小趴趴--知乎精华回答的非专业大数据统计
入坑知乎三年有余,数月前灵光闪现,做个网页爬虫,专爬知乎下的精华回答,作统计分析。
以下,即是此项目的分析结果,希望能从另一个角度呈现出不一样的知乎。
代码
“talk is cheap, show me the code!” --屁话少说,放码过来。心急的朋友可以直接戳链接看源码,用的是Python3:
https://github.com/SmileXie/zhihu_crawler
算法简述
1.爬虫算法
以根话题的话题树为启始,按广度优先遍历各子话题。话题的遍历深度为3。解析各话题下的精华回答。
2.收集数量
目前收集的信息共计50539个精华回答。
3.分析内容
- 精华回答的点赞数,答案长度等;
- 答题用户的id,点赞数,地区,性别,学历,学校,专业等;
统计结果
1.匿名答主
50539篇精华回答中,有3308篇的回答者选择了匿名发布答案。
2.答主性别
男15740,女5749.是否从一个侧面印证了知乎上程序员占了很大的比例.
3.答主受教育情况
按答主的所在(毕业)学校统计,TOP10的学校是:
可以看出,中国的顶尖高校对知乎的精华回答贡献颇多。
按答主所在的专业统计,TOP10专业是:
果然是程序猿的天堂。(上面的数据,我针对“计算机”和“金融”的数据做了处理,把“计算机”“计算机科学”“计算机科学与技术”合并为“计算机”,把“金融”和“金融学”合并为“金融”)
4.精华回答的赞同数
按精华回答所获得的赞同数落在的区间,做统计
赞同数区间 | 此区间内的精华回答数量 |
---|---|
0~4999 | 46546 |
5000~9999 | 2623 |
10000~14999 | 713 |
15000~19999 | 305 |
20000~24999 | 154 |
25000~29999 | 94 |
30000~34999 | 44 |
35000~39999 | 22 |
40000~44999 | 16 |
45000~49999 | 8 |
50000~54999 | 4 |
55000~59999 | 3 |
60000~64999 | 3 |
65000~69999 | 0 |
70000~74999 | 2 |
75000~79999 | 1 |
80000~84999 | 0 |
85000~89999 | 0 |
90000~94999 | 1 |
95000~99999 | 0 |
可见,大多数精华回答获得的赞同数是处于0~4999范围内的。
目前统计到的最高票回答是这篇:《哪些素质很重要,却是读书学不来的》中肥肥猫的回答,共获得了91433个赞同。
5.回答字数
如果按以下标准将精华回答按字数分类:
字数 | 分类 |
---|---|
0~99 | 短篇 |
100~999 | 中篇 |
1000~9999 | 长篇 |
10000以上 | 超长篇 |
那么,精华回答的字数分布如下:
看来各位答主对没少在知乎上码字。长篇的数量甚至超越了短篇和中篇。
目前收集到的最长字数回答是:《人究竟能抠到什么程度》中郭永年的回答,答主扬扬洒洒写了98904字,敢情是在知乎上写小说了啊。
后记
作为一个对Python和C都有使用的程序员,在开发的过程中不断地领略着这两种语言的巨大差异。
Python把对开发者友好做到了极致,牺牲了性能。
C把性能做到了极致,牺牲了对开发者的友好。
这个项目只用了500行Python,如果换作500行C,估计只能完成上述功能的1/10吧。
最后再贴一遍源码:
https://github.com/SmileXie/zhihu_crawler
小趴趴--知乎精华回答的非专业大数据统计相关推荐
- 基于Vue.js的数据统计系统(一) - 苏依蜀黍de小木屋 - 知乎专栏
基于Vue.js的数据统计系统(一) - 苏依蜀黍de小木屋 - 知乎专栏 基于Vue.js的数据统计系统(一) - 苏依蜀黍de小木屋 - 知乎专栏 posted on 2016-08-03 15: ...
- 关于大数据,需要你读懂的10个小故事
自2011年以来,大数据旋风以"迅雷不及掩耳之势"席卷中国.毋庸置疑,大数据已然成为继云计算.物联网之后新一轮的技术变革热潮,不仅是信息领域,经济.政治.社会等诸多领域都" ...
- 大数据陷阱:需要读懂的10个小故事
自2011年以来,大数据旋风以"迅雷不及掩耳之势"席卷中国.毋庸置疑,大数据已然成为继云计算.物联网之后新一轮的技术变革热潮,不仅是信息领域,经济.政治.社会等诸多领域都" ...
- 大数据的反思:不可不知的几个小故事
随着各种技术发展,很多人都在吹捧大数据.然而如同股市一样,越是高涨,越是需要警醒,在大数据热火朝天前行的路上,多一点反思,多一份冷静,或许能让这路走的更好.更远.本文的10个小故事,或许能让你有所得. ...
- 周末愉快丨读完这10个的小故事,你也想来吐槽大数据?
约!约!约!友盟全域数据是[友盟+]品牌的微信公众账号之一,我们将持续为您带来第一手资讯与干货! 作者介绍:张玉宏,博士.2012年毕业于电子科技大学,现执教于河南工业大学.中国计算机协会(CCF)会 ...
- 大数据日知录_腾讯T4专家精心整理:java+大数据+机器学习+数据挖掘+算法大集结...
前言 本篇文章总共八大部分组成,包括数据挖掘:概念.模型.方法和算法:大数据日知录:架构与算法:大数据算法:数据结构与算法经典问题解析:算法基础:打开算法之门:机器学习算法大集结:Java数据结构和算 ...
- 全知科技CEO方兴:数据流动时代大数据风险是大数据安全的核心
" 滴滴出行合理的利用了大数据,为公众的出行提供便捷的服务.而利用大数据为公众和司机等提供安全预警服务,需要积累大量流动的数据积累,需要建立安全预警算法模型,需要长期的技术积累,更重要的是要 ...
- 大数据24小时:地质局发布地质大数据共享平台,科大讯飞将语音识别植入腾讯小Q机器人
地质调查局发布首个地质大数据共享服务平台"地质云":华为与华制智能合作,共同发布制造业解决方案"智造云":科大讯飞与腾讯联手,将语音识别技术植入腾讯小Q机器人- ...
- 代达罗斯之殇-大数据领域小文件问题解决攻略
: 点击上方蓝色字体,选择"设为星标" 回复"资源"获取更多惊喜 大数据技术与架构 点击右侧关注,大数据开发领域最强公众号! 大数据真好玩 点击右侧关注,大数据 ...
- python爬虫 知乎_python爬虫——知乎(关于python的精华回答)
之前的文章都是与职位.热门文章有关的,今天一起来看一下知乎上与python相关的精华回答(主要是requests,scrapy处理的思路,编码问题) 知乎python精华回答 1.采集的信息 问题题目 ...
最新文章
- android audiotrack使用问题:listener不回调的原因
- Docker了解(官方解读)
- 检查JavaScript中变量是数字还是字符串
- python将一组数据转化为列表_python如何将一个全部为int的列表,转化为全部为str的列表...
- python(numpy,pandas1)——numpy(ndim,shape,size,zero, empty, arange, linspace)
- android的logcat详细用法
- 用cookie实现叶卡的记忆功能
- 数据库选型入门必读:如何在眼花缭乱的产品中挑出最适合业务的?
- 通过对比文件md5值,实现对文件的替换
- c++ 中——fatal error: opencv2/opencv.hpp: No such file or directory #include <opencv2/opencv.hpp>
- OC语言之Protocol基本使用
- 计算几何(基础部分)
- 数据库、模式、表的关系(转载)
- JavaScript将HTML元素导出PDF及World
- 摩托罗拉defy.apk+安装recovery和刷机的教程
- 工业物联网的实际应用案例以及技术分析
- 人工智能研究中心快递柜——代码分析十三
- python声音识别歌曲_听歌识曲--用python实现一个音乐检索器的功能
- python 某文书网JS逆向 登录加密算法还原
- 深夜,想到今天学的linux内容,太值了