揭秘2024跨年晚会收视率背后的故事：从零开始学会数据可视化

发布时间：2025-05-08 15:28

引言

大家好啊！又到了一年一度的跨年时刻，各大卫视的跨年晚会可以说是打得火热。作为一个数据分析爱好者，我就在想：能不能用Python帮我们分析一下这些晚会的数据呢？今天，我们就用Python的数据可视化来一探究竟，看看这些收视率背后藏着什么有趣的故事！

为什么选择Python数据可视化？

Python的可视化库（比如Matplotlib、Seaborn）不仅能做出更漂亮的图表，而且可以自动化处理大量数据。就像是从"手工作坊"升级到了"智能工厂"！

准备工作

需要安装必要的Python库：

# 导入需要的库
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

# 设置中文字体，避免显示乱码
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

数据准备

创建一个模拟的跨年晚会数据集：

# 创建示例数据
data = {
'卫视': ['湖南卫视', '江苏卫视', '浙江卫视', '东方卫视', 'CCTV'],
'收视率': [3.2, 2.8, 2.5, 2.3, 3.5],
'观众满意度': [8.5, 8.2, 8.0, 7.8, 8.7],
'明星数量': [35, 30, 28, 25, 40],
'节目时长': [240, 220, 210, 200, 250] # 单位：分钟
}

df = pd.DataFrame(data)

基础分析：绘制收视率柱状图

先来个简单的热身，画个基础柱状图：

plt.figure(figsize=(10, 6))
sns.barplot(x='卫视', y='收视率', data=df, palette='husl')
plt.title('2024跨年晚会收视率对比')
plt.xlabel('电视台')
plt.ylabel('收视率(%)')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

进阶分析：多维度可视化

来点有趣的！来看看收视率、明星数量和观众满意度之间的关系：

# 创建气泡图
plt.figure(figsize=(12, 8))
plt.scatter(df['明星数量'], df['收视率'],
s=df['观众满意度']*100, # 气泡大小
alpha=0.6,
c=range(len(df)), # 颜色渐变
cmap='viridis')

# 添加标签
for i, txt in enumerate(df['卫视']):
plt.annotate(txt, (df['明星数量'][i], df['收视率'][i]),
xytext=(5, 5), textcoords='offset points')

plt.title('跨年晚会多维度分析')
plt.xlabel('明星数量（个）')
plt.ylabel('收视率（%）')
plt.grid(True, linestyle='--', alpha=0.7)
plt.show()

深入分析：时间段收视率变化

模拟一下晚会期间的收视率变化：

# 创建时间段收视率数据
time_slots = pd.date_range('2023-12-31 19:30:00', '2024-01-01 00:30:00', freq='30min')
ratings_data = {
'湖南卫视': [2.5, 2.8, 3.0, 3.5, 4.0, 3.8, 3.5, 3.2, 2.8, 2.5],
'江苏卫视': [2.2, 2.5, 2.8, 3.2, 3.5, 3.3, 3.0, 2.8, 2.5, 2.2],
'CCTV': [3.0, 3.2, 3.5, 3.8, 4.2, 4.0, 3.8, 3.5, 3.2, 3.0]
}

time_df = pd.DataFrame(ratings_data, index=time_slots)

# 绘制折线图
plt.figure(figsize=(12, 6))
for column in time_df.columns:
plt.plot(time_df.index.strftime('%H:%M'), time_df[column],
marker='o', label=column, linewidth=2)

plt.title('跨年晚会收视率时间变化趋势')
plt.xlabel('时间')
plt.ylabel('收视率(%)')
plt.legend()
plt.grid(True, linestyle='--', alpha=0.7)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

高级分析：相关性热力图

来看看各个指标之间的相关性：

# 计算相关性矩阵
correlation = df.iloc[:, 1:].corr()

# 绘制热力图
plt.figure(figsize=(10, 8))
sns.heatmap(correlation,
annot=True, # 显示数值
cmap='coolwarm', # 配色方案
center=0, # 中心值
fmt='.2f') # 数值格式
plt.title('跨年晚会各指标相关性分析')
plt.tight_layout()
plt.show()

实用技巧和注意事项

1. 数据清洗很重要

# 检查缺失值
print(df.isnull().sum())

# 检查异常值
def check_outliers(df, column):
Q1 = df[column].quantile(0.25)
Q3 = df[column].quantile(0.75)
IQR = Q3 - Q1
lower_bound = Q1 - 1.5 * IQR
upper_bound = Q3 + 1.5 * IQR
outliers = df[(df[column] < lower_bound) | (df[column] > upper_bound)]
return outliers

2. 图表美化技巧

# 设置图表风格
sns.set_style("whitegrid")
sns.set_palette("husl")

# 添加水印
def add_watermark(fig, text):
fig.text(0.95, 0.05, text,
fontsize=10, color='gray',
ha='right', va='bottom',
alpha=0.5)