Crossin的编程教室

标题: 平心而论，这波虎扑diss吴亦凡属于什么水平？ [打印本页]

作者: 江水滔滔 时间: 2018-9-14 21:04
标题: 平心而论，这波虎扑diss吴亦凡属于什么水平？
我绝对是个不合格的专栏作者，面对热门话题就像个过客。（双押x2）人家写文章热点蹭不停，跑得比香港记者还快。我非觉得不行，选角度、写代码，折腾到现在。跟风的人逃不开过气的宿命，（双押x3 跳押）我的文章却反复被人山寨。（双押x3 跳押）
（押韵支持来自我们去年的文章 Python有嘻哈：Crossin教你用代码写出押韵的verse ）

在我这儿，热点只是吸引你们点进来的引子，实际内容则是不那么讨喜但确实有用的信息（为了让你们学点知识我容易么……）。比如这篇文章，五年之后再翻出来，一样对很多人有价值。

今天要说的就是前阵子的一个小热点：

虎扑大战吴亦凡

作为半个从步行街上走出来的公众号和半个伪嘻哈爱好者，尘埃落定之后，出来打个圆场。

顺便也给各位演示下，怎样对一个事件/网站做数据（舆情）分析。

相关代码已上传，获取代码请在公众号（Crossin的编程教室）回复虎扑

由于篇幅所限，本文只展示结论和思路。如果想听详细的代码分析，请点个赞，人多的话我就另开一篇详细说明。

事件的前因后果我不想多啰嗦（之前微信上有一篇来龙去脉的文章已被举报）。简单来说就是因为一段无伴奏音轨，虎扑上的用户和吴亦凡的粉丝们在步行街掐上了。

对此次掐架进行的分析数据来源：
因为虎扑无法查看太早的帖子，所以此案例的数据截取了步行街栏目 7月25日下午3点到 8月2日下午四点半左右的帖子。根据标题中包含的关键字（包含吴、凡、skr、diss等），筛选出 4370 个主题贴，共 260241 个回帖，主题总浏览量 125523319 次。由于相关回帖数和参与用户太多，案例中的后续分析只抽样了部分主题进行。选取了回帖数最高的 100 个主题帖加随机 100 个主题帖，共包含 136964 个回帖，并随机选取了其中 5279 个用户。
数据采集的思路：
从步行街页面上一页页抓取文章列表，抓取主题的标题和链接，并记录回帖数和浏览量。对于抽样选中的主题，抓取主题内所有回帖（可能需要抓多页），记录下每个回帖的内容、时间、作者ID。根据作者ID，从用户资料页抓取等级、卡路里、喜爱的运动/队伍等信息。
发帖行为：

按时间把回帖量以折线图绘制出来。可以很明显地看到2个高峰：25号晚上和30号晚上，分别是事件爆发当晚和吴亦凡发歌反击的那晚。

如果把发帖量以一天24小时的分布来衡量，发帖高峰期还是在晚饭后，正应了“茶余饭后”这词。

用户画像：

用户最高等级 231，最高卡路里 561278

1级的用户占比遥遥领先，估计有很多都是刚注册的小号吧。6级以下用户占了将近一半。

大多数用户的卡路里在 10~20 左右，但也有极个别的大神数据逆天。

将两项数据以点状图绘制出来，能比较直观的看出用户的分布。

（看不清的点击图片查看大图）并不是所有用户都填写了喜欢的运动和队伍。在填写的人中，篮球占了绝对优势。毕竟虎扑起步于篮球社区。比较意外的是运动装备占到了第三位。

湖人的支持者最多，不怪湖人总冠军。皇马是排名最高的非NBA球队，广东华南虎和广州恒大是排名最高的国内篮/足球队。法拉利是跻身此图中的唯一非篮/足球队。

有一个很重要的用户信息我没有统计：性别。因为我觉得对于可能是最好的直男网站来说，这根本没有必要啊。

话题内容：

从词频来看，虎扑、吴亦凡平分秋色，skr 无疑成最大赢家。

随机挑了 1000 个回帖进行情感分析，结果出乎我意料：除去一半多的中性内容（为了显示效果，图上有做过处理），正面和负面情绪竟然在数量上差不多，甚至正面情绪还多一点点。细细对照具体内容看了下，虽是互掐，但言语上还是以调侃、戏谑为主，粗暴过激的语言并不多。所以这种事情嘛，认真你就输了。

以上就是对虎扑此次热点的粗浅分析。不算很细致很精确，但足够给练习数据分析的同学参考。

用到的外部库：
peeweerequestBeautifulSouppyechartsjiebawordcloud
想要再进一步，还有不少值得挖掘的信息。比如说：

1. 标题/内容关键字与阅读数的关系。你想发一个被热议的帖子，该写什么？

2. 根据参与话题的关键字对用户进行分类。平台方可以由此了解用户兴趣所在，推送推荐内容。

3. 用户活跃度（发/回帖数、在线时长等）与用户兴趣（运动、队伍、关键字）及用户行为（上线时间、访问设备）、用户属性（性别、年龄、职业）之间的关联性。

互联网上的热点层出不穷，总是能给广大围观群众送上吃不完的瓜。把有限的注意力和时间花费在什么事情上，是每个人的自由，不做评判。我个人的态度在以前的文章全菊变量和菊部变量里说过，借热点说点有用的东西。以及，关注一些真正需要更多关注的事件他花了14个小时找了一下长春长生们究竟卖到了哪里去。

获取文中案例源代码，请在公众号（Crossin的编程教室）回复虎扑
════

其他文章及回答：

如何自学Python | 新手引导 | 精选 Python 问答 | Python单词表 | 人工智能 | 嘻哈 | 爬虫 | 我用Python | 高考 | requests | AI平台

欢迎搜索及关注：Crossin的编程教室

作者: 明月松间照 时间: 2019-8-6 15:41
感谢楼主分享

欢迎光临 Crossin的编程教室 (https://bbs.crossincode.com/)