11、预测内容是否会走红

预测内容是否会走红

1. 数据准备与分析目标

在数据准备就绪后，我们可以开始进行分析，目标是找出使内容易于分享的因素。我们收集了过去一年中约500篇分享量最高的内容，接下来将对这些文章进行拆解，以找出它们的共同特征。

2. 探索可分享性的特征

2.1 探索图像数据

• 图像数量统计 ：
  首先查看每篇故事中包含的图像数量，运行值计数并绘制图表。
  python dfc['img_count'].value_counts().to_frame('count')
  然后绘制图像数量频率图：
  python fig, ax = plt.subplots(figsize=(8,6)) y = dfc['img_count'].value_counts().sort_index() x = y.sort_index().index plt.bar(x, y, color='k', align='center') plt.title('Image Count Frequency', fontsize=16, y=1.01) ax.set_xlim(-.5,5.5) ax.set_ylabel('Count') ax.set_xlabel('Number of Images')
  结果显示，绝大多数故事包含五张图片，而只有一张或更少图片的情况非常罕见，这表明人们倾向于分享包含大量图像的内容。
• 图像颜色分析 ：
  查看图像中最常见的颜色，首先统计十六进制