探索Taylor Swift粉丝数据：Python数据分析与可视化实战

发布时间：2024-12-16 07:20

探索Taylor Swift粉丝数据：Python数据分析与可视化实战

在全球音乐界，Taylor Swift无疑是一位现象级的巨星。她的音乐作品广受欢迎，粉丝群体庞大且遍布全球。作为一名数据科学爱好者，我决定利用Python这一强大的工具，对Taylor Swift的粉丝数据进行深入探索，以期揭示其粉丝群体的特征和分布情况。

数据来源与准备

首先，我们需要获取Taylor Swift粉丝的相关数据。这些数据可以从社交媒体平台（如Twitter、Instagram等）获取，也可以通过音乐流媒体平台（如Spotify、Apple Music等）获取用户听歌行为数据。为了简化过程，我们假设已经拥有了一份包含粉丝基本信息（如年龄、性别、地理位置等）和听歌行为（如播放次数、收藏歌曲等）的CSV文件。

import pandas as pd # 加载数据 data = pd.read_csv('taylor_swift_fans_data.csv') print(data.head())

数据清洗与预处理

在开始分析之前，我们需要对数据进行清洗和预处理，以确保数据的准确性和完整性。

# 检查缺失值 print(data.isnull().sum()) # 填充或删除缺失值 data = data.dropna() # 转换数据类型 data['age'] = data['age'].astype(int)

探索性数据分析

接下来，我们将进行探索性数据分析（EDA），以初步了解数据的基本特征。

粉丝年龄分布

import matplotlib.pyplot as plt import seaborn as sns # 年龄分布直方图 plt.figure(figsize=(10, 6)) sns.histplot(data['age'], bins=30, kde=True) plt.title('粉丝年龄分布') plt.xlabel('年龄') plt.ylabel('频数') plt.show()

从直方图中，我们可以看出Taylor Swift的粉丝主要集中在18-30岁之间，这与她的音乐风格和目标受众相符。

粉丝性别比例

# 性别比例饼图 gender_counts = data['gender'].value_counts() plt.figure(figsize=(8, 8)) plt.pie(gender_counts, labels=gender_counts.index, autopct='%1.1f%%') plt.title('粉丝性别比例') plt.show()

通过饼图，我们可以发现女性粉丝的比例明显高于男性粉丝，这与流行音乐市场的普遍现象一致。

粉丝地理位置分布

import geopandas as gpd from shapely.geometry import Point # 转换地理位置数据 geometry = [Point(xy) for xy in zip(data['longitude'], data['latitude'])] geo_data = gpd.GeoDataFrame(data, geometry=geometry) # 绘制地理分布图 world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres')) fig, ax = plt.subplots(figsize=(15, 10)) world.plot(ax=ax, color='white', edgecolor='black') geo_data.plot(ax=ax, color='red', markersize=10, alpha=0.5) plt.title('粉丝地理位置分布') plt.show()

从地理分布图中，我们可以看出Taylor Swift的粉丝遍布全球，但主要集中在北美和欧洲地区。

深度分析与可视化

除了基本特征分析，我们还可以进行更深入的分析，如粉丝听歌行为分析、粉丝互动分析等。

粉丝听歌行为分析

# 粉丝播放次数分布 plt.figure(figsize=(10, 6)) sns.histplot(data['play_count'], bins=50, kde=True) plt.title('粉丝播放次数分布') plt.xlabel('播放次数') plt.ylabel('频数') plt.show() # 最受欢迎的歌曲 top_songs = data['favorite_song'].value_counts().head(10) plt.figure(figsize=(12, 8)) sns.barplot(x=top_songs.values, y=top_songs.index) plt.title('最受欢迎的十首歌曲') plt.xlabel('播放次数') plt.ylabel('歌曲名称') plt.show()

通过播放次数分布和最受欢迎歌曲的柱状图，我们可以了解粉丝的听歌习惯和偏好。

粉丝互动分析

# 粉丝评论数与点赞数的关系 plt.figure(figsize=(10, 6)) sns.scatterplot(x='comment_count', y='like_count', data=data) plt.title('粉丝评论数与点赞数的关系') plt.xlabel('评论数') plt.ylabel('点赞数') plt.show() # 粉丝互动最多的帖子 top_posts = data.nlargest(5, 'comment_count') print(top_posts[['post_id', 'comment_count', 'like_count']])

通过散点图和互动最多的帖子，我们可以了解粉丝在社交媒体上的互动情况。