轉(zhuǎn)載請注明地址：用python對鹿晗微博進(jìn)行數(shù)據(jù)分析
這篇文章主要對數(shù)據(jù)進(jìn)行簡單的分析，代碼在這里：
python利用pandas、matplotlib和wordcloud做數(shù)據(jù)分析

• 準(zhǔn)備分析的數(shù)據(jù)：
  |----評論者的微博昵稱
  |----微博的評論
  |----評論者的性別
  |----評論者的所在地
  |----評論者的生日

這次的數(shù)據(jù)準(zhǔn)備了30萬+評論，其中不重復(fù)用戶14萬+。數(shù)據(jù)只是簡單的進(jìn)行了簡單的去重和缺失值處理，感覺不用特別精確也能看出結(jié)果。這次的分析不是最終的結(jié)果，只是可以參考的一個趨勢

用戶分析

• 首先來看看評論最多的前幾名

  
  

• 我的天，一個人一條微博評論800+，這是不用吃飯嗎。。。

• 不知道前三十里面是不是全是真愛??！

• 再來看看評論數(shù)的折線圖

  
  
• 感覺在平穩(wěn)的折線取值分析比較靠譜，所以放大了看看。

• 14萬數(shù)據(jù)，出現(xiàn)一人幾百條的也就那幾個，所以把他們篩選掉。

  
  
• 在1000左右，人均的評論數(shù)差不多在20左右，才感覺不會是刷出來的。

• 再看看性別，毫無疑問的。

  
  
• 感覺這個結(jié)果還算正常，比計(jì)算機(jī)專業(yè)男女比大一點(diǎn)。

• 之后再來說年齡分布

  
  
• 由于微博默認(rèn)生日的原因，有好幾個突出點(diǎn)，可以忽略，我也把范圍截取到了1949年-2017年。
• 90后的峰值我預(yù)料到了，但是沒想到00后會降的這么明顯。難道真的都喜歡TF？本來想在爬一下TF的看看，不過感覺大同小異就沒有再做。

• 之后看看具體排名吧：

  
  
• 第一是98年的同學(xué)，不過前幾名差距不是很大，可能跟采集的數(shù)據(jù)有關(guān)系。
• 可以看出來00后只有 00、01、02在堅(jiān)守陣地了。
• 90后真的老了嗎。。。。。

• 最后來看看地區(qū)分析吧

  
  
• 先來看看省份和四個直轄市分布，北京第一，有一點(diǎn)可能好多人都改成了和鹿晗一樣的東城區(qū)。。。所以可能不是很準(zhǔn)確。
• 其次是廣東，不知道為什么，好多刷量小號默認(rèn)位置也是廣東，不知是不是這個原因和北京并列。
• 河北排在了第9。。。

再來看看城市分布

• 海淀區(qū)居然是第一，這個沒有想到。
• 基本上分三個梯隊(duì)吧，石家莊在第三梯隊(duì)。
• 很尷尬的是，分詞的時(shí)候把大連給分了？

最后看看整體城市分布比例吧，感覺石家莊有點(diǎn)小啊。

評論分析

• 從詞云上可以看出來，評論中出現(xiàn)最多的詞是鹿晗，這點(diǎn)并不意外。
• 其次，音樂，愛，零界點(diǎn)，棒棒糖等詞也排在前面，我想是因?yàn)檫@次爬取得微博是棒棒糖那篇。
• 另外中間右部，迪麗也出現(xiàn)了，可能八卦的網(wǎng)友也不少啊。
• 整體感覺比較正能量，黑粉還是要少的多。

整體分析差不多就這樣了，第一個項(xiàng)目做的有點(diǎn)慢，下次計(jì)劃分析一下淘寶的商品信息，不過爬數(shù)據(jù)要花時(shí)間，可能會很久了。