金博宝188bet生数据报告:知乎百万用户分析

前言

前不久用 python
爬虫抓到手了知乎用户个人资料(公开信息),去再以后产生300+万漫漫记下,为了赢得这些数量,还无小心跑崩了千篇一律宝服务器……
当然要是安排太没有。

手头有了数码也无可知闲在,于是便生出矣立即首分析报告,这首报告做了一部分初步的多少解析,主要目的是习练手,大家看个热闹,高手勿笑。

爬虫源码放在了 github
上,windcode/zhihu-crawler-people,各位好佬别忘了接触个
star~

数据量:3,289,329 人。
数收集工具:分布式 python 爬虫
分析工具:ElasticSearch + Kibana
剖析角度包括:地理位置、男女比例、各类排名、所在大学、活跃程度相当。

注意

  • 以下有所分析结果还冲自身逮到手到之立300万用户的个人信息,非大分析,仅供参考。
  • 数码抓取时间也2017年7月份,用户数据会随着时间推移而变化,所以该报告具有一定时效性。
  • 知乎的用户个人资料很挺程度达到是不完整的,因为用户产生且单独填写部分信息,所以后面分析的时节会筛掉对应指标为空的用户。

下让我们看知乎用户分布着生什么样有趣的气象(脚的图点击可以放大

知乎的男女比例?

率先来探视知乎用户的男女比例,以时样本数统计的结果接近
1:1,其中男生小多有。(其实还有很怪一些性不明的用户,被自己多少掉了
╮(╯▽╰)╭)

金博宝188bet 1

蓝色为男生,红色为女生。具体数目也:

男生:1,202,234 人,占 51.55%。
女生:1,129,874 人,占 48.45%。

知乎用户都是哪里人?

再来探望全国(全球?)都发出哪些地方的人口当玩耍知乎

金博宝188bet 2

鉴于达到图可以望,知乎用户蒙受一致丝都用户占比充分的比重,北上广生皆以词云的中心岗位(文字更是老,比重进一步老)。我们更来看看具体的排行(前十称为):

金博宝188bet 3

知乎用户居住地前十号称依次是:北京、上海、杭州、成都、南京、武汉、广州、深圳、西安、重庆

君恐怕发现了Y坐标里各级座城市之用户数并无多,这是以有大约260万之知乎没有填写“居住地”这同一苑~
以下分析为起或出现用户并未填写某同牢信息的动静,我会将这些用户忽略掉,以担保展示图片的准确性。

知乎的饭碗分布?

以下显示知乎主流职业,同样因知乎用户个人信息里填的差也遵循:

金博宝188bet 4

是因为上图可以看,知乎用户遭受学生用户占用多数,其它的本产品经营、程序员、运营、HR数量也不丢。我们看一下现实的排名(前十称为):

金博宝188bet 5

出于臻图可以看看,知乎用户蒙受“学生”的比重独占鳌头,我们管“学生”去丢,来看望正好经些的知乎职业排名

金博宝188bet 6

去除学生后,知乎主流职业比重自杀及小各个是(前十名):出品经理、自由职业、程序员、工程师、设计师、腾讯、教师、人力资源(HR)、运营、律师。可以视,除了有些互联网公司的宽泛职位外,教师及辩护人用户以知乎中也占有不聊的百分比。

下我们构成 性别居住地 来分析一下知乎的主流职业。

知乎主流职业的性别分布

金博宝188bet 7

上面这张饼图的内圈表示各主流职业在前十称为被所占有的百分比,外圈表示该事情从业者中之男女比例,蓝色为男性,红色为女。我们还用同摆直方图来代表:

金博宝188bet 8

相同蓝色代表男性,红色表示女性,从左到右的职业在知乎中之数依次下降。可以望,知乎大部分主流职业中着重也男占主导。前
10 名的主流职业被有 8 独事情的男从业者比女性多,其中因 程序员
的男女比例差距最悬殊(-_-|||),以 设计师
男女比例差距最小,看来设计师从业人员男女比例较为平衡。其它的,比如产品经营、自由职业者、律师着,均为男从业者多于女性。而前
10 称剩下的 2
只工作——教工、人力资源(HR)——女性从业者要多于男性,其中坐
人力资源(HR)
男女比例差距最悬殊,教师的男女比例虽无那么夸张,但女性也远多于男(也许是盖男性教师小上知乎?)。

关押罢了知乎各工作之性分布,我们还用同一张热力图来察看知乎主流职业(前五曰)在一一地区的布状况,颜色越怪,代表该工作在拖欠地段的人口更多:

金博宝188bet 9

此我为展示方便,失丢了产品经营,你不过待知道产品经理于处处人数都是无与伦比多的……
不知底知乎上怎么如此多产品经营,可能是为便于宣传他们之制品?

从今上图可以见到,知乎各主流职业大部分聚齐在北京及上海两地,更可靠地游说,大部分还集中在首都,但是人力资源(HR)凡是独例外,他们还多集中在上海。我们还来探其他工作,程序员遍布最多的城池依次是:北京、上海、广州、杭州、厦门。北京占得比例最要命,简直绿底乌,看来都是程序员的西方?其中深圳从没上榜,让我深意外。设计师分布最多之城池相继是:北京、上海、杭州、深圳、武汉。设计师的处分布于平均,各个城市还产生得数量。

知乎的高校用户

知乎中学生用户占好死的比例,我们来看望他们还来源于什么学校!词说蒙书越老,表示所占比例更是怪。

金博宝188bet 10

咱们再列有详细的比例排名:

金博宝188bet 11

以上展示的结果不必然标准,可能出十分怪片段生用户并未填写自己的学府。仅打上图可以看看,知乎活跃高校用户从杀至稍微各个是:浙江大学、武汉大学、华中科技大学、中山大学、北京大学、上海交通大学、复旦大学、南京大学、四川大学、清华大学

既然如此分析到学校了,我们顺便看看列大学的男女比例,嘿嘿。

金博宝188bet 12

发现一个妙不可言的景,各高等学校大部分都是男生在戏耍知乎……
复看一下何以高校在知乎获得的赞数最多

金博宝188bet 13

先是是同济大学,土木工程,恩,这是啊位非常佬撑起来的;第二凡华南理工大学,软件工程,这个我知,轮子哥是皇家理工的嘛;第三,重庆首先工程尸培训基地,恩???这是呀破(黑人问号);继续向后看,恩……??家里蹲大学??!!还有一个兰州大学,牛肉面工艺规范???WHAT??!!

∑(っ°Д°;)っ

知乎大佬都这么调皮吗……

本条图如未极端准,大家忽略就哼……

咱俩再度来看望各级地方发生什么样高校是知乎重度用户,颜色愈老代表该学校的知乎用户更多:

金博宝188bet 14

京城玩知乎最多的高等学校依次是:北京大学、北京邮电大学、中国传媒大学、中国人民大学、清华大学

上海戏知乎最多的大学依次是:上海交通大学、复旦大学、同济大学、上海大学、上海财经大学

杭州玩知乎最多之大学依次是:浙江大学、浙江工业大学、杭州电子科技大学、浙江大学,计算机对、浙江大学,软件工程。浙江大学是重度用户啊……

成都戏知乎最多的高等学校依次是:电子科技大学、四川大学、西南交通大学、电子科技大学,软件工程、四川师范

广州玩知乎最多的大学依次是:中山大学(SYSU)、华南理工大学(SCUT)、华南农业大学(SCAU)、广东外语外贸大学、广东工业大学

咱俩再次来拘禁一下知乎各高等学校用户之外向程度,按每个学校用户作答问题之总和排名:

金博宝188bet 15

排行依次是:武汉大学、浙江大学、中山大学、华南理工大学、北京大学、华中科技大学、复旦大学、上海交通大学、西北农林科技大学
吓了,高校分析已,我们重新来看看知乎用户的各项排名。

知乎赞数最多之100各项大V

产图备受词云的许越充分,表示接受的赞数越多:

金博宝188bet 16

咱俩再度来平等摆放直方图,配合着看:

金博宝188bet 17

张佳玮大娘的的获第一誉为,360+万赞,恐怖。其次是马前卒、唐缺、vczh、肥肥猫、朱炫、Seasee
Youl、ze
ran、鬼木知、豆子
。知乎获赞总数前五叫做有少数位还是大手笔(张佳玮与唐缺),看来作家在知乎回答问题获赞方面要挺抢手,果然表达能力是见获得认同的一个要支撑

知乎关注者最多之100个大V

下图词云的配越老,表示关注者越多,看看发生无来你熟悉的不可开交V 呢?:

金博宝188bet 18

如出一辙我们配合着平等摆直方图来拘禁:

金博宝188bet 19

知乎关注人口最为多之前头10员大V依次是:张佳玮、李开复、黄继新、周源、张亮、张小北、李淼、朱炫、葛巾、田吉顺。这些是知乎真正的大V,关注者数量极其多。关注者最多的张佳玮有137万粉(抓取时),他的粉丝还在频频上涨,到如今既来138万粉。关注者最少田吉顺为产生57万粉丝,轮子哥(vczh)稍微少一些,排在第11各项。

知乎回答问题太多之100各大V

这些大V在知乎很活泼…… 下图词云文字更是老,表示应问题数量进一步多。

金博宝188bet 20

现实的排行呢:

金博宝188bet 21

知乎回答问题频最好多的10各大V从深到有些各个为:vczh、李东、赵钢、另一样单独袜子、四海之内、M3小蘑菇、kun
yu、白猫转转风、yskin、肛里拉来个电锯
。微软的办事一般很悠闲,看轮子哥(vczh)整天刷知乎……
咱们再度来添加这几乎位用户在知乎的获的赞数,看看“回答问题的数量”“获得的赞数”里出没有发生什么关联:

金博宝188bet 22

出于上图我们可简单的得出结论,答应问题之多少与取赞数的关系并未特别老。上图备受仅仅发生
kun yu 和 vczh
回答问题之数码以及得到赞数基本持平,榜单前十曰的其余用户获得赞数虽然也非丢掉,但与她们回问题数量的排名较起来,还不在一个量级上。这从侧面也证实了一个题目,回复问题之质地更是要,某些高质量的会晤另行易于吸引用户点赞

知乎参加live最多的100各项大V

俺们重新来拘禁一个有趣的统计,知乎参加 live
最多之100员用户
,以及他们最好多参加了多少场 live。(live
是知乎推出的相同栽类似于直播的问答形式,大V开平集市
live,分享他到处领域的学识,用户购买门票参与 live,是一样种植知识变现的计)

金博宝188bet 23

再次来探视他们极多与过些微场 live:

金博宝188bet 24

最为多的那个大V竟然与过 1600+ 场 live,真的挺有生命力和钱财,哈哈。

尾声

上述,便是以知乎300万用户个人资料为模本,做出的简便多少解析。大家认为还可以挖哪些有用之音为?

嗜自己的剖析的小伙伴可以接触一个赞叹,或者当自之下同样首文章。接下来会犯一样篇爬虫的源码剖析,有时空的语句会持续抓取其它有效之数据,做成数据报告作上来。另外我会尝试下将这次办案及的数目做成机能并到民众号丁,如果您出什么好玩的关节也足以引进给自家。

分布式知乎爬虫思路分析:什么样勾勒一个简单易行的分布式知乎爬虫?

也欢迎大家去我之博客踩踩:http://yangyingming.com

撒由那拉~ 下次再见~

原创声明

作者:呓语
微信公众号:呓语的黑板报
转载请注明:呓语
»
如何勾勒一个粗略的分布式知乎爬虫?

相关文章

Comment ()
评论是一种美德,说点什么吧,否则我会恨你的。。。