抓取虎扑王者荣耀板块最近十页帖子,2.5W回帖数据 ,来看看JR们都有哪些有趣的信息

数据说明:王者荣耀区最近十页的发帖,每个帖子内的第一页用户的个人信息

主题帖:王者荣耀区十页大概是有800个帖子。我抓取了这些帖子的主题,并且对关键词进行了抽取。根据jieba分词包(一个软件包)对这800个主题进行分析后,去除掉一些常用的无实意的词后。得出19个关键字为:王者,英雄,战队,荣耀,单排,KPL,赛季,打野,射手,皮肤,胜率,上分,攻略,春季,裴擒虎,出装,刘邦,大家,主播,大家最近讨论的内容基本围绕这些词张开。而后我进行了一下词频的统计在这800个贴里关于王者的主题有84个相当于1/10。大家讨论的比较多的职业是射手。刘邦的讨论热度比打野这个位置还要高的,刘邦应该是近期大家谈论的热点。

我制作了一个词云:


用户分析:

男女比例:

我对各位的个人主页进行了爬取。

咱们区的男女比例大概是1:10左右

在我爬取的2.5W个回帖中 有1W5的老哥并没有填他们的性别,区里的整体情况还是僧多肉少,但应该也有一些小改改!

地区:



和步行街主干道的人数基本一致,来自广东的 JR 是最多的,其次是北京湖北地区。

JR的注册时间:


回帖的JR2017年注册的占了1/4, 2014年往前的老JR和最近三年加入虎扑的新JR五五开

关于注册时间我还抓取到一个有意思的数据。和注册时间相关联的应该是等级。

在我抓取的数据当中等级和回帖数量基本是上成反比,1~7级的小号回帖是最多的,而且一级小号回帖最多,还有部分0级号回了一共52贴。大家在看帖时可能要稍微注意下water army带节奏。

声望和在线时长:

步行街最近出了社区声望这个数据,用来衡量一个JR的发帖、回帖水平和质量,我对我抓取的2.5W回帖进行了简单的声望统计描述



我来简单解析一下这个数据,王者荣耀区的声望均值为2255最大的为9996(膜拜这位大神),如果你的声望高于619,恭喜你战胜了区内25%的JR,以此类推。声望低于10的回帖大概有2000多贴。

除了声望还有一个数据是在线时长,它的统计描述如下图:


我也稍稍看了一下统计数量,在线时长低于50小时的回帖大约有5000占了总回帖的1/5。

使用工具:

Python2.7 excel R ,mongodb
数据缺陷:
我只抓取了前十页的800贴,并且这800贴是最新的,样本缺乏一定的广泛性。用户信息方面我只抓取了回帖用户,这些回帖都是主题帖的第一页的回帖,并没有涉及第二第三页。我在进行统计的时候没有去重,有部分数据是重复的,打个比方,A在某贴回了3次,那么我也记录了他的三次个人记录,所以有一定的偏差。各位参考一下就好。如果有老哥想要一起改进的可以私信我咱们交流交流

数据说明:王者荣耀区最近十页的发帖,每个帖子内的第一页用户的个人信息

主题帖:王者荣耀区十页大概是有800个帖子。我抓取了这些帖子的主题,并且对关键词进行了抽取。根据jieba分词包(一个软件包)对这800个主题进行分析后,去除掉一些常用的无实意的词后。得出19个关键字为:王者,英雄,战队,荣耀,单排,KPL,赛季,打野,射手,皮肤,胜率,上分,攻略,春季,裴擒虎,出装,刘邦,大家,主播,大家最近讨论的内容基本围绕这些词张开。而后我进行了一下词频的统计在这800个贴里关于王者的主题有84个相当于1/10。大家讨论的比较多的职业是射手。刘邦的讨论热度比打野这个位置还要高的,刘邦应该是近期大家谈论的热点。

我制作了一个词云:


用户分析:

男女比例:

我对各位的个人主页进行了爬取。

咱们区的男女比例大概是1:10左右

在我爬取的2.5W个回帖中 有1W5的老哥并没有填他们的性别,区里的整体情况还是僧多肉少,但应该也有一些小改改!

地区:



和步行街主干道的人数基本一致,来自广东的 JR 是最多的,其次是北京湖北地区。

JR的注册时间:


回帖的JR2017年注册的占了1/4, 2014年往前的老JR和最近三年加入虎扑的新JR五五开

关于注册时间我还抓取到一个有意思的数据。和注册时间相关联的应该是等级。

在我抓取的数据当中等级和回帖数量基本是上成反比,1~7级的小号回帖是最多的,而且一级小号回帖最多,还有部分0级号回了一共52贴。大家在看帖时可能要稍微注意下water army带节奏。

声望和在线时长:

步行街最近出了社区声望这个数据,用来衡量一个JR的发帖、回帖水平和质量,我对我抓取的2.5W回帖进行了简单的声望统计描述



我来简单解析一下这个数据,王者荣耀区的声望均值为2255最大的为9996(膜拜这位大神),如果你的声望高于619,恭喜你战胜了区内25%的JR,以此类推。声望低于10的回帖大概有2000多贴。

除了声望还有一个数据是在线时长,它的统计描述如下图:


我也稍稍看了一下统计数量,在线时长低于50小时的回帖大约有5000占了总回帖的1/5。

使用工具:

Python2.7 excel R ,mongodb
数据缺陷:
我只抓取了前十页的800贴,并且这800贴是最新的,样本缺乏一定的广泛性。用户信息方面我只抓取了回帖用户,这些回帖都是主题帖的第一页的回帖,并没有涉及第二第三页。我在进行统计的时候没有去重,有部分数据是重复的,打个比方,A在某贴回了3次,那么我也记录了他的三次个人记录,所以有一定的偏差。各位参考一下就好。如果有老哥想要一起改进的可以私信我咱们交流交流
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值