上一篇文章亂燉數(shù)據(jù)之2700余篇“簡(jiǎn)書(shū)交友”專題文章數(shù)據(jù)的花式玩法發(fā)布后，不少人想學(xué)習(xí)下代碼，由于此前不曾在GitHub上開(kāi)源過(guò)，流程還不熟悉，再者本項(xiàng)目中很多嘗試性的代碼，異常雜亂，因而沒(méi)有立馬公開(kāi)。在經(jīng)過(guò)刪減和整理后，將繼續(xù)更新出來(lái)。
本文主要涉及一些結(jié)構(gòu)化數(shù)據(jù)的分析，文本數(shù)據(jù)如詞頻統(tǒng)計(jì)、詞云圖等等。暫且跳過(guò)爬蟲(chóng)部分。 代碼見(jiàn)于 GitHub - DesertsX / JianShuJiaoYou，后續(xù)LDA主題模型、word2vec詞向量、文章照片爬取、人臉識(shí)別及顏值打分和照片墻等等更新后也會(huì)開(kāi)源在此項(xiàng)目，歡迎star與指正。
另外先預(yù)告下，之后打算開(kāi)個(gè)“Kaggle Kernel 學(xué)習(xí)系列”，GitHub - DesertsX / Kaggle-Kernel-Learning，主要是翻譯和學(xué)習(xí)下kaggle上優(yōu)秀的kernels。其中第一篇非常粗糙，還沒(méi)潤(rùn)色、修改排版布局的notebook可供瀏覽下，也歡迎關(guān)注、star和提供寶貴建議：
https://desertsx.github.io/2018/06/09/1_1_Start_Here-A_Gentle_Introduction/
https://desertsx.github.io/2018/06/09/kaggle-Kernel-01/
結(jié)構(gòu)化數(shù)據(jù)
文章配圖數(shù)
讀取數(shù)據(jù)
import pandas as pd
df12 = pd.read_csv('JianShuJiaoYou-All-Data.csv', encoding='utf-8')
df12.head(2)
結(jié)果如下：
Page Num Author Author_Url Title Time Read Comment Like Abstract Artical_Url Image_Url Artical_Content
0 1 0 劉秀玲 http://m.itdecent.cn/u/470f33ea0c92 我要嫁這樣的你 2016-07-25T12:16:39+08:00 109763 4508 5333 你不用太高，比穿三五厘米跟鞋的我看起來(lái)不矮就行。我不是小鳥(niǎo)依人的型，累了或者想哭的時(shí)候，我愿... http://m.itdecent.cn/p/8de3d395734f ['//upload-images.jianshu.io/upload_images/125... 你不用太高，比穿三五厘米跟鞋的我看起來(lái)不矮就行。我不是小鳥(niǎo)依人的型，累了或者想哭的時(shí)候，我愿...
1 1 1 道長(zhǎng)是名思維販子 http://m.itdecent.cn/u/92eb338437ee 如果你喜歡一個(gè)人，說(shuō)些什么話讓對(duì)方也喜歡你呢 2017-10-29T11:42:34+08:00 69260 497 3693 NaN http://m.itdecent.cn/p/373d67f7cbce ['//upload-images.jianshu.io/upload_images/299... 你現(xiàn)在有沒(méi)有喜歡一個(gè)人？
新增Images_Num一列記錄每篇文章配圖數(shù)，但發(fā)現(xiàn)數(shù)字異常，Image_Url中的每一元素是字符串而非列表。
def images_num(imageslist):
return len(imageslist)
df12['Images_Num'] = df12.Image_Url.apply(images_num)
df12.head(1)
df12.Images_Num.hist();
output_4_0.png
將字符串轉(zhuǎn)化成 list 格式
eval()函數(shù)：可以將 list, tuple, dict 與 string 相互轉(zhuǎn)化
實(shí)例：
a = "[[1,2], [3,4], [5,6], [7,8], [9,0]]"
print(a)
print(type(a))
b = eval(a)
print(b)
print(type(b))
輸出結(jié)果：
[[1,2], [3,4], [5,6], [7,8], [9,0]]
<class 'str'>
[[1, 2], [3, 4], [5, 6], [7, 8], [9, 0]]
<class 'list'>
統(tǒng)計(jì)每篇文章配圖數(shù)的正確方式
def images_num(imageslist):
return len(eval(imageslist))
df12['Images_Num'] = df12.Image_Url.apply(images_num)
df12.head(1)
分布情況
df12.Images_Num.value_counts()
直方圖
分布情況一目了然，文章配圖數(shù)最多的高達(dá)80+。
df12.Images_Num.hist();
output_12_0.png
文章長(zhǎng)度 / 字?jǐn)?shù)
粗略統(tǒng)計(jì)下每篇文章的長(zhǎng)度
def artical_length(artical_content):
return len(artical_content)
df12['Artical_Length'] = df12.Artical_Content.apply(artical_length)
df12.head(1)
df12.Artical_Length.hist();
output_15_0.png
字?jǐn)?shù)與配圖數(shù)
看看文章篇幅和配圖數(shù)之間是否存在某種關(guān)系。
seaborn.jointplot
import seaborn as sns
sns.jointplot(x="Artical_Length" , y = "Images_Num" ,data = df12);
改個(gè)參數(shù)看看
sns.jointplot(x="Artical_Length" , y = "Images_Num" ,data = df12, kind="hex");
評(píng)論數(shù)與點(diǎn)贊數(shù)
由皮爾遜相關(guān)系數(shù)為0.58可知，評(píng)論數(shù)與點(diǎn)贊數(shù)有一定的線性相關(guān)性。
sns_joinplot = sns.jointplot(x="Like" , y = "Comment" ,data = df12);
sns_joinplot.savefig('seaborn_Like_Comment_joinplot.png')
閱讀量、評(píng)論數(shù)與點(diǎn)贊數(shù)
python3d畫(huà)圖mpl_toolkits.mplot3d
Matplotlib 繪圖教程(3D)
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
%matplotlib inline
plt.figure(figsize=(12, 7))
ax1 = plt.subplot(111,projection='3d')
x,y,z = df12['Read'],df12['Comment'],df12['Like']
ax1.scatter(x, y, z, s=15)
ax1.set_title('Read-Commnet-Like')
ax1.set_zlabel('Like')
ax1.set_ylabel('Comment')
ax1.set_xlabel('Read')
#plt.show()
output_25_1.png
多變量
看看閱讀量、評(píng)論數(shù)、點(diǎn)贊數(shù)、文章篇幅與配圖數(shù)五個(gè)變量之間的相關(guān)關(guān)系。
Pairplot圖
import matplotlib.pyplot as plt
data = df12[["Read", "Comment", "Like", "Artical_Length","Images_Num"]]
#plt.figure(figsize=(6,4))
g = sns.pairplot(data, palette="husl");
g.savefig('seaborn_pairplot.png')
Heatmap圖
sns.heatmap(data=data.corr(), annot=True, linewidths=0, vmin=-0.2, cmap='RdBu_r');
sns.heatmap( data=data.corr(), annot=True, linewidths=0, vmin=-0.2, cmap='YlGnBu');
文章發(fā)布時(shí)間
從Time列分別提取年份、月份、天、小時(shí)等等數(shù)據(jù)。
def split_time_ymd(timestamp):
ymd = timestamp.split('T')[0]
return ymd
def split_time_year(timestamp):
ymd = timestamp.split('T')[0]
year = ymd.split('-')[0]
return year
def split_time_month(timestamp):
ymd = timestamp.split('T')[0]
month = ymd.split('-')[1]
return month
def split_time_day(timestamp):
ymd = timestamp.split('T')[0]
day = ymd.split('-')[-1]
return day
def split_time_hour(timestamp):
timestamp = timestamp.split('T')[1]
hour = timestamp[:2]
return hour
df12['YMD'] = df12.Time.apply(split_time_ymd)
df12['Year'] = df12.Time.apply(split_time_year)
df12['Month'] = df12.Time.apply(split_time_month)
df12['Day'] = df12.Time.apply(split_time_day)
df12['Hour'] = df12.Time.apply(split_time_hour)
df12.head(2)
發(fā)文年份
可以和另一專題“今日看點(diǎn)”及一篇舊文里的數(shù)據(jù)比較：簡(jiǎn)書(shū)=雞湯？爬取簡(jiǎn)書(shū)今日看點(diǎn)：1916篇熱門(mén)文章可視化
df12.Year.value_counts()
2018 1992
2017 718
2016 6
2015 2
Name: Year, dtype: int64
import matplotlib.pyplot as plt
%matplotlib inline
df12.Year.hist();
發(fā)文月份
df12.Month.value_counts()
04 644
03 471
05 444
02 251
11 237
08 205
01 188
12 93
10 93
09 82
07 8
06 2
Name: Month, dtype: int64
df12.Month.hist();
發(fā)文日期
df12.Day.hist();
發(fā)文小時(shí)
df12.Hour.hist();
ECharts美顏一下：發(fā)文小時(shí)
上述繪制的發(fā)布時(shí)間的相關(guān)圖表都不夠美觀，于是翻出壓箱底的又一篇舊文：圖表太丑怎么破，ECharts神器帶你飛！
直接套用ECharts圖表模板，改下數(shù)據(jù)和標(biāo)題等參數(shù)就行了，代碼參見(jiàn)：簡(jiǎn)書(shū)交友”專題文章之24小時(shí)分布情。
更多圖表見(jiàn)于：ECharts3官網(wǎng)的個(gè)人主頁(yè)
年度月份分布情況
df12.groupby(['Year','Month']).Month.count()
Year Month
2015 04 1
09 1
2016 07 2
08 1
10 1
12 2
2017 01 1
02 3
04 1
06 2
07 6
08 204
09 81
10 92
11 237
12 91
2018 01 187
02 248
03 471
04 642
05 444
Name: Month, dtype: int64
ECharts美顏一下：年度月份
圖表太丑怎么破，ECharts神器帶你飛！
ECharts3官網(wǎng)的個(gè)人主頁(yè)
將echarts_bar_year_month.js里代碼復(fù)制到該鏈接后刷新即可：“簡(jiǎn)書(shū)交友”專題文章之年度月份分布情況
文本挖掘
相關(guān)舊文一篇：2017，那些出現(xiàn)在日記中的人：簡(jiǎn)單的文本挖掘
讀取數(shù)據(jù)
import warnings
warnings.filterwarnings("ignore")
import jieba
import numpy as np
import codecs
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import matplotlib
matplotlib.rcParams['figure.figsize'] = (10.0, 5.0)
from wordcloud import WordCloud
# https://github.com/amueller/word_cloud/
# conda install -c conda-forge wordcloud
文章內(nèi)容轉(zhuǎn)化成 list 格式
這段情話還不錯(cuò)的樣子，一定是個(gè)可愛(ài)漂亮的小姐姐寫(xiě)的吧，逃...
content = df12.Artical_Content.values.tolist()
print(len(content), '\n', content[-1])
2718
我攢了一被子的情話，想要說(shuō)給你聽(tīng)最近有種很雜碎的感覺(jué)，嗯...如果用比喻修辭來(lái)說(shuō)的話，就是已經(jīng)很久都沒(méi)有那種寫(xiě)完滿滿一張紙的感覺(jué)，沒(méi)有看完整整一本書(shū)的感覺(jué)，沒(méi)有跑完操場(chǎng)一圈，沒(méi)有聽(tīng)完一整首歌，也沒(méi)有睡滿整整一夜。總感覺(jué)還是缺一點(diǎn)什么。但我有很走心的去想了，可能是因?yàn)槿绷嗣恳粋€(gè)可愛(ài)的你?！叭绻侨ヒ?jiàn)你，我會(huì)跑著去”剛看到這句話的時(shí)候，我也很贊同，因?yàn)楫吘谷ヒ?jiàn)一個(gè)想見(jiàn)了很久的人的時(shí)候，怎么也按捺不住你你內(nèi)心的欣喜。到后來(lái)，當(dāng)你真正去見(jiàn)ta的時(shí)候，你沒(méi)有跑，你依然故作鎮(zhèn)定的樣子，只是你會(huì)比平時(shí)都邁的步子大一點(diǎn)，你擔(dān)心你跑起來(lái)的樣子不那么美觀，你擔(dān)心就算是夏天的微風(fēng)也還是會(huì)把你輕薄的劉海吹亂。你會(huì)在意每個(gè)細(xì)節(jié)，你每次都希望你在ta面前是最好的狀態(tài)。嗨，如果要去見(jiàn)你的話，我不跑著去了，我只想以我最好的狀態(tài)去見(jiàn)你你像是我被子里的舒服你像是我右手背上的那顆痣你像是我眼角微微泛出來(lái)的光你像是我全身每一寸肌膚在呼吸你像是我枕頭里的枕芯棉你像是我買(mǎi)過(guò)最好看書(shū)里的一頁(yè)你像是我踩著云就可以飛上天你像是我走過(guò)的所有路途最想停留的瞬間你是我在夜晚閉上眼最后想到的人你是我在清晨睜開(kāi)眼最先念起的人你是我的一日三餐你是我的一年四季來(lái)不及了不想再浪費(fèi)時(shí)間昨天，今天，明天我還是最喜歡你總有一個(gè)人的出現(xiàn)，讓我像流沙，像落雪。那些別人在上面劃了又劃的痕跡，你輕輕一抹，就平了。攢了一被子的情話，以后慢慢數(shù)給你聽(tīng)。希望認(rèn)識(shí)更多可愛(ài)的人，一起做喜歡的事，寫(xiě)最純真的字，講有趣的故事。我是禮雪晶，那么你呢？作者:禮雪晶?！罢媪w慕你們這么年輕就遇到了這么才華橫溢的我?！币粋€(gè)整天與數(shù)字對(duì)抗卻藏了一被子情話的95后女生。愿你的深情不被辜負(fù)，你喜歡的人也喜歡你。
jieba 分詞
segs = jieba.lcut(content[-1])
print(segs)
for seg in segs:
if len(seg) > 1:
print(seg)
['我', '攢', '了', '一', '被子', '的', '情話', '，', '想要', '說(shuō)', '給', '你', '聽(tīng)', '最近', '有種', '很', '雜碎', '的', '感覺(jué)', '，', '嗯', '...', '如果', '用', '比喻', '修辭', '來(lái)說(shuō)', '的話', '，', '就是', '已經(jīng)', '很久', '都', '沒(méi)有', '那種', '寫(xiě)', '完', '滿滿', '一張', '紙', '的', '感覺(jué)', '，', '沒(méi)有', '看', '完', '整整', '一', '本書(shū)', '的', '感覺(jué)', '，', '沒(méi)有', '跑', '完', '操場(chǎng)', '一圈', '，', '沒(méi)有', '聽(tīng)', '完一', '整首歌', '，', '也', '沒(méi)有', '睡滿', '整整', '一夜', '。', '總', '感覺(jué)', '還是', '缺', '一點(diǎn)', '什么', '。', '但', '我', '有', '很', '走心', '的', '去', '想', '了', '，', '可能', '是因?yàn)?, '缺', '了', '每', '一個(gè)', '可愛(ài)', '的', '你', '。', '“', '如果', '是', '去', '見(jiàn)', '你', '，', '我會(huì)', '跑', '著', '去', '”', '剛', '看到', '這句', '話', '的', '時(shí)候', '，', '我', '也', '很', '贊同', '，', '因?yàn)?, '畢竟', '去', '見(jiàn)', '一個(gè)', '想見(jiàn)', '了', '很', '久', '的', '人', '的', '時(shí)候', '，', '怎么', '也', '按捺不住', '你', '你', '內(nèi)心', '的', '欣喜', '。', '到', '后來(lái)', '，', '當(dāng)', '你', '真正', '去', '見(jiàn)', 'ta', '的', '時(shí)候', '，', '你', '沒(méi)有', '跑', '，', '你', '依然', '故作', '鎮(zhèn)定', '的', '樣子', '，', '只是', '你', '會(huì)', '比', '平時(shí)', '都', '邁', '的', '步子', '大', '一點(diǎn)', '，', '你', '擔(dān)心', '你', '跑', '起來(lái)', '的', '樣子', '不', '那么', '美觀', '，', '你', '擔(dān)心', '就算', '是', '夏天', '的', '微風(fēng)', '也', '還是', '會(huì)', '把', '你', '輕薄', '的', '劉海', '吹亂', '。', '你', '會(huì)', '在意', '每個(gè)', '細(xì)節(jié)', '，', '你', '每次', '都', '希望', '你', '在', 'ta', '面前', '是', '最好', '的', '狀態(tài)', '。', '嗨', '，', '如果', '要', '去', '見(jiàn)', '你', '的話', '，', '我', '不', '跑', '著', '去', '了', '，', '我', '只', '想', '以', '我', '最好', '的', '狀態(tài)', '去', '見(jiàn)', '你', '你', '像是', '我', '被子', '里', '的', '舒服', '你', '像是', '我', '右手', '背上', '的', '那顆', '痣', '你', '像是', '我', '眼角', '微微', '泛出來(lái)', '的', '光', '你', '像是', '我', '全身', '每一寸', '肌膚', '在', '呼吸', '你', '像是', '我', '枕頭', '里', '的', '枕芯', '棉', '你', '像是', '我', '買(mǎi)', '過(guò)', '最好', '看書(shū)', '里', '的', '一頁(yè)', '你', '像是', '我', '踩', '著', '云', '就', '可以', '飛', '上天', '你', '像是', '我', '走過(guò)', '的', '所有', '路途', '最想', '停留', '的', '瞬間', '你', '是', '我', '在', '夜晚', '閉上眼', '最后', '想到', '的', '人', '你', '是', '我', '在', '清晨', '睜開(kāi)眼', '最先', '念起', '的', '人', '你', '是', '我', '的', '一日三餐', '你', '是', '我', '的', '一年四季', '來(lái)不及', '了', '不想', '再', '浪費(fèi)時(shí)間', '昨天', '，', '今天', '，', '明天', '我', '還是', '最', '喜歡', '你', '總有', '一個(gè)', '人', '的', '出現(xiàn)', '，', '讓', '我', '像', '流沙', '，', '像', '落雪', '。', '那些', '別人', '在', '上面', '劃', '了', '又', '劃', '的', '痕跡', '，', '你', '輕輕', '一抹', '，', '就平', '了', '。', '攢', '了', '一', '被子', '的', '情話', '，', '以后', '慢慢', '數(shù)給', '你', '聽(tīng)', '。', '希望', '認(rèn)識(shí)', '更', '多', '可愛(ài)', '的', '人', '，', '一起', '做', '喜歡', '的', '事', '，', '寫(xiě)', '最', '純真', '的', '字', '，', '講', '有趣', '的', '故事', '。', '我', '是', '禮雪晶', '，', '那么', '你', '呢', '？', '作者', ':', '禮雪晶', '。', '“', '真', '羨慕', '你們', '這么', '年輕', '就', '遇到', '了', '這么', '才華橫溢', '的', '我', '。', '”', '一個(gè)', '整天', '與', '數(shù)字', '對(duì)抗', '卻', '藏', '了', '一', '被子', '情話', '的', '95', '后', '女生', '。', '愿', '你', '的', '深情', '不', '被', '辜負(fù)', '，', '你', '喜歡', '的', '人', '也', '喜歡', '你', '。']
被子
情話
想要
最近
有種
雜碎
感覺(jué)
...
如果
比喻
修辭
來(lái)說(shuō)
的話
就是
已經(jīng)
很久
沒(méi)有
segment = []
for line in content:
try:
segs = jieba.lcut(line)
for seg in segs:
if len(seg)>1 and seg != '\r\n':
segment.append(seg)
except:
print(line)
continue
載入停用詞
words_df = pd.DataFrame({"segment": segment})
stopwords_df = pd.read_csv('Stopwords/Chinese_Stopwords.txt',index_col=False, quoting=3,sep="\t",names=['stopwords'], encoding='utf-8') #quoting=3全不引用
stopwords_df.head()
去掉停用詞
words_df = words_df[~words_df.segment.isin(stopwords_df.stopwords)]
words_df.head()
統(tǒng)計(jì)詞頻
words_stat = words_df.groupby(by=['segment'])['segment'].agg({"計(jì)數(shù)": np.size})
words_stat = words_stat.reset_index().sort_values(by=["計(jì)數(shù)"], ascending=False)
words_stat.head(30)
words_stat.to_csv("JianShuJiaoYou-Words_Segments.csv", encoding='utf-8')
文章內(nèi)容詞云
丑版
wordcloud = WordCloud(font_path='simhei.ttf', background_color='white',max_font_size=80)
word_frequence = {x[0]:x[1] for x in words_stat.head(1000).values}
wordcloud = wordcloud.fit_words(word_frequence)
plt.imshow(wordcloud);
# plt.imsave(path)
自定義背景圖 1.0版
簡(jiǎn)書(shū)交友專題 Logo
from scipy.misc import imread
matplotlib.rcParams['figure.figsize'] = (8.0, 8.0)
from wordcloud import WordCloud,ImageColorGenerator
bimg=imread('Logo-1.jpg')
wordcloud=WordCloud(background_color="white",mask=bimg,font_path='simhei.ttf',max_font_size=200)
word_frequence = {x[0]:x[1] for x in words_stat.head(1000).values}
wordcloud=wordcloud.fit_words(word_frequence)
bimgColors=ImageColorGenerator(bimg)
plt.axis("off")
plt.imshow(wordcloud.recolor(color_func=bimgColors));
自定義背景圖 2.0版
中古民謠樂(lè)團(tuán)Bloody Woods
from scipy.misc import imread
matplotlib.rcParams['figure.figsize'] = (8.0, 8.0)
from wordcloud import WordCloud,ImageColorGenerator
bimg=imread('中古民謠樂(lè)團(tuán)Bloody Woods.jpg')
wordcloud=WordCloud(background_color="white",mask=bimg,font_path='simhei.ttf',max_font_size=200)
word_frequence = {x[0]:x[1] for x in words_stat.head(1000).values}
wordcloud=wordcloud.fit_words(word_frequence)
bimgColors=ImageColorGenerator(bimg)
plt.axis("off")
plt.imshow(wordcloud.recolor(color_func=bimgColors));
還是太丑
在線詞云生成網(wǎng)站：HTML5 Word Cloud
圖表太丑怎么破，ECharts神器帶你飛
本次詞云實(shí)例
標(biāo)題詞頻、詞云
title = df12.Title.values.tolist()
print(len(title), '\n', title[-1])
segment = []
for line in title:
try:
segs = jieba.lcut(line)
for seg in segs:
if len(seg)>1 and seg != '\r\n':
segment.append(seg)
except:
print(line)
continue
2718
攢了一被子的情話，想說(shuō)給你聽(tīng)
titles_df = pd.DataFrame({"segment": segment})
titles_df = titles_df[~titles_df.segment.isin(stopwords_df.stopwords)]
titles_df.head()
titles_stat = titles_df.groupby(by=['segment'])['segment'].agg({"計(jì)數(shù)": np.size})
titles_stat = titles_stat.reset_index().sort_values(by=["計(jì)數(shù)"], ascending=False)
titles_stat.head(30)
wordcloud = WordCloud(font_path='simhei.ttf', background_color='white',max_font_size=80)
word_frequence = {x[0]:x[1] for x in titles_stat.head(1000).values}
wordcloud = wordcloud.fit_words(word_frequence)
plt.imshow(wordcloud);
自定義背景圖：Bloody Woods
from scipy.misc import imread
matplotlib.rcParams['figure.figsize'] = (8.0, 8.0)
from wordcloud import WordCloud,ImageColorGenerator
bimg=imread('中古民謠樂(lè)團(tuán)Bloody Woods.jpg')
wordcloud=WordCloud(background_color="white",mask=bimg,font_path='simhei.ttf',max_font_size=200)
word_frequence = {x[0]:x[1] for x in titles_stat.head(1000).values}
wordcloud=wordcloud.fit_words(word_frequence)
bimgColors=ImageColorGenerator(bimg)
plt.axis("off")
plt.imshow(wordcloud.recolor(color_func=bimgColors));
在線詞云生成網(wǎng)站：HTML5 Word Cloud
簡(jiǎn)書(shū)“今日看點(diǎn)”專題熱門(mén)文章標(biāo)題詞云
另一專題“今日看點(diǎn)”：簡(jiǎn)書(shū)=雞湯？爬取簡(jiǎn)書(shū)今日看點(diǎn)：1916篇熱門(mén)文章可視化
代碼：GitHub - DesertsX / JianShuJiaoYou，后續(xù)更新LDA主題模型、word2vec詞向量、文章照片爬取、人臉識(shí)別及顏值打分和照片墻等，敬請(qǐng)期待，歡迎star與指正。
PS：預(yù)告下，即將開(kāi)啟“Kaggle Kernel 學(xué)習(xí)系列”，GitHub - DesertsX / Kaggle-Kernel-Learning，歡迎star。
