Python数据分析练手：分析知乎大V

原文链接：https://zhuanlan.zhihu.com/p/92768131?utm_source=tuicool&utm_medium=referral

知乎，可以说是国内目前最大的问答类社区。与微博、贴吧等产品不同，知乎上面的内容更多是用户针对特定的问题分享知识、经验和见解。咱们编程教室就有不少读者是从知乎上了解到我们的。

那么，知乎上都有哪些“大V”用户？普通用户喜欢关注哪方面内容？我们利用 Python 对知乎上的部分信息进行了个采集，做了一份简单的统计。

这个统计也是我们用 Python 做网站数据分析系列的一部分，是 Python 爬虫和数据可视化的典型案例。代码、详细说明文档、数据均已上传，获取方式见文末，对这方面感兴趣的朋友可下载查阅。

另外要说明的是，这个项目的代码由实训生 清风小筑 完成于今年7月，所以并非最新数据，主要是思路的学习讨论，结果仅供参考。

大V的关联

首先给大家看的是知乎上粉丝数前50用户的关系图：

图中的线是用户之间的相互关注的关系。这三张图的差别只在圆圈的大小上，依次分别代表：粉丝数、连入度（被图中其他人关注的数量）、连出度（关注图中其他人的数量）

比较明显的是，像知乎日报、刘看山、丁香医生这类普通用户关注较多的“机构号”，在大V中的受关注度并不高。

这张图是通过一个叫做 Gephi 的软件，基于 Python 采集下来的数据做出来的。其中圈的颜色是 Gephi 根据关联关系自动聚合的结果。（参考之前漫威角色关系分析文章）

在知乎这个案例中，“阵营”的划分并不像漫威那么明显，但可以发现机构号基本都被归在了一类，说明关注行为有一定的相似性（张佳玮躺枪）。

谁是大V

知乎的四大指标：关注、赞同、感谢、收藏。我们分别看下以不同指标排行的“头部用户”：

其中，张佳玮可以说是非常突出了。（这个名字好熟悉……还记得之前的虎扑分析吗？）

官方收录回答数，张佳玮还是遥遥领先，收录文章数也榜上有名。

如果不论质量，仅看数量的话：

知乎于2010年12月20日上线，到今年7月31日共3145天，轮子哥vzch平均每天要回答7个问题以上（怀疑给他发工资的是微软还是知乎……），而太平洋电脑网则平均每天发表12.8篇文章，真是有够努力！

把这几组数据合成了两张三维散点图：

图中选取的数据为关注数大于1万的用户。在项目里有可以交互的网页版本，可以更直观的查看这个分布图。

大V的热情在消退？

上面几张图是对目前关注数超10万的用户的历史发布数据进行的统计。从图上来看，2015年大V们更热衷于回答，后来则大都改去写专栏文章了。从趋势来看，似乎大V们发文的频率已不再增长。不过这并不能直接推断知乎的整体热度，也可能内容的产出更分散于不同用户了呢？这就只有知乎官方才有权威数据了。

用户爱看什么？

这些关注度最高专栏和收藏夹，里面有你关注的吗？

最后，这是一个以关注数超1万的用户的个人简介做出来的词云：

以上就是我们对于知乎公开数据做的一些分析。除此之外，我们之前还做了一个定期更新的知乎大V动态排行，欢迎查看。