可怜数目报告:知乎百万用户分析

前言

近来之所以 python
爬虫抓到手了知乎用户个人资料(公开信息),去还以后发生300+万长条记下,为了取得这些数量,还非小心跑崩了一样尊服务器……
当然要是布太没有。

手头有了数码也不可知闲在,于是便出矣就首分析报告,这首报告做了有的初步的数据解析,主要目的是练习练手,大家看个热闹,高手勿笑。

爬虫源码放在了 github
上,windcode/zhihu-crawler-people,各位老佬别忘了点单
star~

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

注意

  • 以下有所解析结果都冲自身逮到手到的立刻300万用户的个人信息,非大分析,仅供参考。
  • 数量抓取时间啊2017年7月份,用户数量会就时间推移而别,所以该报告富有一定时效性。
  • 知乎的用户个人资料很挺程度达到是无完整的,因为用户产生且单独填写部分信息,所以后面分析的早晚会筛掉对应指标为空的用户。

下面让咱省知乎用户分布着出怎么样有趣之状况(下的觊觎点击可以推广

知乎的男女比例?

第一来探望知乎用户的男女比例,以手上样本数统计的结果接近
1:1,其中男生小多片。(其实还有挺非常有性不明的用户,被自己多少掉了
╮(╯▽╰)╭)

w88win优德手机版 1

蓝色为男生,红色为女生。具体数据吧:

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?

还来探全国(全球?)都来哪些地方的人口当耍知乎

w88win优德手机版 2

出于臻图可以见到,知乎用户蒙受一致丝都用户占比充分的比例,北上广生皆以词云的中坚岗位(文字更是怪,比重更是怪)。我们重来瞧实际的排行(前十称):

w88win优德手机版 3

知乎用户居住地前十曰各个是:北京、上海、杭州、成都、南京、武汉、广州、深圳、西安、重庆

您也许发现了Y坐标里各级栋城之用户数并无多,这是坐来约260万之知乎没有填写“居住地”这无异于棚~
以下分析也闹或出现用户没有填写某平苑信息之气象,我会将这些用户忽略掉,以保展示图片的准头。

知乎的差事分布?

以下显示知乎主流职业,同样基于知乎用户个人信息里填充的专职也遵循:

w88win优德手机版 4

由于臻图可以视,知乎用户中学生用户占多数,其它的依产品经营、程序员、运营、HR数量也未丢掉。我们看一下有血有肉的排名(前十名):

w88win优德手机版 5

是因为臻图可以见见,知乎用户遭受“学生”的百分比独占鳌头,我们将“学生”去丢,来探刚刚经些的知乎职业排名

w88win优德手机版 6

除去学生后,知乎主流职业比重自深及多少各个是(前十叫做):出品经营、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。可以望,除了有的互联网企业之普遍职位外,教师及辩护人用户在知乎中为占不聊之百分比。

脚我们结合 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

w88win优德手机版 7

地方这张饼图的内圈表示各主流职业在眼前十名受所占用的比例,外圈表示该职业从业者中的男女比例,蓝色为男,红色为女。我们重用同摆设直方图来代表:

w88win优德手机版 8

平等蓝色表示男性,红色代表女性,从左到右的专职在知乎中的多寡依次下降。可以视,知乎大部分主流职业被重要性为阳占主导。前
10 名的主流职业中来 8 个事的阳从业者比女性多,其中为 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均衡。其它的,比如产品经理、自由职业者、律师着,均为男性从业者多于女性。而前
10 名为剩下的 2
独事情——先生、人力资源(HR)——女性从业者要多于男,其中因
人力资源(HR)
男女比例差距最悬殊,教师的男女比例虽未那么夸张,但女呢遥多于男性(也许是盖男性教师小上知乎?)。

关押罢了知乎各工作的性分布,我们又就此同样张热力图来观知乎主流职业(前五叫做)在一一地方的遍布情况,颜色愈老,代表该事情在拖欠所在的总人口逾多:

w88win优德手机版 9

这里自己为了显示方便,失掉丢了成品经营,你才需要明白产品经营在四方人数且是极致多之……
不了解知乎上怎么这样多活经理,可能是以好宣传他们的成品?

从上图可以见到,知乎各主流职业大部分集中在京暨上海两地,更标准地说,大部分都汇集在北京市,但是人力资源(HR)举凡个不等,他们再多集中在上海。我们又来看看其他事情,程序员布最多之都市相继是:北京、上海、广州、杭州、厦门。北京占有得比例最充分,简直绿的乌,看来都大凡程序员的极乐世界?其中深圳没上榜,让自己死去活来奇怪。设计师布最多的都市各个是:北京、上海、杭州、深圳、武汉。设计师的地段分布于平均,各个邑都发出早晚数额。

知乎的高等学校用户

知乎中学生用户占用大酷的百分比,我们来探视她们都来自什么学校!词曰蒙书越怪,表示所占有比重越来越充分。

w88win优德手机版 10

咱再度列有详细的百分比排名:

w88win优德手机版 11

如上展示的结果莫肯定标准,可能发那个酷片段学员用户没有填写自己之院所。仅由上图可以看看,知乎活跃高校用户从深到有些各个是: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

既是分析及学了,我们顺便看看各高校的男女比例,嘿嘿。

w88win优德手机版 12

察觉一个有意思的场面,各高校大部分且是男生在玩知乎……
再度拘留一下哪高校当知乎获得的赞数最多

w88win优德手机版 13

首先凡同济大学,土木工程,恩,这是哪位生佬撑起来的;第二凡是华南理工大学,软件工程,这个自己知,轮子哥是国理工的嘛;第三,重庆率先工尸培训基地,恩???这是啊破(黑人问号);继续朝后看,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

知乎大佬都如此调皮吗……

这个图如未绝准,大家忽略就好……

俺们重来瞧各国地段发生什么样高校是知乎重度用户,颜色越怪代表该学校的知乎用户更加多:

w88win优德手机版 14

北京市玩知乎最多的高校依次是: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

上海玩知乎最多之高等学校依次是:上海交通大学、复旦大学、同济大学、上海大学、上海财经大学

杭州玩知乎最多之高等学校依次是:浙江大学、浙江工业大学、杭州电子科技大学、浙江大学,计算机科学、浙江大学,软件工程。浙江大学是重度用户啊……

成都打知乎最多的高校依次是: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、四川师范大学

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

咱俩还来拘禁一下知乎各高等学校用户的龙腾虎跃程度,按每个学校用户作答问题的总和排名:

w88win优德手机版 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,我们再次来探视知乎用户的各项排名。

知乎赞数最多的100各大V

产图备受词云的许越充分,表示接受的赞数越多:

w88win优德手机版 16

咱俩还来同样布置直方图,配合着圈:

w88win优德手机版 17

张佳玮大娘的的落第一称为,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
。知乎获赞总数前五誉为出少位都是作家(张佳玮与唐缺),看来作家在知乎回答问题获赞方面要坏走俏,果然表达能力是理念得到肯定的一个重点支撑

知乎关注者最多之100个大V

下图词云的许越充分,表示关注者越多,看看发生没有出若熟悉的怪V 呢?:

w88win优德手机版 18

同等我们配合着一样张直方图来拘禁:

w88win优德手机版 19

知乎关注人数最多之先头10号大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。关注者最多之张佳玮有137万粉(抓取时),他的粉丝还在时时刻刻高涨,到如今一度发138万粉丝。关注者最少田吉顺为发出57万粉丝,轮子哥(vczh)稍微少一些,排在第11个。

知乎回答问题太多之100员大V

这些大V在知乎很活跃…… 下图词曰文字更是怪,表示对问题数量进一步多。

w88win优德手机版 20

切实的行为:

w88win优德手机版 21

知乎回答问题往往最好多的10员大V从生到有些各个为:vczh、李东、赵钢、另一样单袜子、四海之内、M3小蘑菇、kun
yu、白猫转转风、yskin、肛里拉起个电锯
。微软的工作一般很悠闲,看轮子哥(vczh)整天刷知乎……
俺们还来添加这几号用户以知乎的博的赞数,看看“回答问题之数据”“获得的赞数”里头发生没产生啊关联:

w88win优德手机版 22

出于上图我们可概括的得出结论,答应问题的数额和取赞数的干尚未那个老。上图备受仅仅发生
kun yu 和 vczh
回答问题之数与得到赞数基本持平,榜单前十叫作之别用户获得赞数虽然也未丢掉,但和他们回问题数量之行较起来,还非在一个量级上。这由侧也证实了一个题材,答应问题之质地更是关键,某些高质量的会面再也爱引发用户点赞

知乎参加live最多的100各大V

俺们再度来拘禁一个诙谐的统计,知乎参加 live
最多的100位用户
,以及她们最为多参加了些微场 live。(live
是知乎推出的相同栽恍若于直播的问答形式,大V开平会
live,分享他无处领域的学识,用户购买门票参与 live,是一样栽知识变现的方法)

w88win优德手机版 23

双重来探他们极多与了小场 live:

w88win优德手机版 24

最多之不胜大V竟然与过 1600+ 场 live,真的坏有生命力以及钱,哈哈。

尾声

如上,便是坐知乎300万用户个人资料为模本,做出的简要多少解析。大家觉得还可以挖哪些有用之音讯吗?

嗜自之分析的小伙伴可以触一个赞誉,或者当自家之生一致首文章。接下来会作一样篇爬虫的源码剖析,有日的讲话会继续抓取其它有效之多少,做成数据报告作上来。另外我会尝试下把这次办案及之数据做成机能并到群众号被,如果您产生啊好玩的关节也堪推荐给自家。

分布式知乎爬虫思路分析:怎样勾勒一个简约的分布式知乎爬虫?

也欢迎大家去自己之博客踩踩: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
»
争勾勒一个简练的分布式知乎爬虫?

相关文章

发表评论

电子邮件地址不会被公开。 必填项已用*标注

*
*
Website