最近用 python 爬虫抓取了知乎用户个人资料（息），去重之后有300+万条记录，为了得到这些数据，还不小心跑崩了一台服务器…… 当然主要是配置太低。
手头有了数据也不能闲着，于是就有了这篇分析报告，这篇报告做了一些浅显的数据分析，主要目的是练练手，大家看个热闹，高手勿笑。
首先来看看知乎用户的男女比例，以当前样本数据统计的结果接近1:1，其中男生略多一些。（其实还有很大一部分性别不明的用户，被我略掉了 ╮(╯▽╰)╭）
由上图可以看到，知乎用户中一线城市用户占较大的比重，北上广深皆在词云的中心（文字越大，比重越大）。我们再来看看具体的排名（前十名）：
你可能发现了Y坐标里每座城市的用户数并不多，这是因为有大概260万的知乎没有填写“居住地”这一栏~ 以下分析也有可能出现用户没有填写某一栏信息的情况，我会把这些用户忽略掉，以展示图表的准确性。
由上图可以看到，知乎用户中学生用户占据多数，其它的比如产品经理、程序员、运营、HR数量也不少。我们看一下具体的排名（前十名）：
由上图可以看到，知乎用户中“学生”的比重独占鳌头，我们把“学生”去掉，来看看正经些的知乎职业排名：
去除学生后，知乎主流职业比重从大到小依次是（前十名）：产品经理、职业、程序员、工程师、设计师、腾讯、教师、人力资源（HR）、运营、律师。可以看到，除了一些互联网公司的常见职位外，教师和律师用户在知乎中也占据不小的比重。
这张饼图的内圈表示各主流职业在前十名中所占的比重，外圈表示该职业从业者中的男女比例，蓝色为男性，红色为女性。我们再用一张直方图来表示：
同样蓝色代表男性，红色代表女性，从左到右的职业在知乎中的数量依次下降。可以看到，知乎大部分主流职业中主要为男性占主导。前 10 名的主流职业中有 8 个职业的男性从业者比女性多，其中以程序员的男女比例差距最为悬殊（-_-），以设计师男女比例差距最小，看来设计师从业人员男女比例较为均衡。其它的，比如产品经理、职业者、律师中，均为男性从业者多于女性。而前 10 名剩下的 2 个职业——教师、人力资源（HR）——女性从业者要多于男性，其中以人力资源（HR）男女比例差距最为悬殊，教师的男女比例虽不那么夸张，但女性也远远多于男性（也许是因为男性教师不怎么上知乎？）。
看完了知乎各职业的性别分布，我们再用一张热力图来观察知乎主流职业（前五名）在各个地区的分布情况，颜色越深，代表该职业在该地区的人数越多：
这里我为了展示方便，去掉了产品经理，你只需要知道产品经理在各地人数都是最多的…… 不明白知乎上怎么这么多产品经理，可能是为了方便宣传他们的产品？
从上图可以看出，知乎各主流职业大部分集中在和上海两地，更准确地说，大部分都集中在，但是人力资源（HR）是个例外，他们更多集中在上海。我们再来看看其他职业，程序员分布最多的城市依次是：、上海、广州、杭州、厦门。占得比重最大，简直绿的发黑，看来是程序员的天堂？其中深圳没有上榜，让我很奇怪。设计师分布最多的城市依次是：、上海、杭州、深圳、武汉。设计师的地区分布比较平均，各个城市都有一定数量。
知乎中学生用户占很大的比重，我们来看看他们都来自哪些学校！词云中字体越大，表示所占比重越大。
以上展示的结果不一定准确，可能有很大一部分学生用户没有填写自己的学校。仅从上图可以看出，知乎活跃高校用户从大到小依次是：浙江大学、武汉大学、华中科技大学、中山大学、大学、上海交通大学、复旦大学、南京大学、四川大学、大学。
第一是同济大学，土木工程，恩，这是哪位大佬撑起来的；第二是华南理工大学，软件工程，这个我知道，轮子哥是皇家理工的嘛；第三，重庆第一工程尸培训，恩？？？这是什么鬼（黑人问号）；继续往后看，恩……？？家里蹲大学？？！！还有一个大学，牛肉面工艺专业？？？WHAT？？！！
排名依次是：武汉大学、浙江大学、中山大学、华南理工大学、大学、华中科技大学、复旦大学、上海交通大学、西北农林科技大学。
玮大大无可争议的获得第一名，360+万赞，恐怖。其次是马前卒、唐缺、vczh、肥肥猫、朱炫、Seasee Youl、ze ran、鬼木知、豆子。知乎获赞总数前五名有两位都是作家（玮和唐缺），看来作家在知乎回答问题获赞方面还是很吃香，果然表达能力是观点获得认可的一个重要支撑 。
知乎关注人数最多的前10位大V依次是：玮、李开复、黄继新、周源、、张小北、李淼、朱炫、葛巾、田吉顺。这些是知乎真正的大V，关注者数量极多。关注者最多的玮有137万粉丝（抓取时），他的粉丝还在不断上涨，到现在已经有138万粉丝。关注者最少田吉顺也有57万粉丝，轮子哥（vczh）稍微少一些，排在第11位。
知乎回答问题数最多的10位大V从大到小依次为：vczh、李东、赵钢、另一只袜子、四海之内、M3小蘑菇、kun yu、白猫转转风、yskin、肛里拉出个电锯。微软的工作貌似很闲，看轮子哥（vczh）整天刷知乎……
我们再来加上这几位用户在知乎的获得的赞数，看看“回答问题的数量”和“获得的赞数”之间有没有什么联系：
由上图我们可以粗略的得出结论，回答问题的数量和获得赞数的关系没有很大。上图中只有 kun yu 和 vczh 回答问题的数量和获赞数基本持平，榜单前十名的其它用户获得赞数虽然也不少，但和他们回答问题数量的排名比起来，还不在一个量级上。这从侧面也说明了一个问题，回答问题的质量更加重要，某些高质量的会更容易吸引用户点赞。
我们再来看一个有意思的统计，知乎参加 live 最多的100位用户，以及他们最多参加过多少场 live。（live 是知乎推出的一种类似于直播的问答形式，大V开一场 live，分享他所在领域的知识，用户买门票参与 live，是一种知识变现的方式）
以上，便是以知乎300万用户个人资料为样本，做出的简单数据分析。大家觉得还可以挖掘哪些有用的信息呢？
喜欢我的分析的小伙伴可以点一个赞，或者等我的下一篇文章。接下来会发一篇爬虫的源码剖析，有时间的话会继续抓取其它有用的数据，做成数据报上来。另外我会尝试下把这次的数据做成功能集成到号中，如果你有什么好玩的点子也可以推荐给我。
网友评论 ()条 查看