youtube-trends / README.md
jeanviet's picture
Update README.md
04e3ccd verified

A newer version of the Streamlit SDK is available: 1.48.1

Upgrade
metadata
title: Youtube Trends
emoji: 💻
colorFrom: indigo
colorTo: gray
sdk: streamlit
sdk_version: 1.44.1
app_file: app.py
pinned: false
license: apache-2.0
short_description: Tendances YouTube 2025

YouTube Trends Analyzer 2025

Cette application Streamlit permet d'analyser les tendances YouTube de 2025 à travers divers filtres et visualisations interactives.

📊 Fonctionnalités

  • Filtrage flexible par catégorie, date de tendance et chaîne YouTube
  • Indicateurs clés : vues moyennes, likes/vues, durée moyenne, etc.
  • Visualisations interactives :
    • Distribution des vues et des durées
    • Taux d'engagement par catégorie
    • Relation entre vues et taux de likes
    • Carte de chaleur des métriques par catégorie
  • Top 10 des vidéos les plus vues
  • Export des données filtrées au format CSV

🚀 Déploiement sur Hugging Face Space

Étape 1 : Créer un nouveau Space

  1. Connectez-vous à votre compte Hugging Face
  2. Allez dans l'onglet "Spaces" et cliquez sur "Create new Space"
  3. Donnez un nom à votre Space (ex: youtube-trends-2025)
  4. Sélectionnez "Streamlit" comme SDK
  5. Choisissez la visibilité (publique ou privée)
  6. Cliquez sur "Create Space"

Étape 2 : Préparer les fichiers requis

Pour que votre Space fonctionne correctement, vous devez y ajouter ces fichiers essentiels :

  1. app.py : Le code principal de l'application Streamlit
  2. requirements.txt : Les dépendances Python nécessaires
  3. trend2025.csv : Votre fichier de données des tendances YouTube
  4. category.csv : Votre fichier de correspondance des catégories
  5. README.md : Ce fichier pour documenter votre projet

Étape 3 : Créer le fichier requirements.txt

Créez un fichier requirements.txt avec le contenu suivant :

streamlit==1.29.0
pandas==2.1.4
numpy==1.26.2
plotly==5.18.0

Étape 4 : Uploader les fichiers

Vous pouvez uploader vos fichiers de deux façons :

Option 1 : Via l'interface web

  1. Dans votre Space, cliquez sur "Files and versions"
  2. Utilisez le bouton "Add file" pour ajouter chaque fichier
  3. Uploadez app.py, requirements.txt, trend2025.csv, category.csv et README.md

Option 2 : Via Git

  1. Clonez votre repository Space :
    git clone https://huggingface.co/spaces/VOTRE_USERNAME/NOM_DE_VOTRE_SPACE
    
  2. Ajoutez vos fichiers dans le dossier local
  3. Commitez et poussez vos changements :
    git add .
    git commit -m "Initial commit"
    git push
    

Étape 5 : Vérifier le déploiement

Une fois tous les fichiers uploadés, Hugging Face Spaces commencera automatiquement à construire et déployer votre application Streamlit. Vous pouvez suivre l'avancement dans l'onglet "Factory".

🔧 Personnalisation

Modifier les visualisations

Le code est structuré pour faciliter les modifications. Si vous souhaitez ajouter ou modifier des visualisations, consultez les fonctions create_histogram(), create_bar_chart(), create_scatter_plot() et create_heatmap() dans app.py.

Ajouter de nouvelles fonctionnalités

Vous pouvez étendre l'application en ajoutant :

  • Analyse des tags pour voir les mots-clés populaires
  • Prédiction des tendances futures
  • Comparaison entre périodes
  • Analyse de sentiment des titres ou descriptions

📝 Structure des données

trend2025.csv

Ce fichier contient les données des vidéos en tendance avec les colonnes suivantes :

  • video_id : Identifiant unique de la vidéo
  • title : Titre de la vidéo
  • publishedAt : Date de publication
  • channelId : Identifiant de la chaîne
  • channelTitle : Nom de la chaîne
  • categoryId : ID de la catégorie
  • trending_date : Date de tendance (format YY.DD.MM)
  • tags : Tags de la vidéo (séparés par |)
  • view_count : Nombre de vues
  • likes : Nombre de likes
  • dislikes : Nombre de dislikes
  • comment_count : Nombre de commentaires
  • thumbnail_link : Lien vers la miniature
  • comments_disabled : Commentaires désactivés (True/False)
  • ratings_disabled : Évaluations désactivées (True/False)
  • description : Description de la vidéo
  • duration : Durée de la vidéo (format HH:MM:SS)

category.csv

Ce fichier contient la correspondance entre les IDs de catégorie et leurs noms :

  • ID : Identifiant numérique de la catégorie
  • Category name : Nom de la catégorie

🤝 Contribution

N'hésitez pas à fork ce projet pour l'améliorer ou l'adapter à vos besoins !

📄 Licence

Ce projet est disponible sous licence MIT.