Content Categories Analysis

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Load data
df = pd.read_excel('excel26deenero.xlsx')

# Count videos per category
category_counts = df['Categoria'].value_counts()
print(category_counts)

# Visualize distribution
fig, ax = plt.subplots(figsize=(12, 6))
category_counts.plot(kind='bar', ax=ax, color='skyblue', edgecolor='black')
ax.set_title('Distribución de Videos por Categoría', fontsize=16)
ax.set_xlabel('Categoría', fontsize=12)
ax.set_ylabel('Número de Videos', fontsize=12)
ax.set_xticklabels(ax.get_xticklabels(), rotation=45, ha='right')
plt.tight_layout()
plt.show()

# Aggregate engagement metrics by category
data = df.groupby('Categoria').agg({
    'Likes': 'sum',
    'Comentarios': 'sum',
    'Visualizaciones': 'sum'
}).reset_index()

print("Total Engagement by Category:")
print(data)

import numpy as np

# Create figure
fig, ax = plt.subplots(figsize=(14, 8))

# Stacked bar chart
sns.set_style("whitegrid")
sns.set_palette("husl")

bottom = np.zeros(len(data))
for column in ['Likes', 'Comentarios', 'Visualizaciones']:
    ax.bar(data['Categoria'], data[column], bottom=bottom, label=column)
    bottom += data[column]

ax.set_title('Engagement por Categoría', fontsize=16)
ax.set_xlabel('Categoría', fontsize=12)
ax.set_ylabel('Cantidad', fontsize=12)
ax.legend(title='Tipo de Engagement', title_fontsize='11', fontsize='10')
ax.set_xticklabels(ax.get_xticklabels(), rotation=45, ha='right')

# Add total labels on top of bars
for i, categoria in enumerate(data['Categoria']):
    total = sum(data.loc[i, ['Likes', 'Comentarios', 'Visualizaciones']])
    ax.text(i, total, f'{total:,}', ha='center', va='bottom')

plt.tight_layout()
plt.show()

# Filter for Toponimia category
toponimia_df = df[df['Categoria'] == 'Toponimia de Lugares']

print(f"Total Videos: {len(toponimia_df)}")
print(f"Average Likes: {toponimia_df['Likes'].mean():.2f}")
print(f"Average Comments: {toponimia_df['Comentarios'].mean():.2f}")
print(f"Average Views: {toponimia_df['Visualizaciones'].mean():.2f}")
print(f"Total Likes: {toponimia_df['Likes'].sum():,}")

# Filter for Curiosidades category
curiosidades_df = df[df['Categoria'] == 'Curiosidades Históricas']

print(f"Total Videos: {len(curiosidades_df)}")
print(f"Average Likes: {curiosidades_df['Likes'].mean():.2f}")
print(f"Average Comments: {curiosidades_df['Comentarios'].mean():.2f}")
print(f"Average Views: {curiosidades_df['Visualizaciones'].mean():.2f}")

# Filter for Biografías category
biografias_df = df[df['Categoria'] == 'Biografías de Personajes Históricos']

print(f"Total Videos: {len(biografias_df)}")
print(f"Average Likes: {biografias_df['Likes'].mean():.2f}")
print(f"Average Comments: {biografias_df['Comentarios'].mean():.2f}")
print(f"Total Videos: {len(biografias_df)}")

# Filter for Arquitectura category
arquitectura_df = df[df['Categoria'] == 'Arquitectura']

print(f"Total Videos: {len(arquitectura_df)}")
print(f"Average Likes: {arquitectura_df['Likes'].mean():.2f}")
print(f"Average Comments: {arquitectura_df['Comentarios'].mean():.2f}")
print(f"Average Views: {arquitectura_df['Visualizaciones'].mean():.2f}")

# Filter for Acontecimientos category
acontecimientos_df = df[df['Categoria'] == 'Acontecimientos Históricos']

print(f"Total Videos: {len(acontecimientos_df)}")
print(f"Average Likes: {acontecimientos_df['Likes'].mean():.2f}")
print(f"Average Comments: {acontecimientos_df['Comentarios'].mean():.2f}")
print(f"Average Views: {acontecimientos_df['Visualizaciones'].mean():.2f}")
print(f"Highest Views: {acontecimientos_df['Visualizaciones'].max():,}")

# Create bar chart for comments
fig, ax = plt.subplots(figsize=(12, 6))

sns.barplot(x='Categoria', y='Comentarios', data=data, ax=ax)
ax.set_title('Comentarios por Categoría', fontsize=16)
ax.set_xlabel('Categoría', fontsize=12)
ax.set_ylabel('Número de Comentarios', fontsize=12)
ax.set_xticklabels(ax.get_xticklabels(), rotation=45, ha='right')

# Add value labels
for i, v in enumerate(data['Comentarios']):
    ax.text(i, v, str(v), ha='center', va='bottom')

plt.tight_layout()
plt.show()

# Calculate average metrics per video by category
avg_by_category = df.groupby('Categoria').agg({
    'Likes': 'mean',
    'Comentarios': 'mean',
    'Visualizaciones': 'mean'
}).round(2)

print("Average Engagement per Video:")
print(avg_by_category)

import plotly.express as px

# Create interactive scatter plot
fig = px.scatter(
    df, 
    x='Likes', 
    y='Comentarios', 
    size='Visualizaciones',
    color='Categoria',
    hover_data=['Titulo'],
    title='Relación entre Likes y Comentarios por Categoría',
    labels={'Likes': 'Likes', 'Comentarios': 'Comentarios'}
)

fig.show()