[total_score['乐队'] == '痛痒乐队']
<再见杰克>和<西湖>都在当轮比赛中取得非常突出的表现，但<我愿意>真的可惜了。
total_score[total_score['乐队'] == '面孔乐队']
较于其他只表演了一场但排名中等的队伍，面孔因被<张三的歌>垫底，一举拖垮，也因此惨遭淘汰。
接下来 我想研究，在超级乐迷、专业乐迷和大众乐迷各自眼里，哪些乐队是他们喜欢的，他们共同喜欢的，和差异很大的乐队分别是哪些？
# 代码逻辑和前面选总得分作为计算字段的逻辑一样，只不过这次选取单个群体得分作为指标
super_score_mean = total_score.groupby(['乐队'])[['超级乐迷得分_标准分']].mean().sort_values(
by = '超级乐迷得分_标准分')
pro_score_mean = total_score.groupby(['乐队'])[['专业乐迷得分_标准分']].mean().sort_values(
by = '专业乐迷得分_标准分')
public_score_mean = total_score.groupby(['乐队'])[['大众乐迷得分_标准分']].mean().sort_values(
by = '大众乐迷得分_标准分')对前10的乐队进行数据可视化
fig,ax = plt.subplots(1,3,figsize = (16,6))
super_score_mean.tail(10).plot.barh(ax=ax[0],color = '#dc2624',alpha=0.7,title='超级乐迷心中TOP10',grid=False)
pro_score_mean.tail(10).plot.barh(ax=ax[1],color = '#2b4750',alpha=0.7,title='专业乐迷心中TOP10',grid=False)
public_score_mean.tail(10).plot.barh(ax=ax[2],color = '#649E7D',alpha=0.7,title='大众乐迷心中TOP10',grid=False)
同时在三个群体中位列心目前十的乐队是:
{'九连真人', '海龟先生', '刺猬', '盘尼西林', '新裤子'}
下面一起来读绕口令:
在超级乐迷心中前十，但不在专业乐迷心中的前十乐队是:
{'痛痒乐队', '面孔乐队', '鹿先森'}
在超级乐迷心中前十，但不在大众乐迷心中的前十乐队是:
{'Mr.WooHoo', 'Click#15', '面孔乐队', '鹿先森'}
在专业乐迷心中前十，但不在超级乐迷心中的前十乐队是:
{'Mr.Miss', '和平和浪', '皇后皮箱'}
在专业乐迷心中前十，但不在大众乐迷心中的前十乐队是:
{'Click#15', '皇后皮箱', 'Mr.Miss', '和平和浪', 'Mr.WooHoo'}
在大众乐迷心中前十，但不在超级乐迷心中的前十乐队是:
{'旅行团乐队', '黑撒乐队', '葡萄不愤怒', '南无乐队'}
在大众乐迷心中前十，但不在专业乐迷心中的前十乐队是:
{'旅行团乐队', '葡萄不愤怒', '南无乐队', '痛痒乐队', '黑撒乐队'}
（上面的内容是通过对三个数据做集合运算得出的，完整代码在点击阅读原文）需要说明的是，因为有些乐队在第一轮就被淘汰了，例如鹿先森、和平和浪、葡糖不愤怒，使得他们单场表现的成绩就代表了他们的整体水平，这是有失偏颇的，因为比赛本身是淘汰和晋级的形式，越往后面对的竞争环境会越加激烈，所以得分会更能代表乐队实力。
接下来对比较熟悉的9只乐队的每期排名做可视化，直观地展现他们在每期表现的升降。
新裤子的发挥是较为稳定的，除了第三场上和Cindy合作的音乐形式较为新颖，让观众一时难以接受之外，在各个场次都获得非常靠前的成绩。
同样稳定的还有九连真人，一直稳稳的在中间，此外第二场改编李宗盛大哥的凡人歌，现场炸裂，表现超出期待。
表现越来越好的有两只乐队：
1.刺猬
2.Click#15
刺猬可谓是低开高走，复活赛中凭借白日梦蓝稳稳防守住黑撒乐队的挑战，女神赛中和斯斯与帆的合作更是获得了全场最佳。
Click#15虽然在第二场和面孔的PK赛中被淘汰，但又杀了回来，而且第五场演绎beyond的碑面派对，首次赢得第一名。
另外面孔乐队的处境一直比较尴尬，看他们的音乐对这一代人确实存在一些隔阂。
最后还有我很喜欢的乐队，海龟先生。第一场比赛在31只乐队中位列第一，后面他们做了许多创意，还有想通过音乐表达自己的想法，可惜没有被buy in.
对乐队的分析暂时告一段落，接下来看看歌曲。
通过前面提到的归一化计算，可以得到一下数据
（此处省略了一部分代码，完整代码在点击阅读原文）
首先对数据整体有一个把握
# 看看数据整体的描述
total_nor_score.describe()
# 运用箱型图可以看到各组给分的分布，其中蓝线是平均分，圆圈是最小值
fig,ax = plt.subplots(1,1,figsize = (8,4))
total_nor_score.boxplot(ax = ax,grid=False)
从上面的图和数据不难看出，超级乐迷给分的范围相对较高，也就是所谓的手松，而专业乐迷擅长给低分，最低的时候只给出了20%比例的票，大众乐迷相对克制，最高分也仅仅给出了92%的票，所谓的众口难调。总得分的平均数是0.71，意味着所有歌曲平均下来能拿到71%的票，也是挺不容易的。
再来看看，得票率前10的歌曲吧！
top10_songs = total_nor_score.sort_values(by = '总得分_归一分').tail(10)
top10_songs.plot.barh(x='歌曲',y='总得分_归一分',color=purple)
print('截止第五期，最受欢迎的10首歌分别是:\n',list(top10_songs['歌曲']))
截止第五期，最受欢迎的10首歌分别是: ['一场游戏一场梦', "Don't break my heart", '红河谷', '凡人歌', 'How come u leave me like this', '生命因你而火热', '椑面派对', '西湖', '花火', 'Bye Bye']
下面看看在每组评委心目中前10的歌曲：
total_nor_score.sort_values(by = '超级乐迷_归一分').tail(10).plot.barh(x='歌曲',y='超级乐迷_归一分',color=red)
total_nor_score.sort_values(by = '专业乐迷_归一分').tail(10).plot.barh(x='歌曲',y='专业乐迷_归一分',color=yellow)
total_nor_score.sort_values(by = '大众乐迷_归一分').tail(10).plot.barh(x='歌曲',y='大众乐迷_归一分',color=green)
超级乐迷最喜欢Don't break my heart，专业乐迷最喜欢Bye Bye Bye，大众乐迷最喜欢西湖。
整体回顾完了，最后单独分析两个问题。第一个是为什么<我愿意>这首歌表现不好呢？
total_nor_score[total_nor_score['歌曲'] == '我愿意']
可以看到虽然在节目中，矛头似乎指向了专业乐迷，但实际上，专业乐迷给票的比例比大众乐迷是要高的，真正不喜欢的是大众乐迷，只给出了一半的票数。
第二个问题是，谁在不喜欢海龟先生？
total_nor_score_t = pd.merge(total_nor_score, total_score[['乐队','歌曲']], on='歌曲')
total_nor_score_t[total_nor_score_t['乐队'] == '海龟先生']
咿呀呀这首歌拖累了海龟的整体平均分，而在这首歌中，专业乐迷给票的比例是最低的。
看看每组分别对海龟先生的作品给出的平均分：
total_nor_score_t[total_nor_score_t['乐队'] == '海龟先生'].mean()超级乐迷_归一分 0.836000
专业乐迷_归一分 0.690000
大众乐迷_归一分 0.779444
总得分_归一分 0.778734可以看到是专业乐迷，所以李红旗啊，如果专业乐迷们说什么喜欢你们，你们千万不要相信。
最后，我要来预测今晚谁是这个夏天的Hot5，感谢你坚持看到这里！
预测方式很简单，将归一分和标准分均排名前五的乐队，拉出来看一下：
total_nor_score_t.groupby('乐队').mean().sort_values(by = '总得分_归一分',ascending = False).head(9)
total_score_mean.sort_values(by = '总得分_标准分',ascending= False).head(9)
# 取前五的交集
hot5_nor = total_nor_score_t.groupby('乐队').mean().sort_values(by = '总得分_归一分',ascending = False).head(5).index
hot5_z = total_score_mean.sort_values(by = '总得分_标准分',ascending= False).head(5).index
set(hot5_nor) & set(hot5_z){'九连真人', '刺猬', '新裤子', '痛痒乐队'}结果只有4只乐队是重合的，剩余的三只乐队中，旅行团在归一分排序中在盘尼西林前面，而标准分落后，Click#15两种计算方式结果均在最后。因此，第五名的悬念应该是在旅行团乐队和盘尼西林之间，至于最后是谁，就让今晚拭目以待吧！
写在最后，因为这是我的第一篇推文，以后还会写更多数据分析方面的，以及一些读书笔记，Python学习笔记，还有美剧推荐，哲学，历史，音乐等。之所以起名为猪栏守望者，灵感来自麦田守望者，是因为希望能够给大家一些不一样的东西，一些经过独立思考和分析的东西，让资讯不全是低级的消遣娱乐。喜欢记得点在看和关注。
点击阅读原文可以前往github获取完整分析代码
本文分享自 智能工场AIWorkshop 微信公众号，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ，欢迎热爱写作的你一起参与！
腾讯云开发者
