12306泄露数据可视化分析

昨天新开的坑。
131653条数据，来自2014年末泄露到网上的12306账号信息，包括邮箱（部分QQ邮箱），姓名，电话，用户名，密码，身份证号。
还在做数据的格式化存储……

10/14更新代码：
1、数据格式化存储

# -*- coding: gbk -*-

#2016/10/13  13:30
#12306泄露数据分析

import csv


csvfile = file(r'D:\python27\py\loc.csv', 'rb')
reader = csv.reader(csvfile)
loc=[]
for line in reader:
    loc.append(line)


def findLoc(theId):
    num=0
    for item in loc:
        if(loc[num][1]==theId):
            return loc[num][0]
            break
        else: num=num+1
    #print 'Given id not found'
    return 0



hk=0        
count=0
capital=0
f=open(r'C:\Users\Administrator\Desktop\data.txt','r')

csvfile = file('dat.csv', 'wb')
hkcsvfile = file('hkdat.csv', 'wb')
writer = csv.writer(csvfile)
writer.writerow(['email_1','key','name','id','user_name','phone_number','email_2','birth','location','capital'])
hkwriter = csv.writer(hkcsvfile)
hkwriter.writerow(['email_1','key','name','id','user_name','phone_number','email_2','birth','location','capital'])
alldata=[]
hkdata=[]
for line in f.readlines():
    data=line.split('----')
    none=0
    for st in data[3]:
       # print str(st)+'   '+str(data[2])
        if(st>'9'and st!='X'):
            none=1
            #print st+'  '+data[2]
            break
            #print 'none : '+str(none)
    if(none==1 or len(data[3])!=18):
        print data[3]+'   '+data[2]
        pot=data[6].find('@')
        print data[6][pot+1:]
        hk=hk+1
        data.append('unknown_birth')
        data.append('港澳台地区')#编码方式换成GBK就不会在这里乱码了
        data.append(2)
        hkdata.append(data)
        hkwriter.writerow(data)
        #print 'none : '+str(none)
        continue
    else:
        #print 'check---------------------------------------------'
        data.append(data[3][6:14])#birth
        data.append(findLoc(data[3][:6]))#location
    if(data[3][2:4]=='01'):#capital
        data.append(1)
        capital=capital+1
    else : data.append(0)
    #print data
    alldata.append(data)#在excel显示csv文件时，id字段后三位为0，实际数据没有变化，故忽略这个问题
                        #后面涉及到性别确定的时候再解决它
   # print 'data: '+str(data)
    writer.writerow(data)

    count=count+1
    if(count%1000==0):
        print 'count : '+str(count)

#print 'alldata 5th : '+str(alldata[4])
f.close()
csvfile.close()
hkcsvfile.close()

print 'done'
print 'data amount : '+str(count)
print 'hongkong id amount : '+str(hk)
#print 'capital amount : '+str(capital)

2、年龄分布统计

import csv
csvfile = file(r'D:\python27\py\datas.csv','rb')
newcsv=file(r'D:\python27\py\newcsv.csv','wb')
reader = csv.reader(csvfile)
writer=csv.writer(newcsv)
a=0
data=[]
for line in reader:
    level=line[7][:4]
    #print level
    #line.append(level)
    data.append(level)
    #writer.writerow(line)

csvfile.close()
newcsv.close()


def count(datalist,item):
    num=0
    for a in datalist:
        if(a==item):
            num=num+1
    print num
    return num

countlist=[]
for n in range(1940,2010,1):
    countlist.append([n,count(data,str(n))])
print countlist

数据统计出来之前，昨晚立的flag:

今天简单用excel作了个图：

恩。先这样。