音乐平台数据可视化作品 音乐平台数据分析

网易云音乐欧美歌单数据分析

一、   选题背景

如今听音乐成为我们日常生活中的一部分，听音乐方式从磁带→光盘、黑胶唱片→数字专辑。目前主流音乐平台有：网易云音乐、QQ音乐、酷狗音乐、酷我音乐。网易云音乐，是一款由网易开发的音乐产品，是网易杭州研究院的成果，依托专业音乐人、DJ、好友推荐及社交功能，在线音乐服务主打歌单、社交、大牌推荐和音乐指纹，以歌单、DJ节目、社交、地理位置为核心要素，主打发现和分享。本次作业选择对网易云音乐平台进行爬取并数据可视化分析。

二、主题式网络爬虫设计方案

1 .主题式爬虫名称

　　　名称：网易云音乐歌单爬虫系统

2. 主题式网络爬虫爬取内容与数据特征分析

　　　　爬取内容：歌单、播放数、收藏数、标签、歌曲数

　　　　数据特征分析：网页文本

　　3. 主题式网络爬虫设计方案概述

　　　（一）思路　　

 1.对网页进行解析

            2.将数据储存

　　　　　　3.查看网页结构

　　　　　　4.查看网页爬取内容的位置

　　　　　　5.取出数据

　　　　　　6.遍历数据

　　　（二） 技术难点

　　　　　　1.异常处理

　　　　　　2.网页内容读取

　　　　　　3.数据遍历

　　　　　　4.数据批量存储

　　　　　　5.整体系统设计

三、主题页面的结构特征分析

　　(1)主题页面的结构特征与特征分析

　　

　　

　　()Htmls 页面解析

第一个页面只需要获取歌单的url

　　　　　　

                

   url：'https://music.163.com/discover/playlist/?cat=欧美&order=hot&limit=35&offset=' + str(i)

第二个页面需要获取歌单名、播放数、收藏数、评论数、歌曲数。

　　　　　

　　　　

　　　　查找节点：

      通过F12定位元素、使用Beatifulsoup.select()获取标签定位

　　　　

 

1 title = soup.select('h2')[0].get_text().replace(',', '，')
 2 # 获取标签
 3 tags = [ ]
 4 tags_message = soup.select('.u-tag i')
 5 text = '无'
 6 # 获取歌单收藏量
 7 collection = soup.select('#content-operation i')[1].get_text().replace('(', '').replace(')', '')
 8 # 歌单播放量
 9 play = soup.select('.s-fc6')[0].get_text()
10 # 歌单内歌曲数
11 songs = soup.select('#playlist-track-count')[0].get_text()
12 # 歌单评论数
13 comments = soup.select('#cnt_comment_count')[0].get_text()

 

　　遍历方法：

　　　　内容取出用for循环

 

四、网络爬虫程序设计

（一）数据爬取与采集

1 保存url：
 2 url='https://music.163.com/discover/playlist/?cat=欧美&order=hot&limit=35&offset=' + str(i)
 3 response = requests.get(url=url, headers=headers)
 4 html = response.text
 5 soup = BeautifulSoup(html, 'html.parser')
 6 # 获取包含歌单详情页网址的标签
 7 ids = soup.select('.dec a')
 8 # 获取包含歌单索引页信息的标签
 9 lis = soup.select('#m-pl-container li')
10 print(len(lis))
11 for j in range(len(lis)):
12     # 获取歌单详情页地址
13     url = ids[j]['href']
14     print(url)
15     # 将信息写入CSV文件中
16     with open('playlist.csv', 'a+', encoding='utf-8-sig') as f:
17         f.write(url + '\n')
18 保存歌单内容：
19 for i in data['url']:
20     # time.sleep(2)
21     url = 'https://music.163.com' + str(i)
22     print(url)
23     response = requests.get(url=url, headers=headers)
24     html = response.text
25     soup = BeautifulSoup(html, 'html.parser')
26     # 获取歌单标题
27     title = soup.select('h2')[0].get_text().replace(',', '，')
28     # 获取标签
29     tags = []
30     tags_message = soup.select('.u-tag i')
31     for p in tags_message:
32         tags.append(p.get_text())
33     # 对标签进行格式化
34     if len(tags) > 1:
35         tag = '-'.join(tags)
36     else:
37         tag = tags[0]
38     # 获取歌单介绍
39     text = '无'
40     # 获取歌单收藏量
41     collection = soup.select('#content-operation i')[1].get_text().replace('(', '').replace(')', '')
42     # 歌单播放量
43     play = soup.select('.s-fc6')[0].get_text()
44     # 歌单内歌曲数
45     songs = soup.select('#playlist-track-count')[0].get_text()
46     # 歌单评论数
47     comments = soup.select('#cnt_comment_count')[0].get_text()
48     # 输出歌单详情页信息
49     print(title, tag, text, collection, play, songs, comments)
50     # 将详情页信息写入CSV文件中
51     with open('muslist_message.csv', 'a', encoding='utf-8-sig') as f:
52         f.write(
53             title + ',' + tag + ',' + text + ',' + collection + ',' + play + ',' + songs + ',' + comments + '\n')

 

　爬虫系统运行演示

　　

  

　　

　　

　　

（二）对数据进行清洗和处理

1.导入数据

1 import numpy as np
2 import pandas as pd
3 import matplotlib.pyplot as plt
4 muc = pd.read_csv(r'C:/Users/Bling/Desktop/muslist_message1.csv')

 

2.数据清洗

1 # 重复值处理
2 muc = muc.drop_duplicates('title')
3 # Nan处理
4 muc = muc.dropna(axis = 0)
5 #删除无效行
6 muc = muc.drop(['text'], axis = 1)
7 #替换值
8 muc.replace('评论', '0',inplace = True)
9 muc.replace('收藏', '0',inplace = True)

 

 

　　

3.文本分析

1 # 词云
 2 import numpy as np
 3 import wordcloud as wc
 4 from PIL import Image
 5 import matplotlib.pyplot as plt
 6 
 7 bk = np.array(Image.open("wyymuc.jpg"))
 8 mask = bk
 9 # 定义尺寸
10 word_cloud = wc.WordCloud(
11    mask = mask,
12    background_color='mintcream',  
13    font_path='msyhbd.ttc',  
14    max_font_size=300, 
15    random_state=50,  
16                        )
17 text = muc["tag"]
18 text = " ".join(text)
19 word_cloud.generate(text)
20 plt.imshow(word_cloud)
21 plt.show()

 

1 标签分析：
 2 import squarify
 3 import pandas as pd
 4 import matplotlib.pyplot as plt
 5 
 6 df = pd.read_csv(r'C:/Users/Bling/Desktop/muslist_message1.csv', header=None)
 7 # 处理标签信息
 8 tags = []
 9 dom2 = []
10 for i in df[1]:
11     c = i.split('-')
12     for j in c:
13         if j not in tags:
14             tags.append(j)
15         else:
16             continue
17 for item in tags:
18     num = 0
19     for i in df[1]:
20         type2 = i.split('-')
21         for j in range(len(type2)):
22             if type2[j] == item:
23                 num += 1
24             else:
25                 continue
26     dom2.append(num)
27 # 数据创建
28 data = {'tags': tags, 'num': dom2}
29 frame = pd.DataFrame(data)
30 df1 = frame.sort_values(by='num', ascending=False)
31 name = df1['tags'][:10]
32 income = df1['num'][:10]
33 # 绘图details
34 colors = ['#FFB6C1', '#B0C4DE',  '#FFFF00', '#FF4500', '#DCDCDC', '#009966', '#FF6600', '#FF0033', '#009999', '#333366']
35 plot = squarify.plot(sizes=income, label=name, color=colors, alpha=1, value=income, edgecolor='white', linewidth=1.5)
36 # 设置图片显示属性,字体及大小
37 plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
38 plt.rcParams['font.size'] = 8
39 plt.rcParams['axes.unicode_minus'] = False
40 # 设置标签大小为1
41 plt.rc('font', size=6)
42 # 设置标题大小
43 plot.set_title('网易云音乐欧美歌单标签图', fontsize=13, fontweight='light')
44 # 除坐标轴
45 plt.axis('off')
46 # 除上边框和右边框刻度
47 plt.tick_params(top=False, right=False)
48 # 图形展示
49 plt.show()

 

4.数据分析与可视化

 柱状图

1 # 设置图片显示属性,字体及大小
 2 plt.rcParams['font.sans-serif'] = ['STXihei']
 3 plt.rcParams['font.size'] = 12
 4 plt.rcParams['axes.unicode_minus'] = False
 5 # 设置图片显示属性
 6 fig = plt.figure(figsize=(16, 8), dpi=80)
 7 ax = plt.subplot(1, 1, 1)
 8 ax.patch.set_color('white')
 9 # 设置坐标轴属性
10 lines = plt.gca()
11 plt.ylabel("播放/万")#纵坐标名字
12 plt.xticks([])
13 # 绘制直方图,设置直方图颜色
14 ax.hist(muc['play'], bins=30, alpha=0.7, color='plum')
15 ax.set_title('欧美歌单播放数量分布情况', fontsize=20)
16 # 显示图片
17 plt.show()

 

1 # 设置图片显示属性,字体及大小
 2 plt.rcParams['font.sans-serif'] = ['STXihei']
 3 plt.rcParams['font.size'] = 12
 4 plt.rcParams['axes.unicode_minus'] = False
 5 # 设置图片显示属性
 6 fig = plt.figure(figsize=(16, 8), dpi=80)
 7 ax = plt.subplot(1, 1, 1)
 8 ax.patch.set_color('white')
 9 # 设置坐标轴属性
10 lines = plt.gca()
11 plt.ylabel("播放量/万")#纵坐标名字
12 plt.xticks([])
13 # 绘制直方图,设置直方图颜色
14 ax.hist(muc['comments'], bins=30, alpha=0.7, color='wheat')
15 ax.set_title('欧美歌单评论数分布情况', fontsize=20)
16 # 显示图片
17 plt.show()

 

1 # 设置图片显示属性,字体及大小
 2 plt.rcParams['font.sans-serif'] = ['STXihei']
 3 plt.rcParams['font.size'] = 12
 4 plt.rcParams['axes.unicode_minus'] = False
 5 # 设置图片显示属性
 6 fig = plt.figure(figsize=(16, 8), dpi=80)
 7 ax = plt.subplot(1, 1, 1)
 8 ax.patch.set_color('white')
 9 # 设置坐标轴属性
10 lines = plt.gca()
11 plt.ylabel("播放量/万")#纵坐标名字
12 plt.xticks([])
13 # 绘制直方图,设置直方图颜色
14 ax.hist(muc['collection'], bins=30, alpha=0.7, color='m')
15 ax.set_title('欧美歌单收藏数分布情况', fontsize=20)
16 # 显示图片
17 plt.show()

 

　　

水平图

1 # 水平图
 2 plt.rcParams['font.sans-serif'] = ['STXihei']
 3 fig = plt.figure(figsize=(16, 8), dpi=80)
 4 ax = plt.subplot(1, 1, 1)
 5 ax.patch.set_color('white')
 6 x=muc['collection'].head(20)
 7 y=muc['title'].head(20)
 8 plt.barh(y,x, alpha=0.2,color='tan',label="热度", lw=3)
 9 plt.xticks(rotation=90)
10 plt.title("网易云欧美歌单趋势",fontsize=18,)
11 plt.legend(loc = "best")#图例
12 plt.show()

 

1 # 降序排列
 2 muc.sort_values(by='collection', inplace=True,ascending=False)
 3 muc
 4 # 水平图
 5 plt.rcParams['font.sans-serif'] = ['STXihei']
 6 fig = plt.figure(figsize=(16, 8), dpi=80)
 7 ax = plt.subplot(1, 1, 1)
 8 ax.patch.set_color('white')
 9 x=muc['collection'].head(10)
10 y=muc['title'].head(10)
11 plt.barh(y,x, alpha=0.2,color='pink',label="热度", lw=3)
12 plt.xticks(rotation=90)
13 plt.title("网易云欧美歌单最受欢迎Top10",fontsize=18)
14 plt.legend(loc = "best")#图例
15 plt.show()

 

散点图

1 #散点图
2 x=muc['collection']
3 y=muc['play']
4 fig = plt.figure(figsize=(18,7))
5 plt.scatter(x,y,color='lightgreen',marker='o',s=40,alpha=0.5)
6 plt.xticks(rotation=90)
7 plt.title("网易云歌单散点图")

 

盒图

1 #盒图
2 plt.boxplot(y)
3 plt.title("网易云歌单盒图")
4 plt.show()

 

5.线性回归方程

散点图

1 #散点图
2 import seaborn as sns
3 import matplotlib.pyplot as plt
4 import pandas as pd
5 import numpy as np
6 import warnings
7 warnings.filterwarnings("ignore")
8 four=pd.DataFrame(pd.read_csv('C:/Users/Bling/Desktop/muslist_message1.csv'))
9 sns.regplot(x='play',y='songs',data=four,color='r')

 

　　

1 #构建线性回归模型
 2 from sklearn import datasets
 3 from sklearn.linear_model import LinearRegression
 4 import pandas as pd
 5 import numpy as np
 6 import seaborn as sns
 7 predict_model = LinearRegression()
 8 three=pd.DataFrame(pd.read_csv('C:/Users/Bling/Desktop/muslist_message1.csv'))
 9 X = three['play'].values
10 X = X.reshape(-1,1)
11 predict_model.fit(X , three['songs'])
12 np.set_printoptions(precision = 3, suppress = True)
13 a = predict_model.coef_
14 b = predict_model.intercept_
15 print("回归方程系数{}".format(predict_model.coef_))
16 print("回归方程截距{0:2f}".format(predict_model.intercept_))
17 print("线性回归预测模型表达式为{}*x+{}".format(predict_model.coef_,predict_model.intercept_))

 

　　

6.数据持久化

 

7.代码汇总

1 4.5.1 爬虫系统
  2 from bs4 import BeautifulSoup
  3 import requests
  4 import time
  5 import pandas as pd
  6 
  7 
  8 def playlist ():
  9     headers = {
 10         'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'
 11     }
 12     count = 1
 13     for i in range(0, 1330, 35):
 14         print("正在爬取第{}页.".format(count))
 15         time.sleep(2)
 16         url = 'https://music.163.com/discover/playlist/?cat=欧美&order=hot&limit=35&offset=' + str(i)
 17         response = requests.get(url=url, headers=headers)
 18         html = response.text
 19         soup = BeautifulSoup(html, 'html.parser')
 20         # 获取包含歌单详情页网址的标签
 21         ids = soup.select('.dec a')
 22         # 获取包含歌单索引页信息的标签
 23         lis = soup.select('#m-pl-container li')
 24         print(len(lis))
 25         for j in range(len(lis)):
 26             # 获取歌单详情页地址
 27             url = ids[j]['href']
 28             print(url)
 29             # 将信息写入CSV文件中
 30             with open('playlist.csv', 'a+', encoding='utf-8-sig') as f:
 31                 f.write(url + '\n')
 32         count += 1
 33 
 34 
 35 
 36 def singlist():
 37     file = open("muslist_message.csv", "a",encoding='utf-8-sig')
 38     file.write("title" + "," + "tag" + "," + "text" + "," + "collection" + "," + "play" + "," + "songs" + "," + "comments" + "," + '\n')
 39     file = file.close()
 40     data = pd.read_csv('playlist.csv', header=None, error_bad_lines=False, names=['url'])
 41 
 42     headers = {
 43         'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'
 44     }
 45     for i in data['url']:
 46         # time.sleep(2)
 47         url = 'https://music.163.com' + str(i)
 48         print(url)
 49         response = requests.get(url=url, headers=headers)
 50         html = response.text
 51         soup = BeautifulSoup(html, 'html.parser')
 52         # 获取歌单标题
 53         title = soup.select('h2')[0].get_text().replace(',', '，')
 54         # 获取标签
 55         tags = []
 56         tags_message = soup.select('.u-tag i')
 57         for p in tags_message:
 58             tags.append(p.get_text())
 59         # 对标签进行格式化
 60         if len(tags) > 1:
 61             tag = '-'.join(tags)
 62         else:
 63             tag = tags[0]
 64         # 获取歌单介绍
 65         text = '无'
 66         # 获取歌单收藏量
 67         collection = soup.select('#content-operation i')[1].get_text().replace('(', '').replace(')', '')
 68         # 歌单播放量
 69         play = soup.select('.s-fc6')[0].get_text()
 70         # 歌单内歌曲数
 71         songs = soup.select('#playlist-track-count')[0].get_text()
 72         # 歌单评论数
 73         comments = soup.select('#cnt_comment_count')[0].get_text()
 74         # 输出歌单详情页信息
 75         print(title, tag, text, collection, play, songs, comments)
 76         # 将详情页信息写入CSV文件中
 77         with open('muslist_message.csv', 'a', encoding='utf-8-sig') as f:
 78             f.write(
 79                 title + ',' + tag + ',' + text + ',' + collection + ',' + play + ',' + songs + ',' + comments + '\n')
 80 
 81 if __name__ == '__main__':
 82     # playlist()
 83     singlist()
 84 
 85 
 86 4.5.2 数据分析
 87 import numpy as np
 88 import pandas as pd
 89 import matplotlib.pyplot as plt
 90 muc = pd.read_csv(r'C:/Users/Bling/Desktop/muslist_message1.csv')
 91 muc
 92 # 重复值处理
 93 muc = muc.drop_duplicates('title')
 94 # Nan处理
 95 muc = muc.dropna(axis = 0)
 96 #删除无效行
 97 muc = muc.drop(['text'], axis = 1)
 98 #替换值
 99 muc.replace('评论', '0',inplace = True)
100 muc.replace('收藏', '0',inplace = True)
101 # 降序排列
102 muc.sort_values(by=["play"],inplace=True,ascending=[False])
103 muc
104 # 设置图片显示属性,字体及大小
105 plt.rcParams['font.sans-serif'] = ['STXihei']
106 plt.rcParams['font.size'] = 12
107 plt.rcParams['axes.unicode_minus'] = False
108 # 设置图片显示属性
109 fig = plt.figure(figsize=(16, 8), dpi=80)
110 ax = plt.subplot(1, 1, 1)
111 ax.patch.set_color('white')
112 # 设置坐标轴属性
113 lines = plt.gca()
114 plt.ylabel("播放/万")#纵坐标名字
115 plt.xticks([])
116 # 绘制直方图,设置直方图颜色
117 ax.hist(muc['play'], bins=30, alpha=0.7, color='plum')
118 ax.set_title('欧美歌单播放数量分布情况', fontsize=20)
119 # 显示图片
120 plt.show()
121 # 对播放数取对数
122 # 设置图片显示属性,字体及大小
123 plt.rcParams['font.sans-serif'] = ['STXihei']
124 plt.rcParams['font.size'] = 12
125 plt.rcParams['axes.unicode_minus'] = False
126 # 设置图片显示属性
127 fig = plt.figure(figsize=(16, 8), dpi=80)
128 ax = plt.subplot(1, 1, 1)
129 ax.patch.set_color('white')
130 # 设置坐标轴属性
131 lines = plt.gca()
132 plt.ylabel("播放量/万")#纵坐标名字
133 plt.xticks([])
134 # 绘制直方图,设置直方图颜色
135 ax.hist(muc['comments'], bins=30, alpha=0.7, color='wheat')
136 ax.set_title('欧美歌单评论数分布情况', fontsize=20)
137 # 显示图片
138 plt.show()
139 # 设置图片显示属性,字体及大小
140 plt.rcParams['font.sans-serif'] = ['STXihei']
141 plt.rcParams['font.size'] = 12
142 plt.rcParams['axes.unicode_minus'] = False
143 # 设置图片显示属性
144 fig = plt.figure(figsize=(16, 8), dpi=80)
145 ax = plt.subplot(1, 1, 1)
146 ax.patch.set_color('white')
147 # 设置坐标轴属性
148 lines = plt.gca()
149 plt.ylabel("播放量/万")#纵坐标名字
150 plt.xticks([])
151 # 绘制直方图,设置直方图颜色
152 ax.hist(muc['collection'], bins=30, alpha=0.7, color='m')
153 ax.set_title('欧美歌单收藏数分布情况', fontsize=20)
154 # 显示图片
155 plt.show()
156 # 水平图
157 plt.rcParams['font.sans-serif'] = ['STXihei']
158 fig = plt.figure(figsize=(16, 8), dpi=80)
159 ax = plt.subplot(1, 1, 1)
160 ax.patch.set_color('white')
161 x=muc['collection'].head(20)
162 y=muc['title'].head(20)
163 plt.barh(y,x, alpha=0.2,color='tan',label="热度", lw=3)
164 plt.xticks(rotation=90)
165 plt.title("网易云欧美歌单趋势",fontsize=18,)
166 plt.legend(loc = "best")#图例
167 plt.show()
168 # 降序排列
169 muc.sort_values(by='collection', inplace=True,ascending=False)
170 muc
171 # 水平图
172 plt.rcParams['font.sans-serif'] = ['STXihei']
173 fig = plt.figure(figsize=(16, 8), dpi=80)
174 ax = plt.subplot(1, 1, 1)
175 ax.patch.set_color('white')
176 x=muc['collection'].head(10)
177 y=muc['title'].head(10)
178 plt.barh(y,x, alpha=0.2,color='pink',label="热度", lw=3)
179 plt.xticks(rotation=90)
180 plt.title("网易云欧美歌单最受欢迎Top10",fontsize=18)
181 plt.legend(loc = "best")#图例
182 plt.show()
183 #散点图
184 x=muc['collection']
185 y=muc['play']
186 fig = plt.figure(figsize=(18,7))
187 plt.scatter(x,y,color='lightgreen',marker='o',s=40,alpha=0.5)
188 plt.xticks(rotation=90)
189 plt.title("网易云歌单散点图")
190 #盒图
191 plt.boxplot(y)
192 plt.title("网易云歌单盒图")
193 plt.show()
194 import squarify
195 import pandas as pd
196 import matplotlib.pyplot as plt
197 
198 df = pd.read_csv(r'C:/Users/Bling/Desktop/muslist_message1.csv', header=None)
199 #线性回归方程散点图
200 import seaborn as sns
201 import matplotlib.pyplot as plt
202 import pandas as pd
203 import numpy as np
204 import warnings
205 warnings.filterwarnings("ignore")
206 four=pd.DataFrame(pd.read_csv('C:/Users/Bling/Desktop/muslist_message1.csv'))
207 sns.regplot(x='play',y='songs',data=four,color='r')
208 #建立线性回归方程模型
209 from sklearn import datasets
210 from sklearn.linear_model import LinearRegression
211 import pandas as pd
212 import numpy as np
213 import seaborn as sns
214 predict_model = LinearRegression()
215 three=pd.DataFrame(pd.read_csv('C:/Users/Bling/Desktop/muslist_message1.csv'))
216 X = three['play'].values
217 X = X.reshape(-1,1)
218 predict_model.fit(X , three['songs'])
219 np.set_printoptions(precision = 3, suppress = True)
220 a = predict_model.coef_
221 b = predict_model.intercept_
222 print("回归方程系数{}".format(predict_model.coef_))
223 print("回归方程截距{0:2f}".format(predict_model.intercept_))
224 print("线性回归预测模型表达式为{}*x+{}".format(predict_model.coef_,predict_model.intercept_))
225 # 处理标签信息
226 tags = []
227 dom2 = []
228 for i in df[1]:
229     c = i.split('-')
230     for j in c:
231         if j not in tags:
232             tags.append(j)
233         else:
234             continue
235 for item in tags:
236     num = 0
237     for i in df[1]:
238         type2 = i.split('-')
239         for j in range(len(type2)):
240             if type2[j] == item:
241                 num += 1
242             else:
243                 continue
244     dom2.append(num)
245 # 数据创建
246 data = {'tags': tags, 'num': dom2}
247 frame = pd.DataFrame(data)
248 df1 = frame.sort_values(by='num', ascending=False)
249 name = df1['tags'][:10]
250 income = df1['num'][:10]
251 # 绘图details
252 colors = ['#FFB6C1', '#B0C4DE',  '#FFFF00', '#FF4500', '#DCDCDC', '#009966', '#FF6600', '#FF0033', '#009999', '#333366']
253 plot = squarify.plot(sizes=income, label=name, color=colors, alpha=1, value=income, edgecolor='white', linewidth=1.5)
254 # 设置图片显示属性,字体及大小
255 plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
256 plt.rcParams['font.size'] = 8
257 plt.rcParams['axes.unicode_minus'] = False
258 # 设置标签大小为1
259 plt.rc('font', size=6)
260 # 设置标题大小
261 plot.set_title('网易云音乐欧美歌单标签图', fontsize=13, fontweight='light')
262 # 除坐标轴
263 plt.axis('off')
264 # 除上边框和右边框刻度
265 plt.tick_params(top=False, right=False)
266 # 图形展示
267 plt.show()
268 # 词云
269 import numpy as np
270 import wordcloud as wc
271 from PIL import Image
272 import matplotlib.pyplot as plt
273 
274 bk = np.array(Image.open("wyymuc.jpg"))
275 mask = bk
276 # 定义尺寸
277 word_cloud = wc.WordCloud(
278    mask = mask,
279    background_color='mintcream',  
280    font_path='msyhbd.ttc',  
281    max_font_size=300, 
282    random_state=50,  
283                        )
284 text = muc["tag"]
285 text = " ".join(text)
286 word_cloud.generate(text)
287 plt.imshow(word_cloud)
288 plt.show()

 

五、总结

1.经过对主题数据的分析与可视化，可以得到哪些结论？是否达到预期的目标？

通过分析播放量、收藏量、评论量可以让我们清楚的得知一个歌单的受欢迎程度，达到了预期的目标。

2.在完成此设计过程中，得到哪些收获？以及要改进的建议？

在本次设计过程中，使我在数据处理方面有了很大的收获，能够达到自己的想要的效果。对数据分析有一定认知的同时，让我对数据分析所要用到的程序语言更加熟悉。

需要改进的地方可能就是不能够自主的编写程序，需要借鉴网络或者书本来编写程序；编写程序的效率不够高，花费的时间比较长。