知乎数据可视化

前段时间不知道从哪里弄来的一份知乎数据，数据量不多，只有二十万的样子，今天就以这二十万数据来进行一次简单地数据可视化，主要的工具就是两个：pandas和matplotlib。
以下相关的代码和示例数据在文末有相应的下载链接，你可以下载数据自己尝试。

实际上，你也可以使用BI软件进行分析，速度和可视化效果很好，最主要的是操作相对容易，但是我们拿到的这份示例数据并不规整，也就是有部分内容是乱的，爬虫爬下来的数据有错位的情况，因此对于数据的清洗需要一定的时间，为了方便，我们就直接编程实现。

导入数据

我们使用jupyter notebook作为我们的ide工具
首先来看一下我们的原始数据的样子。

我们习惯于使用英文作为我们的列索引，因此我们在导入数据的时候指定索引的名称，如下所示。

其中，%matplotlib inline指定我们的plt做的图嵌入在ide之中，而不是弹窗显示。
其结果如下所示，后面还有数据列，只是截图容不下了。

知乎用户高校分布情况

我们首先来看一下哪些高校的知乎用户数量最多，核心思路就是我们对高校进行计数，然后按照数量进行降序排序，选择选取前十位进行绘图表示。在实际操作的过程总，我发现了一个问题，计数结果排名比较靠前的数据中有一些是诸如”大学“， ’大学本科‘这样的数据，显然我们需要先将其去掉。
我们自定义一个函数，如果其学校填写的是某一些特定的数据，我们就将其置为空。
因为我们只需要排名靠前的大学，那些名字更加奇葩的我们就不管了，毕竟我们用不到。

下面就直接开始绘图了。

其结果如下

一眼望过去，你会发现全是985高校，真是着实让人悲伤。
既然那么多的985，那么我们下一步的思路就是，看一下985的人数在总人数中所占的比例。

985高校用户占比

思路就是我们定义一个函数，如果这所学校是985的话，我们就给他一个记号为1，如果不是就为0，为什么是1/0而不是其他的呢，待会我们作图的时候你就知道了。

看一下效果

检查一下是不是已经完全的实现了标记情况。

直接开始绘图吧

简单地解释一下clean_name.name = ''在绘制饼图的时候，Series的name会默认以标签的形式出现在饼图的左边，好好的一个饼图，左边多了一个label显然是不美观的，因此我们直接将Series的name去掉，你可以尝试注释掉这一行，来看一下会是什么样子。

从上面的饼图可以看到，虽然985高校只有34所，但是其占比达到了1/4，真是让人怀疑这些高校的学生是不是人手一个知乎App。

回答数Top10

这个地方就出现了数据混乱的情况，按理说，回答都是整数，但是这里面的部分数据出现了值为汉字的情况，因此，要想进行下一步的分析，只能先对这些数据进行处理。
使用正则表达式，将非数字全部替换为0，最后把这一列的数据类型转换成整型。

我们这里将用户名作为我们的索引，方便下一步的绘图。

知乎性别比例

词云展示

最后，我们将以上数据中所呈现的专业进行一下词频统计，并制作出词云。

计算机，金融完胜。

既然做到这了，顺便在看一下这些大V的就职公司。

做的非常的粗糙，看到的同学请见谅。
你可以去github下载以上的代码和相应的数据。

github地址: https://github.com/cnkai/data-visualization.git

转载于:https://www.cnblogs.com/cnkai/p/7458235.html