作為一個(gè)熱愛編程的大學(xué)生，怎么能不知道面向 stackoverflow 編程呢。

打開 stackoverflow 主頁，在 questions 頁面下選擇按 vote 排序，爬取前 20000 頁，每頁將問題數(shù)量設(shè)置為 50，共 1m 條，（實(shí)際上本來是想爬完 13m 條的，但 1m 條后面問題基本上都只有 1 個(gè)或 0 個(gè)回答，那就選取前 1m 就好吧）

實(shí)際上用數(shù)據(jù)庫去重后只有 999654 條問答信息

對(duì)爬取數(shù)據(jù)進(jìn)行簡(jiǎn)單分析

votes 分析

降序排列了 votes 數(shù)，生成折線圖

Votes折線圖

votes 數(shù)的連續(xù)分布情況

votes甘特圖

具體數(shù)據(jù)

如果以 100 為分界線的話，會(huì)得到這樣的一個(gè)餅圖

pie_votes_1

再來看看底層的數(shù)據(jù)

可見 votes 小于 20 的，數(shù)量高達(dá) 84m
看看總體的比例吧

pie_votes_2

answers 分析

降序排列了 answers 數(shù)，生成折線圖

answers折線圖

answers 數(shù)的連續(xù)分布情況

answers甘特圖

具體數(shù)據(jù)

大于 30 的確實(shí)少的可憐，看看總體情況

pie_answer_1

views 分析

降序排列了 views 數(shù)，生成折線圖

views折線圖

views 數(shù)的連續(xù)分布情況

views甘特圖

具體數(shù)據(jù)

大部分問答的 views 數(shù)還是集中在 20000 以內(nèi)
還是得看看總體分布

bubble_views

再看看 votes，views，answers 三者的散點(diǎn)圖對(duì)應(yīng)情況

votes - views

votes-views散點(diǎn)圖

votes - answers

votes-answers散點(diǎn)圖

views - answers

views-answers散點(diǎn)圖

總的來說，這三者對(duì)應(yīng)關(guān)系類似于一個(gè)金字塔。三個(gè)圖基本上都是左下角靠近原點(diǎn)的區(qū)域被填滿，也就是說絕對(duì)大部分的問題的 votes，answers 和 views 都是屬于最下層的。高質(zhì)量活躍的問題是處于金字塔頂端的。三者的最高數(shù)好像也沒特別明顯的對(duì)應(yīng)關(guān)系，且三者的最高數(shù)都不是同一個(gè)問題。

根據(jù)所有問題的 tags 提取出總量前 200 的關(guān)鍵詞（前 50 條如下），第 1 名是 c#，python 排在第 5

('c#', 94614),
('java', 93244),
('javascript', 76722),
('android', 69321),
('python', 62502),
('c++', 58173),
('php', 42596),
('ios', 37773),
('jquery', 37405),
('.net', 36180),
('html', 28536),
('css', 26174),
('c', 24699),
('objective-c', 23253),
('iphone', 22171),
('ruby-on-rails', 20143),
('sql', 19171),
('asp.net', 18060),
('mysql', 17559),
('ruby', 16397),
('r', 15670),
('git', 13139),
('linux', 13080),
('asp.net-mvc', 12857),
('angularjs', 12606),
('sql-server', 12473),
('node.js', 12212),
('django', 11576),
('arrays', 11006),
('algorithm', 10959),
('wpf', 10631),
('performance', 10619),
('xcode', 10613),
('string', 10426),
('windows', 10132),
('eclipse', 10117),
('scala', 9942),
('regex', 9685),
('multithreading', 9601),
('json', 9266),
('swift', 8950),
('c++11', 8939),
('haskell', 8823),
('osx', 8159),
('visual-studio', 8140),
('html5', 7627),
('database', 7567),
('xml', 7478),
('spring', 7464),
('unit-testing', 7253),
('bash', 6825)

這樣看好像不太直觀，所以就把它根據(jù)詞頻生成了詞云

詞云

因?yàn)槭怯?Python 寫的爬蟲，所以重點(diǎn)來分析下 Python 類的問答

votes 數(shù)前 10

• 6162 : What does the “yield” keyword do in Python?
• 3529 : What is a metaclass in Python?
• 3098 : How do I check whether a file exists using Python?
• 3035 : Does Python have a ternary conditional operator?
• 2620 : Calling an external command in Python
• 2605 : What does if name == “main”: do?
• 2194 : How to merge two Python dictionaries in a single expression?
• 2123 : Sort a Python dictionary by value
• 2058 : How to make a chain of function decorators?
• 1984 : How to check if a directory exists and create it if necessary?

answers 數(shù)前 10

• 191 : Hidden features of Python [closed]
• 87 : Best ways to teach a beginner to program? [closed]
• 55 : Favorite Django Tips & Features?
• 50 : How do you split a list into evenly sized chunks?
• 44 : Calling an external command in Python
• 43 : How can I represent an 'Enum' in Python?
• 38 : How to merge two Python dictionaries in a single expressions
• 38 : Finding local IP addresses using Python's stdlib
• 37 : Reverse a string in python without using reversed or [::-1]
• 37 : How do I check whether a file exists using Python?

views 數(shù)前 10

• 2121621 : Parse String to Float or Int
• 1905938 : Using global variables in a function other than the one that created them
• 1888666 : How do I check whether a file exists using Python?
• 1827126 : Calling an external command in Python
• 1699574 : Converting integer to string in Python?
• 1686230 : How do I read a file line-by-line into a list?
• 1682307 : Iterating over dictionaries using 'for' loops in Python
• 1569205 : How to get the size of a list
• 1554755 : How do I install pip on Windows?
• 1515505 : Finding the index of an item given a list containing it in Python

三者的前 10 中有 2 個(gè)問題是完全重疊的，分別是

• How do I check whether a file exists using Python?
• Calling an external command in Python

Github 源碼

• 爬取 Stackoverflow100 萬條問答
• 歡迎 Fork 和 Star