上回說到糗事百科段子的分析，今天對(duì)另外一張表，也就是用戶信息表的分析。

數(shù)據(jù)預(yù)處理

• 導(dǎo)入數(shù)據(jù)

import pandas as pd
import pymongo
import jieba.analyse
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
client = pymongo.MongoClient('localhost',port = 27017)
qiushi = client['qiushi']
qiushi_info = qiushi['qiushi_info']
data1 = pd.DataFrame(list(qiushi_info.find()))

qiushi = client['qiushi']
user_info = qiushi['user_info']
data2 = pd.DataFrame(list(user_info.find()))

data1為段子信息，data2為用戶信息，二個(gè)表都有用戶url，我們可以將其merge。

• merge

all_data = pd.merge(data1,data2,on='user_url')
all_data

• 去重
  由于有些高玩用戶發(fā)過多個(gè)段子，所以這里需要去重，通過用戶id獲取唯一值。

data3 = all_data.drop_duplicates(['id'])

段子手星座分布

對(duì)于數(shù)字類的分析，上次已經(jīng)講過幾個(gè)，我主要是對(duì)段子手的星座和地區(qū)感興趣，今天就分析下，大家也可以每個(gè)維度都分析下。

xingzuo = data3.groupby('constellation').size()

plt.figure(figsize=(10,6),dpi=80)
labels = list(xingzuo.index)
sizes = list(xingzuo)
plt.xlabel('星座')
plt.ylabel('用戶個(gè)數(shù)')
plt.title('糗事百科用戶星座分布圖')
plt.bar(range(len(sizes)),sizes,tick_label=labels,color='#99CC01',alpha=0.7)#alpha為透明度
plt.grid(color='#95a5a6',linestyle='--', linewidth=1,axis='y',alpha=0.6)
plt.legend(['用戶個(gè)數(shù)'])
for x,y in zip(range(len(sizes)),sizes):
    plt.text(x, y,y, ha='center', va= 'bottom')

除了不詳?shù)闹?，天秤座用戶最多，白羊座最少?/p>

天秤座常常追求和平和諧的感覺，他們善于交談，溝通能力極強(qiáng)是他們最大的優(yōu)點(diǎn)。但他們最大的缺點(diǎn)，往往是猶豫不決。天秤座的人容易將自己的想法加諸到別人身上，天秤座的人要小心這點(diǎn)

白羊座就像小孩子一樣，直率、熱情、沖動(dòng)，但也十分的自我為中心和孩子氣

段子手地區(qū)分布

如圖，數(shù)據(jù)是分省和市的，我們只提取省的數(shù)據(jù)，這部分可以在爬蟲時(shí)進(jìn)行處理。

list_1=[]
for i in range(0,273):
    list_1.append(data3.iat[i,-6].split('· ')[0])
data3['province'] = list_1
data3

sheng = data3.groupby('province').size()
plt.figure(figsize=(20,6),dpi=80)
labels = list(sheng.index)
sizes = list(sheng)
plt.xlabel('省市')
plt.ylabel('用戶個(gè)數(shù)')
plt.title('糗事百科用戶省市分布圖')
plt.bar(range(len(sizes)),sizes,tick_label=labels,color='#99CC01',alpha=0.7)#alpha為透明度
plt.grid(color='#95a5a6',linestyle='--', linewidth=1,axis='y',alpha=0.6)
plt.legend(['用戶個(gè)數(shù)'])
for x,y in zip(range(len(sizes)),sizes):
    plt.text(x, y,y, ha='center', va= 'bottom')

大家看看，哪個(gè)省盛產(chǎn)段子手。我們也可以調(diào)用百度api，獲取省的經(jīng)緯度，然后用BDP畫出這樣的地圖。

總結(jié)

通過2個(gè)案例主要講解了python數(shù)據(jù)分析的基本流程。

• 數(shù)據(jù)導(dǎo)入
• 數(shù)據(jù)預(yù)處理
• 數(shù)據(jù)整合
• 數(shù)據(jù)可視化