最近使用爬蟲爬了一下簡書五嫂，半天的時間爬取了簡書20w用戶數(shù)據(jù)和40w的follow關(guān)系颗品。這些存在mysql里面的閑著也是閑著，想試著做一些有意思的數(shù)據(jù)統(tǒng)計和社交關(guān)系分析沃缘。
最受歡迎的作者
我統(tǒng)計了簡書上面粉絲數(shù)最多和被喜歡次數(shù)最多的用戶躯枢，簡書上最受歡迎的作者，如下圖所示：
我把最受歡迎的作者的放到一張圖上面槐臀，橫坐標(biāo)表示粉絲數(shù)锄蹂，縱坐標(biāo)表示被喜歡的次數(shù)，如下圖所示水慨〉妹樱可以很明顯的看出來，這些最受歡迎的作者里面晰洒，大多數(shù)的作者還是聚集在圖的左下角朝抖，but，還有幾個超級受歡迎的谍珊，他們分別分布在圖的右側(cè)和上側(cè)治宣。他們分別是，劉淼，彭小六侮邀，簡黛玉坏怪。很可惜，截圖上不能附上作者的名字绊茧。
這是同濟(jì)最受歡迎的作者的原始數(shù)據(jù)铝宵，我也貼在這里，如下圖所示按傅，數(shù)據(jù)爬取的時間是 2017年10月20日左右捉超。下圖的這四列分別是，uid唯绍，昵稱拼岳，粉絲數(shù)，被喜歡數(shù)况芒。
最能寫的作者
統(tǒng)計了發(fā)表文章數(shù)最多的top20作者惜纸，如下圖所示：
排名第一的這位孤鳥差魚 （ http://www.reibang.com/u/a4bb86f4ba07），寫了1799篇文章熬А耐版！我的天！但是這里有一個bug压汪，這位作者雖然能寫粪牲，但是每篇文章被喜歡的次數(shù)很低，基本上是個位數(shù)止剖∠傺簦可能是一位孤獨but高產(chǎn)的作者。
平均每個字被喜歡次數(shù)坐高的作者
從上面的一個統(tǒng)計里面吸取到的一個靈感穿香，雖然上面的作者很能寫亭引，但是被喜歡的次數(shù)卻很低，這一次統(tǒng)計的是平均每個字被喜歡次數(shù)坐高的作者皮获。如下圖所示：
這個結(jié)果就更加意外了焙蚓，排在前面的這幾個大哥，就寫了一個字洒宝，but 收獲了48個喜歡９汗！Ｑ愀琛宏浩！每個字被喜歡的比例是1：48！＝堋绘闷！于是，很好奇這位大哥较坛，這一個字寫得是什么印蔗，跑去圍觀。丑勤。
用戶的粉絲數(shù)分布的比例
分析了一下每個用戶的粉絲數(shù)华嘹，絕大多數(shù)用戶的粉絲數(shù)只有10人以下，而粉絲數(shù)分布在[10,20]之間的用戶明顯少了很多法竞，簡直是銳減０液瘛！岔霸！這也基本上符合一個社交網(wǎng)絡(luò)的結(jié)果薛躬，絕大多數(shù)的人都是圍觀者，都是內(nèi)容或者是消息的的接收者呆细。擁有大量粉絲的人型宝，往往很少，這一部分的人是這個社交網(wǎng)絡(luò)的核心絮爷，是信息或者是消息的創(chuàng)造者趴酣，擁有更加強(qiáng)大的話語權(quán)。
后面的還嘗試的做了一些有意思的坑夯，最近在寫論文岖寞，比較忙，待更新中柜蜈。仗谆。。
PS：
- 有人私信問代碼跨释，我貼在了github上面 https://github.com/zhaozhengcoder/Jianshu_scrapy
- 有人私信問原始數(shù)據(jù)胸私，這個沒有在github上面，but鳖谈，如果你要的話岁疼，我也可以發(fā)給你
