KnutJaegersberg/youtube_stats_one_million

该数据集是从Kaggle上由MATTIA ZENI发布的YouTube视频统计数据的重新分发版本，原始数据为30GB的JSON文件，经过解析后以表格形式存储。主表为1millvids_extended.parquet，主键为X_id（URL的唯一部分）。数据集包含了对视频传播性的线性回归分析结果，以及纵向的YouTube互动数据记录。需要注意的是，并非所有视频仍然可用。

原始信息汇总

数据集概述

数据集来源与处理

• 原始数据集：由MATTIA ZENI在Kaggle上发布的YouTube视频统计数据集，原始格式为30GB的JSON文件，数据采样自2013年，使用WordNet进行采样。
• 当前数据集：已解析为表格形式，主要表格文件名为1millvids_extended.parquet，主键为X_id（URL的唯一部分）。
• 数据处理：进行了线性回归分析，以累积观看次数反映病毒性（变量views_cummulative_linear_reg_coef），并添加了可用的关键纵向统计数据。

数据集内容

• 主要表格：包含YouTube视频的统计数据。
• 其他表格：记录了YouTube用户参与的纵向数据，格式为长格式记录。
• 可用性：并非所有视频仍然可用。

许可证信息

• 许可证：Open Data Commons Attribution License (ODC-By) v1.0。
• 使用条件：使用数据集时必须遵守ODC-By许可证的条款，包括但不限于保留版权和许可证通知，以及在公开传达数据集时包含许可证副本或URI。

数据集链接

• Kaggle数据集链接：YouTube视频统计数据集。

此概述提供了数据集的基本信息，包括其来源、处理方式、内容、许可证要求以及如何访问原始数据集。