# 数据处理

3月26日 20:07 | 355字

- 合并数据文件
  - 合并热门数据
    - 数据文件
      - 视频: hot_data/分区/info
      - up: hot_data/分区/up_info
      - 弹幕/评论: hot_data/分区/BV号/...
    - 单分区处理
      - 按bv号匹配视频对应up指标，添加到info.csv
      - 依序读取弹幕输出情感评分，(如果顺序没变的话) 直接添加一列“affective_scores”到info.csv
      - 合并: 遍历分区info文件创建总文件，并给“视频荣誉”改名成“是否热门”并赋值为1
  - 合并非热数据
    - 同上，并赋值为0
  - 合并两个文件
    - 根据URL获取封面
    - 按发布时间排序
  - 文本数据合并
    - 评论文本 (仅热门): 直接合并成列，人工筛选高质量文本
    - 标签合并 (放一起整一个txt即可，拉个词云了事)
    - 简介合并 (同上)
- 数据预处理
  - 是否为系列 (标题关键词分析)
- 数据量化
  - 大小分区名给一下，映射到大分区
  - 视频分辨率: 360、720、1080、2k、4k、8k
  - 封面处理并量化
- 删除不用指标
  - up主uid、bv号
  - 视频简介、标签