分析B站100万+视频，发现竟然有这么多干货资源。
分析B站100万+视频，发现竟然有这么多干货资源。
最近一年来B站真的是火热火热的。
最近的跨年晚会，得到了人民日报的表扬。
去年4月份被央视点名表扬。
弄的小F也注册了一个B站账号，去学习～
那么问题来了，面对B站8千万的视频，该如何找到那些优质的资源呢？
小F爬取了B站科技分区下三个板块2019年的所有视频，约110w。
其中演讲·公开课板块视频最多，占了一半的数量。
数据是放在Mysql数据库，所以放一下数据处理的代码。
import pandas as pd
import pymysql
# 设置列名与数据对齐
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
# 显示20列
pd.set_option('display.max_columns', 20)
# 显示10行
pd.set_option('display.max_rows', 10)
# 设置显示宽度为2000,这样就不会在IDE中换行了
pd.set_option('display.width', 2000)
# 读取数据
conn = pymysql.connect(host='localhost', user='root', password='20200118', port=3306, db='bilibili', charset='utf8mb4')
cursor = conn.cursor()
sql = "select * from messages"
db = pd.read_sql(sql, conn)选取上传时间为2019年的视频，看一下整体的数据情况。
# 选取2019年的视频数据
df = db[db['day'].str.contains("2019")]
# 选取观看数、弹幕数、点赞数、投币数、收藏数、分享数、回复数的列数据
df = df[['view', 'danmaku', 'love', 'coin', 'favorite', 'share', 'reply']]
# 计算每列的总和
df.loc['Row_sum'] = df.apply(lambda x: x.sum())
# 打印结果
print(df)结果如下。
可以看到2019年上传了1086739个视频。
共产生了41亿次的观看，2千万的弹幕，1.3亿的点赞，近7千万的投币，1.1亿的收藏，1.5千万的分享，以及1.8千万的评论。
厉害了，这个硬核的「B站」。
下面分别看一下各个数据的Top10。
# 对播放量进行排序,其它就是修改view为danmaku,love,coin,favorite,share,reply
df = df.sort_values('view', ascending=False, na_position='last')
# 输出排行前10位
df = df[['aid', 'view', 'name', 'title']].head(10)
print(df)话说逛过B站的你，看过下面中的哪几个视频呢？
才入坑的小F，也就看过那么几个吧...
「何同学」算是知道的，那个讲解5G的视频。
还有「见齐」，他开源的可视化工具(动态条形图)真的香。
没玩过B站的，可以输入图片中的「mid」值(av号)即可访问视频。
https://www.bilibili.com/video/av52012946(复制到浏览器打开)
目前B站的注册人数已经超过4亿人，月活跃用户也超过1亿人。
下面就来看一下这110w的视频是由多少个UP主上传的，那些UP主上传视频最多。
# 对UP主进行分类汇总,计算上传视频数量
df = df.groupby(['name'])[['mid']].count().reset_index()
# 输出所有结果
# df = df.sort_values('mid', ascending=False, na_position='last')
# 输出排行前10位
df = df.sort_values('mid', ascending=False, na_position='last').head(10)
print(df)结果如下。
可以看到共有11万+的UP主参与了这个大工程的建设。
以下10位作者可以说是B站科技板块最勤奋的UP主了。
「knnstack」这位UP主贡献了近2万的视频，貌似都是搬运的。
那么2019年谁是B站最强UP主呢？
下面以2019年视频总播放量作为一个参考，看一下Top10。
其中「我是EyeOpener」以5千万的播放量位居第一，其他各项数据也位居前列。
就主页来看，应该是一位偏向科普类型的UP主。
通过这些数据应该就能将B站科技板块热门的UP主搜罗的差不多了。
对于那些冷门但质量好的UP主，或许就只能慢慢发现了。
接下来查询一下关于Python的视频有多少呢？
# 查询标题含有Python的视频
df = df[df['title'].str.contains("python|Python")]
# 输出结果
print(df)结果如下。
1万多条，也是不少，不过其中的版权问题也较大。
之前看过网易数读的一篇文章，里面提到了北京大学的课程最受欢迎。
这里小F就来验证一下。
# 查询标题含有北京大学的视频
df = df[df['title'].str.contains("北京大学")]
# 查询标题含有清华大学的视频
# df = df[df['title'].str.contains("清华大学")]
# 选取av号,类型，播放量数据的列
df = df[['aid', 'tname', 'view']]
# 输出结果
print(df)结果如下。
其中2019年清华大学相关课程的播放量已经达到1千万+，而北京大学则是3千万+。
不愧是一个超硬核的「学习网站」。
小F最近想了解视频剪辑，一查就有优质资源(以播放量排序)。
最后来看一下B站视频上传时间及视频时长分布。
总体上全年成上升趋势。
8月份最高，看来暑假的时候大家学习的欲望很强啊！
对于科普的视频，时长一般都短点，这样能够快速了解。
对于需要深入学习的，时长应该就长了，所以可以看到大于30分钟的视频数量最多。