用R进行微博分析的初步尝试

    新浪微博如火如荼，基于微博的各种应用也层出不穷。有一种共识似乎是：微博数据蕴含着丰富的信息，加以适当的挖掘，能够实现众多商业应用。恰好社会网络分析也是我之前有所了解并持续学习的一个领域，因此我做了微博数据分析方面的一些尝试。这些尝试是比较初步的，属于探索性的阶段，当然不能跟微博分析家这样比较成熟的应用相提并论。并且我的分析基本上都出于想当然的直觉感受，没有具体的理论支撑，这方面需要试着找点书籍来阅读一下，貌似有蛮多可以参考的。

一、用R登录并发布微博

之所以仍然选择用R来做这个登录和发布的工作，是考虑到分析过程的连续性，毕竟能够在同一个平台下面完成所有的工作，还是很令人身心愉悦的。这里借助了一款命令行浏览器cURL，这个浏览器在R中可以用RCurl实现，简单的介绍建议参考medo的《R不务正业之RCurl》。由于我对HTTP这些东西都属于初级未入门水平，没能实现直接的登录，只好利用了cookie实现间接登录。但是最终结果还是蛮稳定的。编写这个登录和发布微博的函数，目的之一是为后续的数据采集做准备，但同时也能够实现同步更新不同平台信息的功能，例如写一条语句就能够把人人状态、新浪微博、飞信签名等等同步更新，还是很有趣的。只是人人状态和飞信签名貌似不是很稳定，偶尔能用偶尔报错，我稍微测试了一下，可能是cookie的问题，目前没有深入探索。

（更新：目前已经实现了直接登录，这样或许可以绕过cookie的问题。）

总地来说这个功能的效果就是这个样子。

二、采集关注信息，制作粉丝及关注人的地区分布

在登录之后，就可以用一些循环语句来采集关注者与被关注者的ID等信息（不知道这算不算是某种爬虫）。为了描述地区分布，只需要采集用户的地区信息就OK了。然后借助maptools包，可以比较方便地画出简单的用户分布图。这里没办法画海外人士，见谅。

 

我的粉丝的分布：

我关注的人的分布：

可以看得出来，不论是关注还是被关注，用户的分布都算是比较集中。这个很可以理解，因为我是小网虫一只，没啥广泛的人气，哈哈。但是显然地，某省ID的频数很高，令人欣慰。