0 前言

?? 這兩年開始畢業(yè)設(shè)計(jì)和畢業(yè)答辯的要求和難度不斷提升，傳統(tǒng)的畢設(shè)題目缺少創(chuàng)新和亮點(diǎn)，往往達(dá)不到畢業(yè)答辯的要求，這兩年不斷有學(xué)弟學(xué)妹告訴學(xué)長自己做的項(xiàng)目系統(tǒng)達(dá)不到老師的要求。

為了大家能夠順利以及最少的精力通過畢設(shè)，學(xué)長分享優(yōu)質(zhì)畢業(yè)設(shè)計(jì)項(xiàng)目，今天要分享的是

?? 大數(shù)據(jù)畢業(yè)設(shè)計(jì) 小紅書數(shù)據(jù)分析與可視化

??學(xué)長這里給一個(gè)題目綜合評分(每項(xiàng)滿分5分)

• 難度系數(shù)：3分
• 工作量：3分
• 創(chuàng)新點(diǎn)：4分

?? 選題指導(dǎo), 項(xiàng)目分享：

https://gitee.com/dancheng-senior/project-sharing-1/blob/master/%E6%AF%95%E8%AE%BE%E6%8C%87%E5%AF%BC/README.md

1 課題背景

小紅書是一個(gè)生活方式平臺和消費(fèi)決策入口，截至2019年7月，小紅書用戶數(shù)已超過3億；截至到2019年10月，小紅書月活躍用戶數(shù)已經(jīng)過億，其中70%新增用戶是90后。
在小紅書社區(qū)，用戶通過文字、圖片、視頻筆記的分享，記錄了這個(gè)時(shí)代年輕人的正能量和美好生活，小紅書通過機(jī)器學(xué)習(xí)對海量信息和人進(jìn)行精準(zhǔn)、高效匹配。小紅書旗下設(shè)有電商業(yè)務(wù)。

分析角度：
服飾行業(yè)趨勢
小紅書粉絲用戶畫像
小紅書筆記??熱門分析
小紅書服裝行業(yè)營銷策略

2 數(shù)據(jù)庫依賴

導(dǎo)入依賴包

import numpy as np
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import *
from pyecharts.components import Table

3 分析服飾行業(yè)筆記數(shù)據(jù)趨勢數(shù)據(jù)

3.1數(shù)據(jù)一覽

# 讀取服飾行業(yè)筆記數(shù)據(jù)趨勢數(shù)據(jù)
data_trend = pd.read_excel(r'/服飾行業(yè)筆記數(shù)據(jù)趨勢.xlsx')
# 查看數(shù)據(jù)，據(jù)了解數(shù)據(jù)內(nèi)容
data_trend.head(5)

# 查看數(shù)據(jù)信息
data_trend.info()

# 轉(zhuǎn)化日期列數(shù)據(jù)類型
data_trend['日期'] = data_trend['日期'].astype('str')
# 將當(dāng)日總數(shù)據(jù)處理為每篇筆記的平均數(shù)據(jù)
for i in ['當(dāng)日點(diǎn)贊數(shù)','當(dāng)日收藏?cái)?shù)','當(dāng)日評論數(shù)','當(dāng)日分享數(shù)','當(dāng)日閱讀數(shù)']:
    data_trend[i.replace('當(dāng)日', '平均')] = round(data_trend[i]/data_trend['當(dāng)日筆記篇數(shù)'],2)
    data_trend.drop(i, axis=1, inplace=True)
# 查看處理后的服飾行業(yè)筆記數(shù)據(jù)趨勢數(shù)據(jù)
data_trend.head(5)

# 聚合各行業(yè)近三十日的每日數(shù)據(jù)
data_trend_by_industry = data_trend.groupby(['行業(yè)名稱']).agg(
    {'當(dāng)日筆記篇數(shù)': lambda x:round(np.mean(x),2),
     '平均點(diǎn)贊數(shù)': lambda x:round(np.mean(x),2),
     '平均收藏?cái)?shù)': lambda x:round(np.mean(x),2),
     '平均評論數(shù)': lambda x:round(np.mean(x),2),
     '平均分享數(shù)': lambda x:round(np.mean(x),2),
     '平均閱讀數(shù)': lambda x:round(np.mean(x),2),
     '平均互動量': lambda x:round(np.mean(x),2),
    }).reset_index()
data_trend_by_industry.head(5)

3.2 可視化分析

# 近三十天小紅書服飾行業(yè)數(shù)據(jù)-相關(guān)系數(shù)熱力圖
data_trend_corr=data_trend.corr()
rows = data_trend_corr.index.size
cols = data_trend_corr.columns.size
# 熱力圖所需數(shù)據(jù)
data_trend_corr_heatmap = [[i, j, round(float(data_trend_corr.iloc[i, j]), 3)] for i in range(rows) for j in range(cols)]

heatmap_trend_corr = HeatMap(
    init_opts=opts.InitOpts(
        width='950px',
        )
)
heatmap_trend_corr.add_xaxis(
    data_trend_corr.index.tolist(),
    )
heatmap_trend_corr.add_yaxis(
        '相關(guān)系數(shù)',
        data_trend_corr.columns.tolist(),
        data_trend_corr_heatmap,
        label_opts=opts.LabelOpts(
            is_show=True, 
            position='inside'),
    )
heatmap_trend_corr.set_global_opts(
        title_opts=opts.TitleOpts(
            title='相關(guān)系數(shù)熱力圖',
            subtitle='近三十日小紅書服飾行業(yè)數(shù)據(jù)',
            pos_left='center'),
        legend_opts=opts.LegendOpts(
            is_show=False,
        ),
        xaxis_opts=opts.AxisOpts(
            type_='category',
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True,
                areastyle_opts=opts.AreaStyleOpts(
                    opacity=1
                )
            ),
            axislabel_opts=opts.LabelOpts(
                font_size=14,
                rotate=-25,
            ),
            interval=0
        ),
        yaxis_opts=opts.AxisOpts(
            name='',
            type_='category',
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True,
                areastyle_opts=opts.AreaStyleOpts(
                    opacity=1
                )
            ),
            axislabel_opts=opts.LabelOpts(
                font_size=14
            ),
            interval=0
        ),
        visualmap_opts=opts.VisualMapOpts(
            min_=-1,
            max_=1,
            is_show=False,
        )
    )
heatmap_trend_corr.render_notebook()

由可視化結(jié)果可見服飾行業(yè)筆記數(shù)據(jù)各因素間的相關(guān)程度；

當(dāng)日筆記篇數(shù)與其他因素都是沒有什么相關(guān)性，因?yàn)槠渌蛩囟际歉鶕?jù)單篇筆記得到的互動數(shù)據(jù)，與總的筆記篇數(shù)無關(guān)；

平均互動量與平均點(diǎn)贊數(shù)和平均收藏?cái)?shù)相關(guān)性最大，互動量這個(gè)值大概率是根據(jù)點(diǎn)贊數(shù)和/或收藏?cái)?shù)計(jì)算得到的；

其他因素之間多為(弱)正相關(guān)。

3.3 可視化分析

def bar_chart(desc, title_pos):
    data_trend_by_industry_top10 = data_trend_by_industry.sort_values(desc, ascending=False).head(10).round(2)
    print(desc + 'top10: ' + str(data_trend_by_industry_top10['行業(yè)名稱'].tolist()))
    chart = Bar()
    chart.add_xaxis(
        data_trend_by_industry_top10['行業(yè)名稱'].tolist()
    )
    chart.add_yaxis(
        '',
        data_trend_by_industry_top10[desc].tolist()
    )

    chart.set_global_opts(
        xaxis_opts=opts.AxisOpts(
            is_scale=True,
            axislabel_opts={'rotate': '-25'},
            splitline_opts=opts.SplitLineOpts(
                is_show=True,
                linestyle_opts=opts.LineStyleOpts(
                    type_='dashed'))
        ),
        yaxis_opts=opts.AxisOpts(
            is_scale=True,
            name='',
            type_='value',
            splitline_opts=opts.SplitLineOpts(
                is_show=True,
                linestyle_opts=opts.LineStyleOpts(
                    type_='dashed'))
        ),
        title_opts=opts.TitleOpts(
            title='服飾行業(yè)-' + desc + '-Top10',
            subtitle=f'日期范圍：20220421~20220520 ??',
            pos_left=title_pos[0],
            pos_top=title_pos[1],
            title_textstyle_opts=opts.TextStyleOpts(
                color='#ea517f',
                font_family='cursive',
                font_size=19)
        ),
    )
    return chart
# 新建組合圖表Grid
grid = Grid(
    init_opts=opts.InitOpts(
        theme='light',
        width='1300px',
        height='1200px')
)
grid.add(
    bar_chart('當(dāng)日筆記篇數(shù)', ['5%', '3%']),
    is_control_axis_index=False,
    grid_opts=opts.GridOpts(
        pos_top='10%',   # 指定Grid中子圖的位置
        pos_bottom='70%',
        pos_left='10%',
        pos_right='60%'
    )
)
grid.add(
    bar_chart('平均點(diǎn)贊數(shù)', ['55%', '3%']),
    is_control_axis_index=False,
    grid_opts=opts.GridOpts(
        pos_top='10%',
        pos_bottom='70%',
        pos_left='60%',
        pos_right='10%'
    )
)
grid.add(
    bar_chart('平均收藏?cái)?shù)', ['5%', '35%']),
    is_control_axis_index=False,
    grid_opts=opts.GridOpts(
        pos_top='40%',
        pos_bottom='40%',
        pos_left='10%',
        pos_right='60%'
    )
)
grid.add(
    bar_chart('平均評論數(shù)', ['55%', '35%']),
    is_control_axis_index=False,
    grid_opts=opts.GridOpts(
        pos_top='40%',
        pos_bottom='40%',
        pos_left='60%',
        pos_right='10%'
    )
)
grid.add(
    bar_chart('平均分享數(shù)', ['5%', '65%']),
    is_control_axis_index=False,
    grid_opts=opts.GridOpts(
        pos_top='70%',
        pos_bottom='10%',
        pos_left='10%',
        pos_right='60%'
    )
)
grid.add(
    bar_chart('平均閱讀數(shù)', ['55%', '65%']),
    is_control_axis_index=False,
    grid_opts=opts.GridOpts(
        pos_top='70%',
        pos_bottom='10%',
        pos_left='60%',
        pos_right='10%'
    )
)
grid.render_notebook()

由可視化結(jié)果可知，“馬甲”行業(yè)的筆記質(zhì)量最高，雖然“馬甲”行業(yè)的總筆記數(shù)前十都排不到，但筆記篇均數(shù)據(jù)卻都一馬當(dāng)先。

4. 分析服飾行業(yè)內(nèi)容關(guān)鍵詞數(shù)據(jù)

4.1 數(shù)據(jù)一覽

data_keyword = pd.read_excel(r'服飾行業(yè)內(nèi)容關(guān)鍵詞TOP100.xlsx')
# 查看數(shù)據(jù)，據(jù)了解數(shù)據(jù)內(nèi)容
data_keyword.head(5)

# 查看數(shù)據(jù)信息
data_keyword.info()

# 按內(nèi)容關(guān)鍵詞聚合數(shù)據(jù)
data_keyword_all = data_keyword.groupby(['內(nèi)容關(guān)鍵詞']).agg(
    {
        '平均點(diǎn)贊數(shù)': 'mean',
        '平均收藏?cái)?shù)': 'mean',
        '平均評論數(shù)': 'mean',
        '平均分享數(shù)': 'mean',
        '平均閱讀數(shù)': 'mean',
        '活躍數(shù)': 'mean',
    }).reset_index()

4.2 可視化分析

tab = Tab()
# 關(guān)鍵詞列表
type_list = list(data_keyword_all)[1:]
for i in type_list:
    keyword_data = data_keyword_all[['內(nèi)容關(guān)鍵詞', i]].apply(lambda x: tuple(x), axis=1).values.tolist()
    word_cloud_keyword = (
        WordCloud(init_opts=opts.InitOpts(width='1200px', height='600px', theme='light'))
            .add(series_name='評論熱詞',
                 data_pair=keyword_data,
                 word_size_range=[30, 150],
                 rotate_step=45,
                 textstyle_opts=opts.TextStyleOpts(font_family='cursive'),
                 )
            .set_global_opts(
            title_opts=opts.TitleOpts(
                title='以文章'+i.replace('平均','')+'為指標(biāo)得到的內(nèi)容關(guān)鍵詞熱詞',
                title_textstyle_opts=opts.TextStyleOpts(font_size=20, font_family='cursive'),
                pos_left='center',
            ),
            tooltip_opts=opts.TooltipOpts(is_show=True),
        )
    )
    tab.add(word_cloud_keyword, i.replace('平均',''))
tab.render_notebook()

由可視化結(jié)果可見不同指標(biāo)下的內(nèi)容關(guān)鍵詞熱詞；

以點(diǎn)贊、收藏和分享數(shù)為指標(biāo)的情況下，“吊帶合集”為最熱內(nèi)容關(guān)鍵詞；

以評論數(shù)為指標(biāo)的情況下，“格裙送出計(jì)劃”為最熱內(nèi)容關(guān)鍵詞；

以閱讀數(shù)為指標(biāo)的情況下，“明星撞衫”為最熱內(nèi)容關(guān)鍵詞。

5. 分析服飾行業(yè)品類數(shù)據(jù)

5.1 數(shù)據(jù)一覽

# 讀取數(shù)據(jù)（服飾行業(yè)品類分析-大類占比.xlsx 和 服飾行業(yè)品類分析-細(xì)分品類占比.xlsx是同一數(shù)據(jù)）
data_category = pd.read_excel(r'服飾行業(yè)品類分析-大類占比.xlsx')
# 查看數(shù)據(jù)，據(jù)了解數(shù)據(jù)內(nèi)容
data_category.head(5)

# 查看數(shù)據(jù)信息
data_category.info()

5.2 可視化分析

data_category = data_category.sort_values(by='筆記篇數(shù)', ascending=False)
data_category_bar = (
    Bar()
    .add_xaxis(data_category['大類'].tolist())
    .add_yaxis('筆記篇數(shù)', data_category['筆記篇數(shù)'].tolist())
    .set_global_opts(
        title_opts=opts.TitleOpts(title='小紅書服飾行業(yè)品類筆記數(shù)'),
        datazoom_opts=opts.DataZoomOpts(is_show=True,range_start=0,range_end=30),
        xaxis_opts=opts.AxisOpts(
            is_scale=True,
            splitline_opts=opts.SplitLineOpts(
                is_show=True,
                linestyle_opts=opts.LineStyleOpts(
                    type_='dashed'),
            ),
            axislabel_opts=opts.LabelOpts(
                rotate=-25,
                interval=0,
            ),
        ),
        yaxis_opts=opts.AxisOpts(
            is_scale=True,
            # 網(wǎng)格線配置
            splitline_opts=opts.SplitLineOpts(
                is_show=True,
                linestyle_opts=opts.LineStyleOpts(
                    type_='dashed'))
        ),
    )
)
data_category_bar.render_notebook()

由可視化結(jié)果可知“連衣裙”、“T恤”和“休閑褲”為篇數(shù)最多的行業(yè)文章。

6. 分析服飾行業(yè)年齡分布數(shù)據(jù)

6.1 數(shù)據(jù)一覽

data_age = pd.read_excel(r'服飾行業(yè)年齡分布.xlsx')
# 查看數(shù)據(jù)，據(jù)了解數(shù)據(jù)內(nèi)容
data_age.head(5)

# 查看數(shù)據(jù)信息
data_age.info()

industry_list = data_age['行業(yè)名稱'].unique()
industry_list

6.2 可視化分析

# 新建柱狀圖
salary_city_bar = Bar(
    init_opts=opts.InitOpts(
        # 設(shè)置圖寬
        width='1200xp',
        # 設(shè)置柱狀圖主題
        theme='light',
    )
)
# 添加橫軸數(shù)據(jù)
salary_city_bar.add_xaxis(
    list(industry_list),
)
salary_city_bar.add_yaxis(
    '<18',
    list(data_age[data_age['年齡段']=='<18']['占比'].apply(lambda x: round(x*100,2))),
    stack='年齡段',
)
salary_city_bar.add_yaxis(
    '18-24',
    list(data_age[data_age['年齡段']=='18-24']['占比'].apply(lambda x: round(x*100,2))),
    stack='年齡段',
)
salary_city_bar.add_yaxis(
    '25-34',
    list(data_age[data_age['年齡段']=='25-34']['占比'].apply(lambda x: round(x*100,2))),
    stack='年齡段',
)
salary_city_bar.add_yaxis(
    '35-44',
    list(data_age[data_age['年齡段']=='35-44']['占比'].apply(lambda x: round(x*100,2))),
    stack='年齡段',
)
salary_city_bar.add_yaxis(
    '>44',
    list(data_age[data_age['年齡段']=='>44']['占比'].apply(lambda x: round(x*100,2))),
    stack='年齡段',
)
salary_city_bar.set_series_opts(
    label_opts=opts.LabelOpts(
        # 不顯示數(shù)據(jù)項(xiàng)的標(biāo)簽
        is_show=False,
    ),
)
salary_city_bar.set_global_opts(
    title_opts=opts.TitleOpts(
        # 設(shè)置標(biāo)題
        title='小紅書各服飾行業(yè)用戶年齡分布百分比',
        # 居中顯示
        pos_left='center',
    ),
    tooltip_opts=opts.TooltipOpts(
        # 數(shù)據(jù)項(xiàng)圖形觸發(fā)
        trigger='item',
        # 十字準(zhǔn)星指示器
        axis_pointer_type='cross',
    ),
    yaxis_opts=opts.AxisOpts(
        splitline_opts=opts.SplitLineOpts(
            # 顯示坐標(biāo)軸橫線
            is_show=True,
        )
    ),
    xaxis_opts=opts.AxisOpts(
        axislabel_opts=opts.LabelOpts(
            rotate=-25,
            interval=0,
        ),
    ),
    legend_opts=opts.LegendOpts(
        # 把圖例放在標(biāo)題下方
        pos_top='5%',
    )
)
salary_city_bar.render_notebook()

由可視化結(jié)果可知小紅書服飾行業(yè)整體以18-34歲用戶群體占比最多，35歲以上用戶占比極少。

7. 分析服飾行業(yè)粉絲地域分布數(shù)據(jù)

7.1 數(shù)據(jù)一覽

data_region = pd.read_excel(r'服飾行業(yè)粉絲地域分布.xlsx')
# 查看數(shù)據(jù)，據(jù)了解數(shù)據(jù)內(nèi)容
data_region.head(5)

# 查看數(shù)據(jù)信息
data_region.info()

# 計(jì)算小紅書服裝行業(yè)的用戶地域平均分布
data_region_by_province = data_region.groupby(['省份']).agg({'占比':lambda x:round(np.mean(x),2)}).sort_values(by='占比', ascending=False).reset_index()
data_region_by_province.head(5)

.2 可視化分析

benefitsPie = Pie(
    init_opts=opts.InitOpts(
        # 設(shè)置圖例的寬高
        width='1200px',
    )
)
# 添加數(shù)據(jù)
benefitsPie.add(
    '',
    data_region_by_province.values,
    # 設(shè)計(jì)為環(huán)形
    # radius=["45%", "70%"],
    radius=["35%", "60%"],
)
benefitsPie.set_global_opts(
    title_opts=opts.TitleOpts(
        # 設(shè)置標(biāo)題
        title='小紅書服裝行業(yè)的用戶地域平均分布',
        # 居中顯示
        pos_left='center',
    ),
    legend_opts=opts.LegendOpts(
        # 把圖例放在標(biāo)題下方
        pos_top='5%',
    ),
)
benefitsPie.render_notebook()

由可視化結(jié)果可知小紅書服飾行業(yè)用戶地域分布以廣東、北京、上海占比較多。

7.3 可視化分析

map_region_industry_by_province =Map()
map_region_industry_by_province.add("用戶占比", data_region_by_province.values, "china",is_map_symbol_show=False)
map_region_industry_by_province.set_global_opts(
        title_opts=opts.TitleOpts(title="小紅書服飾行業(yè)各省用戶百分比"),
        visualmap_opts=opts.VisualMapOpts(max_=16.5, is_piecewise=True)
    )
map_region_industry_by_province.render_notebook()

由可視化結(jié)果可知小紅書服飾行業(yè)用戶地域分布以東南沿海為主，內(nèi)容省份只有北京、四川用戶較多。

7.4 可視化分析

data_region_industry_by_province = [[i,round(np.mean(data_region[data_region['省份']==i]['占比']),2),data_region['行業(yè)名稱'][data_region[data_region['省份']==i]['占比'].idxmax()]] for i in data_region['省份'].unique()]
table_region_industry_by_province = Table()
headers = ["省份", "用戶百分比", "該省最多人關(guān)注的行業(yè)"]
table_region_industry_by_province.add(headers, data_region_industry_by_province)
table_region_industry_by_province.set_global_opts(
    title_opts=opts.ComponentTitleOpts(title="小紅書不同地域用戶的分布及主要關(guān)注行業(yè)")
)
table_region_industry_by_province.render_notebook()
table_region_industry_by_province.render('table_region_industry_by_province.html')
# 不知道為什么不顯示Table，可以下載打開HTML文件查看可視化結(jié)果

data_region_industry_by_province

8. 分析服飾行業(yè)評論熱詞數(shù)據(jù)

8.1 數(shù)據(jù)一覽

data_commend = pd.read_excel(r'服飾行業(yè)評論熱詞.xlsx')
# 查看數(shù)據(jù)，據(jù)了解數(shù)據(jù)內(nèi)容
data_commend.head(5)

# 查看數(shù)據(jù)信息
data_commend.info()

# 行業(yè)數(shù)據(jù)
industry_list = data_commend['行業(yè)名稱'].unique()
industry_list

8.2 可視化分析

tab_commend = Tab()
for i in industry_list:
    temp_data = data_commend[data_commend['行業(yè)名稱']==i].groupby(['comment_word']).agg({'總計(jì)': sum, }).reset_index()
    keyword_data = temp_data[['comment_word', '總計(jì)']].apply(lambda x: tuple(x), axis=1).values.tolist()
    word_cloud_keyword = (
        WordCloud(init_opts=opts.InitOpts(width='1200px', height='600px', theme='light'))
            .add(series_name='評論熱詞',
                 data_pair=keyword_data,
                 word_size_range=[30, 150],
                 rotate_step=45,
                 textstyle_opts=opts.TextStyleOpts(font_family='cursive'),
                 )
            .set_global_opts(
            title_opts=opts.TitleOpts(
                title=i+'行業(yè)評論熱詞',
                title_textstyle_opts=opts.TextStyleOpts(font_size=25, font_family='cursive'),
                pos_left='center',
            ),
            tooltip_opts=opts.TooltipOpts(is_show=True),
        )
    )
    tab_commend.add(word_cloud_keyword, i)
tab_commend.render_notebook()

由可視化結(jié)果可見不同行業(yè)下的文章評論熱詞。文章來源地址http://www.zghlxwxcb.cn/news/detail-465297.html

9 最后

到了這里，關(guān)于大數(shù)據(jù)畢業(yè)設(shè)計(jì) 小紅書數(shù)據(jù)分析與可視化的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！