Python爬虫：爬了7天的斗鱼，我们来看一下主播们的真实现状

2019年7月17日游戏直播平台斗鱼在美国纳斯达克股票交易所成功上市，成为继虎牙直播之后第二家赴美上市的国内直播平台。

7月底斗鱼因为平台主播“乔碧萝殿下”事件再次被推上热搜。惊呆了一众网友，纷纷网友表示心疼乔碧萝的粉丝们。

段子手们纷纷调侃成为主播的门槛之低：只需要变声软件+盗图+超级美颜。

那么直播行业真的如同网友们所说的这么简单吗？

主播们的真实生存现状如何？

接下来分析一下！

获取数据

打开斗鱼直播界面，连续点击翻页

Network查看异步请求XHR，找到对应的URL

成功获取到对应的URL。

https://www.douyu.com/gapi/rkc/directory/0_0/2

翻页只变动末尾的最后一个数字。

采用requests+pyquery来爬取。

部分爬虫代码如下。

def get_datas(url):data = []doc = get_json(url)jobs=doc['data']['rl']for job in jobs:dic = {}dic['user_name']=jsonpath.jsonpath(job,'$..nn')[0] #用户名dic['user_id']= jsonpath.jsonpath(job,'$..uid')[0] #用户IDdic['room_name']=jsonpath.jsonpath(job,'$..rn')[0] #房间名dic['room_id']=jsonpath.jsonpath(job,'$..rid')[0] #房间IDdic['redu']=jsonpath.jsonpath(job,'$..ol')[0] #热度dic['c2name']=jsonpath.jsonpath(job,'$..c2name')[0] #分区dic['time']= stampToTime(time.time()) data.append(dic)return data

剩下就是连续爬取，我设置的是10分钟爬取一次。

将爬取得到的数据存入Mysql中。

#存到Mysql
from sqlalchemy import create_engine
engine = create_engine('mysql+mysqldb://root:***密码***@localhost:3306/demo?charset=utf8mb4')
final_result.to_sql('data_douyu',con=engine, index=False, index_label=False,if_exists='append', chunksize=1000)

连续爬取了大概七天多时间，最终得到2062万条直播数据。

数据分析

将数据导入python。

去重，其实爬虫部分已经设置去重，这里为了保险再来一次，不过事实证明确实没有重复。

因为实际爬取时间是0731下午到0808上午，为了方便后文计算，这里选取0801-0807这连续七天的直播数据。

#去重
data = data[['c2name', 'redu', 'room_id', 'room_name', 'time','user_id', 'user_name']].drop_duplicates()
#筛选时间
data = data.loc[(data['time'] <= '2019-08-07') & (data['time'] >= '2019-08-01')]

我们还需要对主播按照id分组汇总。

先利用groupby分类汇总，再计算增加新列。

data_abc['av_redu'] = data_abc['redu']/data_abc['time_num']
data_abc['hour'] = data_abc['time_num']/ 42 #每十分钟一次，七天
data_abc.head()

这样我们就又构建了一组以主播为索引的数据。

也就是说这七天之内，直播过的主播共有23万余人，那么下文让我们看看他们的生存现状吧。

数据可视化

将这23万主播按照平均直播时长和平均直播热度绘制一个散点图。

import seaborn as sns
import matplotlib as mpl #配置字体
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体
mpl.rcParams['axes.unicode_minus']
plt.figure(figsize=(8,8))
plt.xticks(fontsize=12)
plt.yticks(fontsize=12)
sns.scatterplot(data_test["hour"],data_test["av_redu"],hue=data_test["c2name"])

结果如下图所示。

从上图能看出，绝大部分主播都在底部，能够成为大主播的寥寥无几，且热度较高的主播集中于上述的几个热门分区，其他分区主播发展普遍一般。

由于有20多万的主播集中在下方，很难看出他们平均直播时长的分布。

另一方面，主播分化程度较为严重，为了更直观的展现趋势，我们以1万平均热度为分界，分析不同规模的主播每天平均直播时长。

#头部主播
plt.figure(figsize=(10,6))
plt.xticks(fontsize=13)
plt.yticks(fontsize=13)
sns.distplot(data_abc.loc[(data_abc['av_redu'] > 10000)]["hour"],kde=True,rug=False,color='y')
plt.show()

图中可以发现较多的主播每天直播时长集中在5小时左右，这5个小时的游戏并非我们平时玩的那么简单。主播直播时往往既需要全神贯注玩游戏，又要和观众一起互动交流。

而较少主播直播时长则大部分在1小时左右，不能持续直播，导致观众少；观看人数少，主播没动力，久而久之，也就难以出头，形成恶性循环。

上图中有一些异常值，即平均每日直播时长超过20小时的直播间，这样的直播大部分为“一起看”分区，可以24小时连续播放电影电视剧之类的视频，余下都是游戏或者比赛的官方频道，用来循环播放官方视频。

那么主播们大部分在什么时间直播呢？

他们的观众也是同一时间准时观看吗？

从同一时间段内主播直播与观众观看在线人数可以看出，有两个时段有差异。

一个是晚上21点后至凌晨6点前，以直播为职业的主播往往已经进行了5-6小时高强度不间断的直播，会选择后半夜好好休息一下，而将看直播作为娱乐的观众则躺在床上看到上头；

另一个时段是下午12点左右到18点，观众都正在上班上学，而很多全职主播中午起床吃饭后，正好下午开始了他们的直播。

大部分主播并非我们想象的那样，时间自由，赚钱容易。每天在线直播的主播人数以十万甚至百万为单位，但真正赢得观众喜爱和自愿刷大量礼物的事实上寥寥无几。一时的流量换不来观众永远的买账，以噱头博出位后如何用内容留住观众，是每个主播在探索的方向。

随着行业监管的加强，直播平台逐渐褪去“泡沫”，流量红利消失，回归理性。“熊猫”已经远走，行业内的竞争更加集中在剩下的头部平台之间，这些平台也更需要探索更优质的内容和更多元的发展！

更多的Python爬虫教程会持续为大家更新！

Python爬虫：爬了7天的斗鱼，我们来看一下主播们的真实现状相关推荐

python刷直播人气_python3爬取斗鱼某些版块的主播人气
python 3爬取斗鱼某些版块的主播人气 1.爬虫版块 import Test3 import urllib.request from bs4 import BeautifulSoup import ...
python斗鱼抽奖_python3爬取斗鱼某些版块的主播人气
python 3爬取斗鱼某些版块的主播人气 1.爬虫版块 import Test3 import urllib.request from bs4 import BeautifulSoup import ...
在当当买了python怎么下载源代码-python爬虫爬取当当网
[实例简介]python爬虫爬取当当网 [实例截图] [核心代码] ''' Function: 当当网图书爬虫 Author: Charles 微信公众号: Charles的皮卡丘 ''' impor ...
python爬虫代码实例-Python爬虫爬取百度搜索内容代码实例
这篇文章主要介绍了Python爬虫爬取百度搜索内容代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下搜索引擎用的很频繁,现在利用Python爬 ...
python爬虫数据分析可以做什么-python爬虫爬取的数据可以做什么
在Python中连接到多播服务器问题,怎么解决你把redirect关闭就可以了.在send时,加上参数allow_redirects=False 通常每个浏览器都会设置redirect的次数.如果re ...
python爬虫爬取csdn博客专家所有博客内容
python爬虫爬取csdn博客专家所有博客内容: 全部过程采取自动识别与抓取,抓取结果是将一个博主的所有文章存放在以其名字命名的文件内,代码如下 #coding:utf-8import urlli ...
python网易云_用python爬虫爬取网易云音乐
标签: 使用python爬虫爬取网易云音乐需要使用的模块只需要requests模块和os模块即可开始工作先去网易云音乐网页版找一下你想要听的歌曲点击进去.按键盘F12打开网页调试工具,点击Ne ...
使用Python爬虫爬取网络美女图片
代码地址如下: http://www.demodashi.com/demo/13500.html 准备工作安装python3.6 略安装requests库(用于请求静态页面) pip instal ...
python如何爬取网站所有目录_用python爬虫爬取网站的章节目录及其网址
认识爬虫网络爬虫(又被称为网页蜘蛛,网络机器人,在FOAF社区中间,更经常的称为网页追逐者),是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本.另外一些不常使用的名字还有蚂蚁.自动索引.模拟 ...

Python爬虫：爬了7天的斗鱼，我们来看一下主播们的真实现状

Python爬虫：爬了7天的斗鱼，我们来看一下主播们的真实现状相关推荐

最新文章

热门文章