對排名前3000位博主進行數據分析

數據分析

熱門博主

這裏是在2017-05-20晚上爬取按照積分排名前3000位的博主，本文是在3000條博主的用戶信息，23萬條博主的活動信息的基礎上進行數據分析的，此數據基於學習的目的，不用於商業目的；

原本打算對具體動態信息作個排名，不過考慮到可能會涉及隱私，因此放棄，全文分析均爲宏觀分析；

各個博主的出生地

3000位博主中，只有546位填了家鄉，比例爲18%；

能夠看的出來，湖北和河南的人數最多，廣東四川北京山東屬於第二梯隊；

各個博主的現居住地

3000位博主中，只有802位填了如今的居住地，比例爲27%；

能夠發現，這個時候，博主的工做地點變成了IT比較發達的省份，像是北京，廣東，浙江，上海，四川；

各個園齡所佔的人數

大部分在博客園的時間在4-12年的時間，其中5年最多

工做職位的統計

206人填了信息，比例爲7%

這裏取的是排名前20位的職位，其中由於描述的不一樣致使結果存在些許不一樣，但能夠發現其中軟件工程師居多

工做單位的統計

116人填了信息，5個騰訊，2個Autodesk，2個武漢大學，其他均不重複，其中100人在工做，16人在大學

上一次發佈博客的時間

1258個日子，最近一天爲2017-05-20，最遠一天爲2005-04-14

其中越靠後代表上一次發佈博客的時間離如今越近，不過不難發現依然存在挺多的人上次發佈博客的時間離如今比較遠。

多少人進行了遷移（出生地跑到現居住地）

395人，此方法是按照出生地不等於如今居住地計算得出

結婚

107人填了信息，佔總體比例爲4%

單身比例最高，佔了將近2/3，已婚次之

動態信息分佈

發表話題和博客佔用比例大致至關

分數平均值

以300爲單位

能夠發現，前300名大幅拉開和後面的差距

博客數量和分數、粉絲的關係

博客數量和分數並非一個線性關係，代表並非發表的博客數量越高分數就越高，不過貌似粉絲數量和分數存在些許關係。

總結

這個項目是我在工做之餘花了一週的時間一變學習一邊寫出來的，其利用Scrapy爬蟲框架來實現，過程當中也走了些彎路，基本都是靠不停的查找資料來解決問題。項目並不困難，數據分析也比較簡單，在後面能夠加上詞頻分析等等，不過由於最近要開始找工做了，因此暫時要放置一段時間了。

文中若是有錯誤，請及時指出。