Spaces:
Runtime error
Runtime error
| title: YouTube Trends 2025 | |
| emoji: 📊 | |
| colorFrom: red | |
| colorTo: blue | |
| sdk: streamlit | |
| sdk_version: 1.29.0 | |
| app_file: app.py | |
| pinned: false | |
| license: apache-2.0 | |
| short_description: Analyse des tendances YouTube 2025 | |
| # 📊 YouTube Trends Analyzer 2025 | |
| Cette application Streamlit permet d'analyser les tendances YouTube de 2025 à travers diverses métriques et visualisations interactives basées sur les chaînes qui ont été en tendance. | |
| ## 🚀 Fonctionnalités | |
| ### 🎛️ Filtrage avancé | |
| - **Par catégorie** : Film, Musique, Gaming, Sport, etc. | |
| - **Par période** : Sélection de plages de dates | |
| - **Par chaîne YouTube** : Analyse de chaînes spécifiques | |
| - **Par jour de la semaine** : Comprendre les patterns temporels | |
| ### 📈 Indicateurs clés | |
| - Nombre total de vidéos analysées | |
| - Vues moyennes par vidéo | |
| - Taux de likes moyen (likes/vues) | |
| - Durée moyenne des vidéos | |
| - Ratio vues/abonnés | |
| ### 🔍 Visualisations interactives | |
| - **Histogrammes** : Distribution des vues et durées | |
| - **Graphiques en barres** : Performance par catégorie et jour | |
| - **Nuage de points** : Corrélation vues/engagement avec taille par abonnés | |
| - **Séries temporelles** : Évolution des métriques dans le temps | |
| - **Analyse horaire** : Meilleurs moments de publication | |
| ### 📊 Tableaux de données | |
| - **Top 10 vidéos** les plus vues avec métriques détaillées | |
| - **Top chaînes** avec statistiques agrégées | |
| - **Export CSV** des données filtrées | |
| ## 📁 Structure des données | |
| ### youtube_channels_2025.csv | |
| Contient les informations sur toutes les vidéos 2025 des chaînes qui ont été en tendance : | |
| - `video_id` : Identifiant unique de la vidéo | |
| - `Title` : Titre de la vidéo | |
| - `Published_date` : Date de publication | |
| - `Views` : Nombre de vues | |
| - `Likes` : Nombre de likes | |
| - `Comments` : Nombre de commentaires | |
| - `Channel_name` : Nom de la chaîne | |
| - `Channel_subscribers` : Nombre d'abonnés de la chaîne | |
| - `category_id` : ID de la catégorie | |
| - `duration_seconds` : Durée en secondes | |
| - `like_rate` : Taux de likes (likes/vues) | |
| - `comment_rate` : Taux de commentaires (commentaires/vues) | |
| - `views_per_subscriber` : Ratio vues/abonnés | |
| ### category.csv | |
| Fichier de correspondance des catégories : | |
| - `ID` : Identifiant numérique de la catégorie | |
| - `Category name` : Nom de la catégorie (Film & Animation, Gaming, Music, etc.) | |
| ## 🛠️ Installation et déploiement | |
| ### Déploiement sur Hugging Face Spaces | |
| 1. **Créer un nouveau Space** | |
| - Connectez-vous à [Hugging Face](https://huggingface.co/) | |
| - Cliquez sur "Create new Space" | |
| - Sélectionnez "Streamlit" comme SDK | |
| - Nommez votre space (ex: `youtube-trends-2025`) | |
| 2. **Uploader les fichiers** | |
| - `app.py` : Application principale | |
| - `requirements.txt` : Dépendances Python | |
| - `youtube_channels_2025.csv` : Vos données YouTube | |
| - `category.csv` : Correspondance des catégories | |
| - `README.md` : Documentation | |
| 3. **Configuration automatique** | |
| - L'application se déploie automatiquement | |
| - Accessible via l'URL de votre Space | |
| ### Installation locale | |
| ```bash | |
| pip install -r requirements.txt | |
| streamlit run app.py | |
| ``` | |
| ## 📊 Métriques et analyses disponibles | |
| ### Performance globale | |
| - Distribution des vues et engagement | |
| - Comparaison entre catégories | |
| - Patterns temporels (jours, heures) | |
| ### Analyse par chaîne | |
| - Performances individuelles | |
| - Comparaison des stratégies de contenu | |
| - Efficacité du ratio abonnés/vues | |
| ### Tendances temporelles | |
| - Évolution des métriques dans le temps | |
| - Meilleurs moments de publication | |
| - Saisonnalité du contenu | |
| ## 🎯 Cas d'usage | |
| - **Créateurs de contenu** : Optimiser leurs stratégies de publication | |
| - **Marketeurs** : Comprendre les tendances du marché YouTube | |
| - **Analystes** : Étudier les patterns de consommation vidéo | |
| - **Chercheurs** : Analyser l'écosystème YouTube | |
| ## 🔧 Personnalisation | |
| L'application est facilement personnalisable : | |
| - Ajouter de nouvelles métriques dans les calculs | |
| - Créer de nouveaux types de visualisations | |
| - Modifier les filtres selon vos besoins | |
| - Adapter les couleurs et le style | |
| ## 📝 Notes techniques | |
| - **Cache des données** : Utilisation de `@st.cache_data` pour optimiser les performances | |
| - **Gestion d'erreurs** : Traitement robuste des données manquantes | |
| - **Interface responsive** : Adaptation automatique à différentes tailles d'écran | |
| - **Export de données** : Téléchargement CSV des données filtrées | |
| ## 🤝 Contribution | |
| N'hésitez pas à fork ce projet et à proposer des améliorations ! | |
| ## 📄 Licence | |
| Ce projet est disponible sous licence Apache 2.0. | |