17_유투브 랭킹 데이터 분석

# 유튜브랭킹>전체순위
# https://youtube-rank.com/

 

import pandas as pd
import matplotlib.pyplot as plt
from bs4 import BeautifulSoup
from urllib.request import urlopen

 

# Windows용 한글 폰트 오류 해결
from matplotlib import font_manager, rc
font_path = "C:/Windows/Fonts/malgun.ttf"
font_name = font_manager.FontProperties(fname = font_path).get_name()
rc("font", family = font_name)

url = 'https://youtube-rank.com/board/bbs/board.php?bo_table=youtube'

page = urlopen(url)

soup = BeautifulSoup(page, "lxml")

 

soup.select("p.category")[0].string.strip()

'[음악/댄스/가수]'

 

soup.select("td.subject > a")[0].string.strip()

'BLACKPINK'

 

soup.select("td.subscriber_cnt")[0].string

'9610만'

 

soup.select("td.view_cnt")[0].string

'382억6552만'

 

soup.select("td.video_cnt")[0].string

'605개'

 

soup.select("td.hit>strong")[0].string

'48,431'

 

# 10페이지까지 데이터 수집
result_dict = {"cate" : [],
               "title" : [],
               "subscriber" : [],
               "view" : [],
               "video" : [],
               "hit" : []}

base_url = "https://youtube-rank.com/board/bbs/board.php?bo_table=youtube&page="

for page_num in range(1, 11):
    page = urlopen(base_url + str(page_num))
    soup = BeautifulSoup(page, "lxml")
    result_dict["cate"] += soup.select("p.category")
    result_dict["title"] += soup.select("td.subject > a")
    result_dict["subscriber"] += soup.select("td.subscriber_cnt")
    result_dict["view"] += soup.select("td.view_cnt")
    result_dict["video"] += soup.select("td.video_cnt")
    result_dict["hit"] += soup.select("td.hit>strong")

 

print(len(result_dict["cate"]))
print(len(result_dict["title"]))
print(len(result_dict["subscriber"]))
print(len(result_dict["view"]))
print(len(result_dict["video"]))
print(len(result_dict["hit"]))

1000
1000
1000
1000
1000
1000

 

result_dict["cate"] = [i.string.strip() for i in result_dict["cate"]]
result_dict["title"] = [i.string.strip() for i in result_dict["title"]]
result_dict["subscriber"] = [i.string.strip() for i in result_dict["subscriber"]]
result_dict["view"] = [i.string.strip() for i in result_dict["view"]]
result_dict["video"] = [i.string.strip() for i in result_dict["video"]]
result_dict["hit"] = [i.string.strip() for i in result_dict["hit"]]

 

df = pd.DataFrame(result_dict)

df.head()

 

# 데이터프레임을 엑셀로 저장
df.to_excel("youtube_rank.xlsx", index = False)

 

 

 

유튜브 랭킹 데이터 분석

df.head()

 

• subscriber 는 모든 데이터가 ~만 으로 조합된 문자열 값
  • 만 -> 0000으로 치환하여 int타입 변환

df["subscriber"] = df["subscriber"].str.replace("만", "0000").astype(int)

df.head()

 

df.shape

(1000, 6)

 

df.dtypes

cate          object
title         object
subscriber     int32
view          object
video         object
hit           object
dtype: object

 

 

카테고리별 구독자 수, 채널 수 분석

# 카테고리별 구독자수, 채널 수
casub = df.groupby("cate")["subscriber"].agg(["sum", "count"])

casub

 

# 데이터프레임 내림차순 정렬
casub = casub.sort_values("sum", ascending = False)

casub.head()

 

# 구독자 수 파이차트 시각화
plt.figure()
plt.pie(casub["sum"], labels = casub.index, autopct = "%.1f%%")
plt.title("카테고리별 구독자 수")
plt.show()

 

# 카테고리별 채널 수
casub = casub.sort_values("count", ascending = False)

plt.figure()
plt.pie(casub["count"], labels = casub.index, autopct = "%.1f%%")
plt.title("카테고리별 채널 수")
plt.show()