用Python分析投票数据，选出真正的乐队TOP 5
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！
它大概长这个样子?
一共有6个sheet，对应6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 pdimport numpy as npimport 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')data6 = pd.read_excel('/.../乐队的夏天.xlsx','第六场总决赛')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
竟然有空数据，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)此外第六场的总票数还没有给出，也有一部分空值，但不影响分析这样就完成了，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,data6]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,data6]: 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,data6]: 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,data6]: 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
PART I ：这些宝藏乐队你不应该错过！
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仰乐队，竟然排在第二，另一个是一直在线，还把痛仰PK掉的面孔，排名甚至不在前10。
# 把痛仰的成绩拉出来看一下 total_score[total_score['乐队'] == '痛仰乐队']
“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5的乐队进行数据可视化。
fig,ax = plt.subplots(1,3,figsize = (16,6))super_score_mean.tail(5).plot.barh(ax=ax[0],color = '#dc2624',alpha=0.7,title='超级乐迷心中TOP5',grid=False)pro_score_mean.tail(5).plot.barh(ax=ax[1],color = '#2b4750',alpha=0.7,title='专业乐迷心中TOP5',grid=False)public_score_mean.tail(5).plot.barh(ax=ax[2],color = '#649E7D',alpha=0.7,title='大众乐迷心中TOP5',grid=False)
同时在三个群体中位列心目前五的乐队是:“新裤子”。
下面一起来读绕口令: 在超级乐迷心中前五，但不在专业乐迷心中的前五乐队是: {'海龟先生', '盘尼西林', '痛仰乐队'} 在超级乐迷心中前五，但不在大众乐迷心中的前五乐队是: {'Click#15', '海龟先生', '盘尼西林'} 在专业乐迷心中前五，但不在超级乐迷心中的前五乐队是: {'Mr.WooHoo', 'Mr.Miss', '九连真人'} 在专业乐迷心中前五，但不在大众乐迷心中的前五乐队是: {'Mr.WooHoo', 'Mr.Miss', 'Click#15'} 在大众乐迷心中前五，但不在超级乐迷心中的前五乐队是: {'九连真人', '葡萄不愤怒', '刺猬'} 在大众乐迷心中前五，但不在专业乐迷心中的前五乐队是: {'刺猬', '葡萄不愤怒', '痛仰乐队'}
PART II ：乐队的排名就像人生，它会起起落落落落落
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：刺猬和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。
PART III ：如果你只有十首歌的时间，我建议你听这些歌
通过前面提到的归一化计算，可以得到一下数据
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93%的票，所谓的众口难调。总得分的平均数是0.72，意味着所有歌曲平均下来能拿到72%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('截止第六期，最受欢迎的10首歌分别是:\n',list(top10_songs['歌曲']))
截止第六期，最受欢迎的10首歌分别是:
- 夏日终曲
- 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
- 公路之歌
- 没有理想的人不伤心
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”，专业乐迷和大众乐迷最喜欢“没有理想的人不伤心”。
PART IIII：灵魂拷问：“我愿意”为什么跳水？谁在不喜欢海龟先生？
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。
PART IV：不要情感，拒绝同情票，我只想告诉你真相
最后，我说出我心目中真正的Hot5，感谢你坚持看到这里！
第六期也就是决赛的这一期，临时增加了一轮投票环节，在歌手演出结束后，一人一票，投出你喜欢的乐队。两轮票数相加得到总票数，前五名的留下。
最终成绩如下：
data6.iloc[:,:-9]
新的规则带来很大的争议，有人会给出“同情票”，使得真正的排名不能体现乐队的实力。
因此，我心目中的Hot5应该是结合每场每首歌的成绩，不考虑作品以外单独的投票的干扰来评判。因此选用前面提到的标准分的方法来计算最后决赛夜的7只乐队全部六场成绩，得到最终的排名。
# 选中7只队伍final_7 = ['新裤子','痛仰乐队','九连真人','Click#15','刺猬','盘尼西林','旅行团乐队']# 分别计算标准分final_7_total_score = total_score_mean.loc[final_7,].sort_values(by='总得分_标准分')# 可视化fig,ax = plt.subplots(1,1,figsize = (10,20))final_7_total_score.plot.barh(ax=ax,color = yellow,alpha=0.7,title='我心中Hot5',grid=False)
从这个结果来看，其实盘尼西林是排在最后一位的，但因为增加了投票而被捞了回来。赛制的改变，使得结果有人欢喜有人愁。
但不管结局，排名，还是很高兴，这个夏天遇见这么多好听的音乐，同时也用数据更好的察觉一些真相。
腾讯云开发者
