matplotlib数据可视化分析——知乎用户地区构成及关注行为分析

现有数据：

1.第六次人口普查各地常住人口
2.2017年知乎用户基本信息

分析目标:

1.知乎用户地区分布状况，筛选知友数量分布top20地区。
2.结合常住人口数据，统计出知友密度最高的top20地区。
3.根据关注情况，查看各大学校友相互关注的程度。

导入工具包，读取数据：

读取数据

知乎用户数据有缺失值需要清洗，另外 居住地 字段不包含“省”、“市”字样。这里留意，后面会提到。

知乎用户数据概览

人口普查数据中可以观察到，在各省份常住人口总和之后，紧跟着的是该省份各市人口的统计量。

人口普查数据概览

数据清洗、合并、标准化处理

定义函数data_cleaning(df)，对缺失数据填充，对于“object”类型字段填充“缺失数据”字样，其他类型一律填充0.

数据清洗函数

运行函数，清洗知乎数据data1，并查看结果：

数据清洗并查看

统计 居住地字段值的个数，并查看前21条。

地区知友数

上图可以看到，第一行是缺失数据，可通过索引号[1：]剔除。由于该行代码是Series类型，可将其转化为Dataframe。
结合普查人口数据，可将两个表连接，以便矩阵计算求地区知友密度。需要注意的是，知友 居住地字段是不含“省”“市”字样的，故需要对普查人口数据清洗后才可将两个表连接。
首先，对普查人口数据data2的 地区字段进行两次字符替换，采用df[colunms].str.repalce(old,new,count)的方法，替换后的字段放入新增加了 所在地列。

普查人口数据清洗

将两表通过地点连接，生成合并后的新列表 merge

通过地点将两表连接

对 知友数量、 知友密度字段做标准化处理:

采用公式：标准化计算结果 = (X - Xmin) / (Xmax - Xmin)

设置自定义函数standard(df,col)，并返回一个新生成的标准化处理后的字段col_std。运行两次函数，并查看函数运行后的合并列表。

标准化处理

上图输出结果，index是数据编号，通过set_index()方法将 所在地字段变为新的index，并查看结果。另外，将标准化处理后的两个字段按降序排列，并选取top20。

所在地变为index

图表绘制

为每个柱子上添加字符，该字符是保留两位小数后的对相应字段标准化处理后的结果。

图表绘制

1.png

关注者人数表示某校用户的个人粉丝数，关注人数表示某校用户所关注的人数。按照教育经历即用户所在学校名称分组，并对粉丝数和关注人数求和。然后按照"关注","关注者"两个 字段降序，根据输出的结果将其中不合适的行删除。

image.png

drop删除不合适的行

画图：

点的大小用粉丝数量衡量，点越大，粉丝数越多。
颜色深浅表示关注人数的多寡。
红绿辅助线分别标出粉丝数和关注人数的平均数。

2.png

由上图可得出结论：浙大用户的粉丝数最多。武汉大学的用户关注他人最多，华中科技大、北大、浙大次之。