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