最近用 python 爬蟲(chóng)抓取了知乎用戶個(gè)人資料(公開(kāi)信息),去重之后有300+萬(wàn)條記錄,為了得到這些數(shù)據(jù),還不小心跑崩了一臺(tái)服務(wù)器…… 當(dāng)然主要是配置太低。
手頭有了數(shù)據(jù)也不能閑著,于是就有了這篇分析報(bào)告,這篇報(bào)告做了一些淺顯的數(shù)據(jù)分析,主要目的是練練手,大家看個(gè)熱鬧,高手勿笑。
數(shù)據(jù)量 :3,289,329 人。
數(shù)據(jù)采集工具 :分布式 python 爬蟲(chóng)
分析工具 :ElasticSearch + Kibana
分 析角度包括 :地理位置、男女比例、各類排名、所在高校、活躍程度等。
注意:
以下所有分析結(jié)果都基于我抓取到的這300萬(wàn)用戶的個(gè)人信息,非權(quán)威分析,僅供參考。
數(shù)據(jù)抓取時(shí)間為2017年7月份,用戶數(shù)據(jù)會(huì)隨著時(shí)間推移而變化,所以該報(bào)告具有一定時(shí)效性。
知乎的用戶個(gè)人資料很大程度上是不完整的,因?yàn)橛脩粲袡?quán)只填寫(xiě)部分信息,所以后面分析的時(shí)候會(huì)篩掉對(duì)應(yīng)指標(biāo)為空的用戶。
下面讓我們看看知乎用戶分布中有哪些有趣的現(xiàn)象。
知乎的男女比例?
首先來(lái)看看知乎用戶的男女比例,以當(dāng)前樣本數(shù)據(jù)統(tǒng)計(jì)的結(jié)果接近 1:1 ,其中男生略多一些。(其實(shí)還有很大一部分性別不明的用戶,被我略掉了 ╮(╯▽╰)╭)
男生:1,202,234 人,占 51.55%。
女生:1,129,874 人,占 48.45%。
知乎用戶都是哪里人?
再來(lái)看看 全國(guó)(全球?)都有哪些地方的人在玩知乎 :
你可能發(fā)現(xiàn)了Y坐標(biāo)里每座城市的用戶數(shù)并不多,這是因?yàn)橛写蟾?60萬(wàn)的知乎沒(méi)有填寫(xiě)“居住地”這一欄~ 以下分析也有可能出現(xiàn)用戶沒(méi)有填寫(xiě)某一欄信息的情況,我會(huì)把這些用戶忽略掉,以保證展示圖表的準(zhǔn)確性。
知乎的職業(yè)分布?
以下顯示 知乎主流職業(yè) ,同樣根據(jù)知乎用戶個(gè)人信息里填寫(xiě)的職業(yè)為準(zhǔn):
下面我們結(jié)合 性別 和 居住地 來(lái)分析一下知乎的主流職業(yè)。
知乎主流職業(yè)的性別分布:
看完了知乎各職業(yè)的性別分布,我們?cè)儆靡粡垷崃D來(lái)觀察 知乎主流職業(yè)(前五名)在各個(gè)地區(qū)的分布情況 ,顏色越深,代表該職業(yè)在該地區(qū)的人數(shù)越多:
從上圖可以看出,知乎各主流職業(yè)大部分集中在 北京和上海 兩地,更準(zhǔn)確地說(shuō),大部分都集中在北京,但是 人力資源(HR) 是個(gè)例外,他們更多集中在上海。我們?cè)賮?lái)看看其他職業(yè), 程序員 分布最多的城市依次是: 北京、上海、廣州、杭州、廈門 。北京占得比重最大,簡(jiǎn)直綠的發(fā)黑,看來(lái)北京是程序員的天堂?其中深圳沒(méi)有上榜,讓我很奇怪。 設(shè)計(jì)師 分布最多的城市依次是: 北京、上海、杭州、深圳、武漢 。設(shè)計(jì)師的地區(qū)分布比較平均,各個(gè)城市都有一定數(shù)量。
知乎的高校用戶
知乎中學(xué)生用戶占很大的比重,我們來(lái)看看 他們都來(lái)自哪些學(xué)校 !詞云中字體越大,表示所占比重越大。
既然分析到學(xué)校了,我們順便看看 各高校的男女比例 ,嘿嘿。
再看一下 哪些高校在知乎獲得的贊數(shù)最多 :
知乎大佬都這么調(diào)皮嗎……
這個(gè)圖似乎不太準(zhǔn),大家忽略就好……
我們?cè)賮?lái)看看 各地區(qū)有哪些高校是知乎重度用戶 ,顏色越深代表該學(xué)校的知乎用戶越多:
上海玩知乎最多的高校依次是: 上海交通大學(xué)、復(fù)旦大學(xué)、同濟(jì)大學(xué)、上海大學(xué)、上海財(cái)經(jīng)大學(xué) 。
杭州玩知乎最多的高校依次是: 浙江大學(xué)、浙江工業(yè)大學(xué)、杭州電子科技大學(xué)、浙江大學(xué),計(jì)算機(jī)科學(xué)、浙江大學(xué),軟件工程 。浙江大學(xué)是重度用戶啊……
成都玩知乎最多的高校依次是: 電子科技大學(xué)、四川大學(xué)、西南交通大學(xué)、電子科技大學(xué),軟件工程、四川師范大學(xué) 。
廣州玩知乎最多的高校依次是: 中山大學(xué)(SYSU)、華南理工大學(xué)(SCUT)、華南農(nóng)業(yè)大學(xué)(SCAU)、廣東外語(yǔ)外貿(mào)大學(xué)、廣東工業(yè)大學(xué) 。
我們?cè)賮?lái)看一下 知乎各高校用戶的活躍程度 ,按每個(gè)學(xué)校用戶回答問(wèn)題的總數(shù)排名:
好了,高校分析告一段落,我們?cè)賮?lái)看看知乎用戶的各類排名。
知乎贊數(shù)最多的100位大V
下圖中詞云的字越大,表示收到的贊數(shù)越多:
知乎關(guān)注者最多的100位大V
下圖詞云的字越大,表示關(guān)注者越多,看看有沒(méi)有你熟悉的大V 呢?:
知乎回答問(wèn)題最多的100位大V
這些大V在知乎很活躍…… 下圖詞云文字越大,表示回答問(wèn)題數(shù)量越多。
我們?cè)賮?lái)加上這幾位用戶在知乎的獲得的贊數(shù),看看 “回答問(wèn)題的數(shù)量” 和 “獲得的贊數(shù)” 之間有沒(méi)有什么聯(lián)系:
知乎參加live最多的100位大V
我們?cè)賮?lái)看一個(gè)有意思的統(tǒng)計(jì), 知乎參加 live 最多的100位用戶 ,以及他們最多參加過(guò)多少場(chǎng) live。(live 是知乎推出的一種類似于直播的問(wèn)答形式,大V開(kāi)一場(chǎng) live,分享他所在領(lǐng)域的知識(shí),用戶買門票參與 live,是一種知識(shí)變現(xiàn)的方式)