上回說到糗事百科段子的分析，今天對另外一張表，也就是用戶信息表的分析绞呈。
數(shù)據(jù)預(yù)處理
- 導(dǎo)入數(shù)據(jù)
import pandas as pd
import pymongo
import jieba.analyse
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
client = pymongo.MongoClient('localhost',port = 27017)
qiushi = client['qiushi']
qiushi_info = qiushi['qiushi_info']
data1 = pd.DataFrame(list(qiushi_info.find()))
qiushi = client['qiushi']
user_info = qiushi['user_info']
data2 = pd.DataFrame(list(user_info.find()))
data1為段子信息，data2為用戶信息间景，二個(gè)表都有用戶url佃声，我們可以將其merge。
- merge
all_data = pd.merge(data1,data2,on='user_url')
all_data
- 去重
由于有些高玩用戶發(fā)過多個(gè)段子倘要，所以這里需要去重圾亏，通過用戶id獲取唯一值。
data3 = all_data.drop_duplicates(['id'])
段子手星座分布
對于數(shù)字類的分析碗誉，上次已經(jīng)講過幾個(gè)，我主要是對段子手的星座和地區(qū)感興趣父晶，今天就分析下哮缺，大家也可以每個(gè)維度都分析下。
xingzuo = data3.groupby('constellation').size()
plt.figure(figsize=(10,6),dpi=80)
labels = list(xingzuo.index)
sizes = list(xingzuo)
plt.xlabel('星座')
plt.ylabel('用戶個(gè)數(shù)')
plt.title('糗事百科用戶星座分布圖')
plt.bar(range(len(sizes)),sizes,tick_label=labels,color='#99CC01',alpha=0.7)#alpha為透明度
plt.grid(color='#95a5a6',linestyle='--', linewidth=1,axis='y',alpha=0.6)
plt.legend(['用戶個(gè)數(shù)'])
for x,y in zip(range(len(sizes)),sizes):
plt.text(x, y,y, ha='center', va= 'bottom')
除了不詳?shù)闹饧缀龋斐幼脩糇疃喑⑽籽蜃钌佟?/p>
天秤座常常追求和平和諧的感覺埠胖，他們善于交談糠溜，溝通能力極強(qiáng)是他們最大的優(yōu)點(diǎn)。但他們最大的缺點(diǎn)非竿，往往是猶豫不決谋竖。天秤座的人容易將自己的想法加諸到別人身上红柱，天秤座的人要小心這點(diǎn)
白羊座就像小孩子一樣承匣，直率、熱情锤悄、沖動韧骗，但也十分的自我為中心和孩子氣
段子手地區(qū)分布
如圖，數(shù)據(jù)是分省和市的零聚，我們只提取省的數(shù)據(jù)袍暴，這部分可以在爬蟲時(shí)進(jìn)行處理。
list_1=[]
for i in range(0,273):
list_1.append(data3.iat[i,-6].split('· ')[0])
data3['province'] = list_1
data3
sheng = data3.groupby('province').size()
plt.figure(figsize=(20,6),dpi=80)
labels = list(sheng.index)
sizes = list(sheng)
plt.xlabel('省市')
plt.ylabel('用戶個(gè)數(shù)')
plt.title('糗事百科用戶省市分布圖')
plt.bar(range(len(sizes)),sizes,tick_label=labels,color='#99CC01',alpha=0.7)#alpha為透明度
plt.grid(color='#95a5a6',linestyle='--', linewidth=1,axis='y',alpha=0.6)
plt.legend(['用戶個(gè)數(shù)'])
for x,y in zip(range(len(sizes)),sizes):
plt.text(x, y,y, ha='center', va= 'bottom')
大家看看隶症，哪個(gè)省盛產(chǎn)段子手政模。我們也可以調(diào)用百度api，獲取省的經(jīng)緯度沿腰，然后用BDP畫出這樣的地圖览徒。
總結(jié)
通過2個(gè)案例主要講解了python數(shù)據(jù)分析的基本流程。
- 數(shù)據(jù)導(dǎo)入
- 數(shù)據(jù)預(yù)處理
- 數(shù)據(jù)整合
- 數(shù)據(jù)可視化
