---
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.