這是我第一次跑比較完整的資料分析流程,從擷取資料開始,此專案適合新新手參考。
分為以下步驟:
- 使用python寫爬蟲,擷取下文本(aka. 志祺77 youtube影片標題、觀看數、上片時間),存成csv檔
- 使用Exel資料剖析分欄
- 使用Jieba斷詞、計算各keyword出現次數,存成csv檔
- 使用Excel觀察資料,找出有興趣的insights
- 使用Tableau繪製圖表及dashboard
檔案: crawl.ipynb
output: youtube_videos_details.csv
檔案: jieba-yt.ipynb
input: 77yt_titles.csv
output: 77yt_jieba_result.csv
完成作品: shasha 77 Youtube Analysis
第一次在Tableau上用中文創作,發現中文最大問題就是字體選擇少,而且在profile頁面thumbnail無法顯示中文,變成框框。
-
爬蟲基本code框架都是從這為基礎: Scrap YouTube titles, views and thumbnails using Selenium and Python, by AI Decoder
- Notice: Selenium 4 以上版本,已經將executable_path停用,請參考 TypeError: WebDriver.init() got an unexpected keyword argument 'executable_path' in Selenium Python
-
Jieba新手可以從這篇開始: Python - 知名 Jieba 中文斷詞工具教學
- 由於url是用youtube/video,上片時間我只能擷取到"n個月前" 或 "n年前",還要研究如何可以取得具體日期。
- 年份是手動確認各年的分界線,如果可以取到完整日期真的會方便很多。
- 時間資料太粗也導致最後資料視覺化無法分析到月,只能討論到"年",所以也使用適用categorical data的長條圖。