使用Pandas做数据分析.ipynb

Kernel: Python 3

import pandas

frame = pandas.read_csv('USvideos.csv')
frame

# 喜欢数5W以上的视频
frame[frame.likes>50000]

# 喜欢数5W以上的视频的总和
frame[frame.likes>50000].likes.sum()

2618681277

# 喜欢数Top10视频
frame.sort_values('likes', ascending=False)[:10]

frame2 = frame.drop(index=frame[frame.video_id.duplicated()].index)
# 喜欢数Top10视频
frame2.sort_values('likes', ascending=False)[:10]

# 根据频道分组查看每个频道视频数量
frame.groupby('channel_title').size()

channel_title
12 News                     2
1MILLION Dance Studio      33
1theK (원더케이)               19
20th Century Fox          135
2CELLOS                     2
                         ... 
ワーナー ブラザース 公式チャンネル          6
圧倒的不審者の極み!                 12
杰威爾音樂 JVR Music            29
郭韋辰                         2
영국남자 Korean Englishman      6
Length: 2207, dtype: int64

# 找出视频数量最多的频道Top10
frame.groupby('channel_title').size().sort_values(ascending=False)[:10]

channel_title
ESPN                                      203
The Tonight Show Starring Jimmy Fallon    197
Vox                                       193
TheEllenShow                              193
Netflix                                   193
The Late Show with Stephen Colbert        187
Jimmy Kimmel Live                         186
Late Night with Seth Meyers               183
Screen Junkies                            182
NBA                                       181
dtype: int64

%matplotlib inline

import matplotlib.pyplot as plt
# 绘制饼图
top10 = frame.groupby('channel_title').size().sort_values(ascending=False)[:10]
top10.plot.pie(figsize=(20, 10), autopct='%.2f%%')
plt.title('Top 10 Channels')

Text(0.5, 1.0, 'Top 10 Channels')

# 将Series转成DataFrame
frame3 = frame.groupby('channel_title').size().sort_values(ascending=False)[:10].to_frame('video_count')
frame3

# 将数据写入CVS文件
frame3.to_csv('result.csv')