大數(shù)據(jù)報(bào)告:知乎百萬用戶分析

前言

最近用 python 爬蟲抓取了知乎用戶個(gè)人資料(公開信息),去重之后有300+萬條記錄憾筏,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)然主要是配置太低梳凛。

手頭有了數(shù)據(jù)也不能閑著梳杏,于是就有了這篇分析報(bào)告淹接,這篇報(bào)告做了一些淺顯的數(shù)據(jù)分析叛溢,主要目的是練練手,大家看個(gè)熱鬧厢蒜,高手勿笑烹植。

爬蟲源碼放在了 github 上,windcode/zhihu-crawler-people草雕,各位大佬別忘了點(diǎn)個(gè) star~

數(shù)據(jù)量:3,289,329 人巷屿。
數(shù)據(jù)采集工具:分布式 python 爬蟲
分析工具:ElasticSearch + Kibana
分析角度包括:地理位置、男女比例墩虹、各類排名嘱巾、所在高校、活躍程度等诫钓。

注意

  • 以下所有分析結(jié)果都基于我抓取到的這300萬用戶的個(gè)人信息旬昭,非權(quán)威分析,僅供參考菌湃。
  • 數(shù)據(jù)抓取時(shí)間為2017年7月份问拘,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)效性慢味。
  • 知乎的用戶個(gè)人資料很大程度上是不完整的场梆,因?yàn)橛脩粲袡?quán)只填寫部分信息,所以后面分析的時(shí)候會(huì)篩掉對(duì)應(yīng)指標(biāo)為空的用戶纯路。

下面讓我們看看知乎用戶分布中有哪些有趣的現(xiàn)象(下面的圖點(diǎn)擊可以放大) ↓

知乎的男女比例或油?

首先來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驰唬,其中男生略多一些顶岸。(其實(shí)還有很大一部分性別不明的用戶,被我略掉了 ╮(╯▽╰)╭)

藍(lán)色為男生叫编,紅色為女生辖佣。具體數(shù)據(jù)為:

男生:1,202,234 人,占 51.55%搓逾。
女生:1,129,874 人卷谈,占 48.45%。

知乎用戶都是哪里人霞篡?

再來看看全國(guó)(全球?)都有哪些地方的人在玩知乎

由上圖可以看到顶滩,知乎用戶中一線城市用戶占較大的比重礁鲁,北上廣深皆在詞云的中心位置(文字越大仅醇,比重越大)着憨。我們?cè)賮砜纯淳唧w的排名(前十名):

知乎用戶居住地前十名依次是:北京漆改、上海挫剑、杭州愉棱、成都奔滑、南京朋其、武漢梅猿、廣州袱蚓、深圳喇潘、西安、重慶响蓉。

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?60萬的知乎沒有填寫“居住地”這一欄~ 以下分析也有可能出現(xiàn)用戶沒有填寫某一欄信息的情況源武,我會(huì)把這些用戶忽略掉粱栖,以保證展示圖表的準(zhǔn)確性闹究。

知乎的職業(yè)分布渣淤?

以下顯示知乎主流職業(yè)价认,同樣根據(jù)知乎用戶個(gè)人信息里填寫的職業(yè)為準(zhǔn):

由上圖可以看到,知乎用戶中學(xué)生用戶占據(jù)多數(shù)脐彩,其它的比如產(chǎn)品經(jīng)理惠奸、程序員晨川、運(yùn)營(yíng)共虑、HR數(shù)量也不少妈拌。我們看一下具體的排名(前十名):


由上圖可以看到猜惋,知乎用戶中“學(xué)生”的比重獨(dú)占鰲頭著摔,我們把“學(xué)生”去掉谍咆,來看看正經(jīng)些的知乎職業(yè)排名

去除學(xué)生后,知乎主流職業(yè)比重從大到小依次是(前十名):產(chǎn)品經(jīng)理供嚎、自由職業(yè)克滴、程序員偿曙、工程師、設(shè)計(jì)師竿秆、騰訊幽钢、教師匪燕、人力資源(HR)帽驯、運(yùn)營(yíng)尼变、律師嫌术《绕可以看到适荣,除了一些互聯(lián)網(wǎng)公司的常見職位外束凑,教師和律師用戶在知乎中也占據(jù)不小的比重汪诉。

下面我們結(jié)合 性別居住地 來分析一下知乎的主流職業(yè)扒寄。

知乎主流職業(yè)的性別分布

上面這張餅圖的內(nèi)圈表示各主流職業(yè)在前十名中所占的比重,外圈表示該職業(yè)從業(yè)者中的男女比例课竣,藍(lán)色為男性,紅色為女性迂曲。我們?cè)儆靡粡堉狈綀D來表示:

同樣藍(lán)色代表男性,紅色代表女性传黄,從左到右的職業(yè)在知乎中的數(shù)量依次下降涉波∑「玻可以看到窗声,知乎大部分主流職業(yè)中主要為男性占主導(dǎo)笨觅。前 10 名的主流職業(yè)中有 8 個(gè)職業(yè)的男性從業(yè)者比女性多杀糯,其中以 程序員 的男女比例差距最為懸殊(-_-|||)固翰,以 設(shè)計(jì)師 男女比例差距最小,看來設(shè)計(jì)師從業(yè)人員男女比例較為均衡冈欢。其它的太示,比如產(chǎn)品經(jīng)理类缤、自由職業(yè)者镜盯、律師中速缆,均為男性從業(yè)者多于女性。而前 10 名剩下的 2 個(gè)職業(yè)——教師、人力資源(HR)——女性從業(yè)者要多于男性,其中以 人力資源(HR) 男女比例差距最為懸殊撩独,教師的男女比例雖不那么夸張玛臂,但女性也遠(yuǎn)遠(yuǎn)多于男性(也許是因?yàn)槟行越處煵辉趺瓷现跹畹埃浚?/p>

看完了知乎各職業(yè)的性別分布杯巨,我們?cè)儆靡粡垷崃D來觀察知乎主流職業(yè)(前五名)在各個(gè)地區(qū)的分布情況映砖,顏色越深真慢,代表該職業(yè)在該地區(qū)的人數(shù)越多:

這里我為了展示方便蚯撩,去掉了產(chǎn)品經(jīng)理呀癣,你只需要知道產(chǎn)品經(jīng)理在各地人數(shù)都是最多的…… 不明白知乎上怎么這么多產(chǎn)品經(jīng)理沼沈,可能是為了方便宣傳他們的產(chǎn)品页衙?

從上圖可以看出眨八,知乎各主流職業(yè)大部分集中在北京和上海兩地闰蚕,更準(zhǔn)確地說诗鸭,大部分都集中在北京蝌箍,但是人力資源(HR)是個(gè)例外悯衬,他們更多集中在上海。我們?cè)賮砜纯雌渌殬I(yè),程序員分布最多的城市依次是:北京宫仗、上海办悟、廣州、杭州、廈門。北京占得比重最大盛卡,簡(jiǎn)直綠的發(fā)黑橘霎,看來北京是程序員的天堂?其中深圳沒有上榜,讓我很奇怪绕德。設(shè)計(jì)師分布最多的城市依次是:北京、上海蚊惯、杭州、深圳歹篓、武漢坑赡。設(shè)計(jì)師的地區(qū)分布比較平均烙如,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甸昏,我們來看看他們都來自哪些學(xué)校雌隅!詞云中字體越大,表示所占比重越大。

我們?cè)倭谐鲈敿?xì)的比重排名:

以上展示的結(jié)果不一定準(zhǔn)確遏乔,可能有很大一部分學(xué)生用戶沒有填寫自己的學(xué)校了讨。僅從上圖可以看出捻激,知乎活躍高校用戶從大到小依次是:浙江大學(xué)、武漢大學(xué)前计、華中科技大學(xué)胞谭、中山大學(xué)、北京大學(xué)男杈、上海交通大學(xué)丈屹、復(fù)旦大學(xué)、南京大學(xué)伶棒、四川大學(xué)旺垒、清華大學(xué)

既然分析到學(xué)校了肤无,我們順便看看各高校的男女比例袖牙,嘿嘿。

發(fā)現(xiàn)一個(gè)有意思的現(xiàn)象舅锄,各高校大部分都是男生在玩知乎……
再看一下哪些高校在知乎獲得的贊數(shù)最多

第一是同濟(jì)大學(xué)鞭达,土木工程,恩皇忿,這是哪位大佬撐起來的畴蹭;第二是華南理工大學(xué),軟件工程鳍烁,這個(gè)我知道叨襟,輪子哥是皇家理工的嘛;第三幔荒,重慶第一工程尸培訓(xùn)基地糊闽,恩?爹梁?右犹?這是什么鬼(黑人問號(hào));繼續(xù)往后看姚垃,恩……念链??家里蹲大學(xué)?掂墓?G础!還有一個(gè)蘭州大學(xué)君编,牛肉面工藝專業(yè)跨嘉??吃嘿?WHAT祠乃??_胪帧!

∑(っ°Д°;)っ

知乎大佬都這么調(diào)皮嗎……

這個(gè)圖似乎不太準(zhǔn)忍饰,大家忽略就好……

我們?cè)賮砜纯?strong>各地區(qū)有哪些高校是知乎重度用戶贪嫂,顏色越深代表該學(xué)校的知乎用戶越多:

北京玩知乎最多的高校依次是:北京大學(xué)、北京郵電大學(xué)艾蓝、中國(guó)傳媒大學(xué)力崇、中國(guó)人民大學(xué)、清華大學(xué)赢织。

上海玩知乎最多的高校依次是:上海交通大學(xué)亮靴、復(fù)旦大學(xué)、同濟(jì)大學(xué)于置、上海大學(xué)茧吊、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)八毯、浙江工業(yè)大學(xué)搓侄、杭州電子科技大學(xué)、浙江大學(xué),計(jì)算機(jī)科學(xué)话速、浙江大學(xué),軟件工程讶踪。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)泊交、西南交通大學(xué)乳讥、電子科技大學(xué),軟件工程、四川師范大學(xué)廓俭。

廣州玩知乎最多的高校依次是:中山大學(xué)(SYSU)云石、華南理工大學(xué)(SCUT)、華南農(nóng)業(yè)大學(xué)(SCAU)研乒、廣東外語(yǔ)外貿(mào)大學(xué)留晚、廣東工業(yè)大學(xué)

我們?cè)賮砜匆幌?strong>知乎各高校用戶的活躍程度,按每個(gè)學(xué)校用戶回答問題的總數(shù)排名:

排名依次是:武漢大學(xué)错维、浙江大學(xué)奖地、中山大學(xué)、華南理工大學(xué)赋焕、北京大學(xué)参歹、華中科技大學(xué)、復(fù)旦大學(xué)隆判、上海交通大學(xué)犬庇、西北農(nóng)林科技大學(xué)
好了侨嘀,高校分析告一段落臭挽,我們?cè)賮砜纯粗跤脩舻母黝惻琶?/p>

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:

我們?cè)賮硪粡堉狈綀D咬腕,配合著看:

張佳瑋大大無可爭(zhēng)議的獲得第一名欢峰,360+萬贊,恐怖涨共。其次是馬前卒纽帖、唐缺、vczh举反、肥肥貓懊直、朱炫、Seasee Youl火鼻、ze ran室囊、鬼木知、豆子魁索。知乎獲贊總數(shù)前五名有兩位都是作家(張佳瑋和唐缺)波俄,看來作家在知乎回答問題獲贊方面還是很吃香,果然表達(dá)能力是觀點(diǎn)獲得認(rèn)可的一個(gè)重要支撐 蛾默。

知乎關(guān)注者最多的100位大V

下圖詞云的字越大懦铺,表示關(guān)注者越多,看看有沒有你熟悉的大V 呢支鸡?:

同樣我們配合著一張直方圖來看:

知乎關(guān)注人數(shù)最多的前10位大V依次是:張佳瑋冬念、李開復(fù)、黃繼新牧挣、周源急前、張亮、張小北瀑构、李淼裆针、朱炫刨摩、葛巾、田吉順世吨。這些是知乎真正的大V澡刹,關(guān)注者數(shù)量極多。關(guān)注者最多的張佳瑋有137萬粉絲(抓取時(shí))耘婚,他的粉絲還在不斷上漲罢浇,到現(xiàn)在已經(jīng)有138萬粉絲。關(guān)注者最少田吉順也有57萬粉絲沐祷,輪子哥(vczh)稍微少一些嚷闭,排在第11位。

知乎回答問題最多的100位大V

這些大V在知乎很活躍…… 下圖詞云文字越大赖临,表示回答問題數(shù)量越多胞锰。

具體的排名為:


知乎回答問題數(shù)最多的10位大V從大到小依次為:vczh、李東兢榨、趙鋼嗅榕、另一只襪子、四海之內(nèi)色乾、M3小蘑菇誊册、kun yu领突、白貓轉(zhuǎn)轉(zhuǎn)風(fēng)暖璧、yskin、肛里拉出個(gè)電鋸君旦。微軟的工作貌似很閑澎办,看輪子哥(vczh)整天刷知乎……
我們?cè)賮砑由线@幾位用戶在知乎的獲得的贊數(shù),看看“回答問題的數(shù)量”“獲得的贊數(shù)”之間有沒有什么聯(lián)系:

由上圖我們可以粗略的得出結(jié)論金砍,回答問題的數(shù)量和獲得贊數(shù)的關(guān)系沒有很大局蚀。上圖中只有 kun yu 和 vczh 回答問題的數(shù)量和獲贊數(shù)基本持平,榜單前十名的其它用戶獲得贊數(shù)雖然也不少恕稠,但和他們回答問題數(shù)量的排名比起來琅绅,還不在一個(gè)量級(jí)上。這從側(cè)面也說明了一個(gè)問題鹅巍,回答問題的質(zhì)量更加重要千扶,某些高質(zhì)量的會(huì)更容易吸引用戶點(diǎn)贊

知乎參加live最多的100位大V

我們?cè)賮砜匆粋€(gè)有意思的統(tǒng)計(jì)骆捧,知乎參加 live 最多的100位用戶澎羞,以及他們最多參加過多少場(chǎng) live。(live 是知乎推出的一種類似于直播的問答形式敛苇,大V開一場(chǎng) live妆绞,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)

再來看看他們最多參加過多少場(chǎng) live:

最多的那個(gè)大V竟然參加過 1600+ 場(chǎng) live括饶,真的很有精力和金錢株茶,哈哈。

尾聲

以上巷帝,便是以知乎300萬用戶個(gè)人資料為樣本忌卤,做出的簡(jiǎn)單數(shù)據(jù)分析。大家覺得還可以挖掘哪些有用的信息呢楞泼?

喜歡我的分析的小伙伴可以點(diǎn)一個(gè)贊驰徊,或者等我的下一篇文章。接下來會(huì)發(fā)一篇爬蟲的源碼剖析堕阔,有時(shí)間的話會(huì)繼續(xù)抓取其它有用的數(shù)據(jù)棍厂,做成數(shù)據(jù)報(bào)告發(fā)上來。另外我會(huì)嘗試下把這次抓到的數(shù)據(jù)做成功能集成到公眾號(hào)中超陆,如果你有什么好玩的點(diǎn)子也可以推薦給我牺弹。

分布式知乎爬蟲思路分析:如何寫一個(gè)簡(jiǎn)單的分布式知乎爬蟲?

也歡迎大家去我的博客踩踩:http://yangyingming.com

撒由那拉~ 下次再見~

原創(chuàng)聲明

作者囈語(yǔ)
微信公眾號(hào)囈語(yǔ)的黑板報(bào)
轉(zhuǎn)載請(qǐng)注明:囈語(yǔ) ? 如何寫一個(gè)簡(jiǎn)單的分布式知乎爬蟲时呀?

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末张漂,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子谨娜,更是在濱河造成了極大的恐慌航攒,老刑警劉巖,帶你破解...
    沈念sama閱讀 217,542評(píng)論 6 504
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件趴梢,死亡現(xiàn)場(chǎng)離奇詭異漠畜,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)坞靶,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,822評(píng)論 3 394
  • 文/潘曉璐 我一進(jìn)店門憔狞,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人彰阴,你說我怎么就攤上這事瘾敢。” “怎么了尿这?”我有些...
    開封第一講書人閱讀 163,912評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵簇抵,是天一觀的道長(zhǎng)。 經(jīng)常有香客問我妻味,道長(zhǎng)正压,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,449評(píng)論 1 293
  • 正文 為了忘掉前任责球,我火速辦了婚禮焦履,結(jié)果婚禮上拓劝,老公的妹妹穿的比我還像新娘。我一直安慰自己嘉裤,他們只是感情好郑临,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,500評(píng)論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著屑宠,像睡著了一般厢洞。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上典奉,一...
    開封第一講書人閱讀 51,370評(píng)論 1 302
  • 那天躺翻,我揣著相機(jī)與錄音,去河邊找鬼卫玖。 笑死公你,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的假瞬。 我是一名探鬼主播陕靠,決...
    沈念sama閱讀 40,193評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼脱茉!你這毒婦竟也來了剪芥?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,074評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤琴许,失蹤者是張志新(化名)和其女友劉穎税肪,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體虚吟,經(jīng)...
    沈念sama閱讀 45,505評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡寸认,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,722評(píng)論 3 335
  • 正文 我和宋清朗相戀三年签财,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了串慰。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 39,841評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡唱蒸,死狀恐怖邦鲫,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情神汹,我是刑警寧澤庆捺,帶...
    沈念sama閱讀 35,569評(píng)論 5 345
  • 正文 年R本政府宣布,位于F島的核電站屁魏,受9級(jí)特大地震影響滔以,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜氓拼,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,168評(píng)論 3 328
  • 文/蒙蒙 一你画、第九天 我趴在偏房一處隱蔽的房頂上張望抵碟。 院中可真熱鬧,春花似錦坏匪、人聲如沸拟逮。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,783評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)敦迄。三九已至,卻和暖如春凭迹,著一層夾襖步出監(jiān)牢的瞬間罚屋,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,918評(píng)論 1 269
  • 我被黑心中介騙來泰國(guó)打工嗅绸, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留沿后,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 47,962評(píng)論 2 370
  • 正文 我出身青樓朽砰,卻偏偏與公主長(zhǎng)得像尖滚,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子瞧柔,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,781評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容

  • 姓名:張萌 學(xué)號(hào)17021211113 轉(zhuǎn)載自:http://mp.weixin.qq.com/s/-R4...
    蝦滑蟹棒面筋泡閱讀 2,520評(píng)論 1 6
  • 作為用戶金字塔模型的提出者類類造锅,對(duì)其公眾號(hào)(類類有話說)文章中的用戶運(yùn)營(yíng)的思路進(jìn)行整理歸納撼唾,可作為社區(qū)運(yùn)營(yíng)...
    腐乳醬閱讀 3,467評(píng)論 7 30
  • Android 自定義View的各種姿勢(shì)1 Activity的顯示之ViewRootImpl詳解 Activity...
    passiontim閱讀 172,116評(píng)論 25 707
  • 你懷念你的初戀么?你還記得初戀的模樣么哥蔚? 我遇到了我的初戀倒谷,準(zhǔn)確的說,是我暗戀糙箍。我們當(dāng)了九年的朋友渤愁,我暗戀了他三...
    那九年閱讀 476評(píng)論 3 4
  • 寫一個(gè)函數(shù),返回從min到max之間的隨機(jī)整數(shù)深夯,包括min不包括max 寫一個(gè)函數(shù)抖格,返回從min都max之間的 隨...
    無目的閱讀 366評(píng)論 0 0