用python对鹿晗微博进行数据分析

转载请注明地址：用python对鹿晗微博进行数据分析
这篇文章主要对数据进行简单的分析，代码在这里：
python利用pandas、matplotlib和wordcloud做数据分析

• 准备分析的数据：
  |----评论者的微博昵称
  |----微博的评论
  |----评论者的性别
  |----评论者的所在地
  |----评论者的生日

这次的数据准备了30万+评论，其中不重复用户14万+。数据只是简单的进行了简单的去重和缺失值处理，感觉不用特别精确也能看出结果。这次的分析不是最终的结果，只是可以参考的一个趋势

用户分析

• 首先来看看评论最多的前几名

  
  
  

• 我的天，一个人一条微博评论800+，这是不用吃饭吗。。。

• 不知道前三十里面是不是全是真爱啊！

---

• 再来看看评论数的折线图

  
  
  
• 感觉在平稳的折线取值分析比较靠谱，所以放大了看看。

• 14万数据，出现一人几百条的也就那几个，所以把他们筛选掉。

  
  
  
• 在1000左右，人均的评论数差不多在20左右，才感觉不会是刷出来的。

---

• 再看看性别，毫无疑问的。

  
  
  
• 感觉这个结果还算正常，比计算机专业男女比大一点。

---

• 之后再来说年龄分布

  
  
  
• 由于微博默认生日的原因，有好几个突出点，可以忽略，我也把范围截取到了1949年-2017年。
• 90后的峰值我预料到了，但是没想到00后会降的这么明显。难道真的都喜欢TF？本来想在爬一下TF的看看，不过感觉大同小异就没有再做。

• 之后看看具体排名吧：

  
  
  
• 第一是98年的同学，不过前几名差距不是很大，可能跟采集的数据有关系。
• 可以看出来00后只有 00、01、02在坚守阵地了。
• 90后真的老了吗。。。。。

---

• 最后来看看地区分析吧

  
  
  
• 先来看看省份和四个直辖市分布，北京第一，有一点可能好多人都改成了和鹿晗一样的东城区。。。所以可能不是很准确。
• 其次是广东，不知道为什么，好多刷量小号默认位置也是广东，不知是不是这个原因和北京并列。
• 河北排在了第9。。。

再来看看城市分布

• 海淀区居然是第一，这个没有想到。
• 基本上分三个梯队吧，石家庄在第三梯队。
• 很尴尬的是，分词的时候把大连给分了？

最后看看整体城市分布比例吧，感觉石家庄有点小啊。

---

评论分析

• 从词云上可以看出来，评论中出现最多的词是鹿晗，这点并不意外。
• 其次，音乐，爱，零界点，棒棒糖等词也排在前面，我想是因为这次爬取得微博是棒棒糖那篇。
• 另外中间右部，迪丽也出现了，可能八卦的网友也不少啊。
• 整体感觉比较正能量，黑粉还是要少的多。

整体分析差不多就这样了，第一个项目做的有点慢，下次计划分析一下淘宝的商品信息，不过爬数据要花时间，可能会很久了。