前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
作者:CDA数据分析师
地摊经济火了!微博微热点数据
我们先看到微博微热点的数据:全网热度指数趋势
从全网热度指数的变化趋势来看,地摊经济的热度在6月3日起逐步升温,6月4日9时达到了99.69的峰值。
全网关键词云图
再看到全网关键词云图,在与地摊经济相关的全部信息中, 提及频次最高的词语依次为"地摊经济"、“摆摊"和"全员”。
B站视频弹幕数据
目前在B站上也涌现出许多关于地摊经济的视频。
我们看到其中这个关于成都地摊经济与文化的视频,目前该个视频在B站上播放量达到14.1万,收获了3856条弹幕。
地址:https://www.bilibili.com/video/BV1Ft4y1y7iG?from=search&seid=12113765873623399312
那么这些弹幕中大家都在谈论些什么呢?我们对这些弹幕进行分析整理,让我们看到词云图。
弹幕词云图
可以看到大家讨论最多的就是除了"地摊"、“成都”,还有就是"卫生"、“城管”、“利润"等内容。其中地摊"美食”、“小吃”、“烧烤”、"干净"也是大家十分关注的问题。
是否支持地摊经济弹幕投票
在视频结尾,也发起了你是否支持地摊经济的弹幕投票,支持的打数字1,不支持的打数字2,据统计共有1869条弹幕参与投票,其中91.44%的弹幕表示支持,不支持的仅占8.56%。
微博评论话题数据
再让我们看到对地摊经济讨论呼声最高的微博。
首先看到微博话题:#你会考虑摆地摊吗# 我们共分析整理了3436条评论数据:
可以看到在考虑是否摆地摊时,大家考虑最多的就是"城管"的问题了,曾经的城管不让摆,到今天的城管喊你来摆摊,真是活久见啊。其次"经济"、“营业额”、"收入"等也是大家特别关心的焦点。
下面是 #如果摆地摊你会卖什么# 这个话题,目前该话题共有408.6万的阅读,共3934条讨论, 去重后我们得到3657条数据。
评论词云
通过分析词云可以发现,“贴膜"是许多人都想尝试的地摊项目。其次"烧烤”、“烤冷面”、"煎饼果子"等街头美食是许多人的选择。除了吃的,“卖花”、“饰品”、"袜子"等商品也是很多人想尝试的。有意思的是,"算命"也被多次提到。
再看到 #你的专业摆地摊儿能干啥# 我们共获取1641条讨论数据。
这里就比较有意思了:
我们可以看到比如新闻传播专业的小伙伴选择卖报纸、机械专业选择专业开锁、哲学专业选择看相算命等魔幻操作。
都是哪些人在参与地摊话题的讨论呢?我们对参与话题的微博用户进行了分析,共获得4875条条数据。
微博评论用户性别占比
可以看到,在参与话题的用户中,女性用户占比达到了71.62%,而男性用户仅占28.38%。在地摊经济的话题中,女性用户参与比例远超男性用户。
评论用户地区分布
参与话题的用户都来自哪些地区呢?经过分析整理可以看到,广东、北京、河南地区参与度最高,分布位居前三名。其次是江苏、也有不少参与话题的海外用户。
评论用户年龄分布
地摊经济的话题评论中,用户年龄分布又是怎样的呢?经过分析可见,90后的参与度最高,占比高达70.56%。其次是00后,占比12.58%。然后80后位居第三,占比为9.15%。
摆摊吧 后浪!教你用Python分析微博数据
微博评论数据分析
我们使用Python获取了微博地摊经济话题的热门评论数据和B站热门视频弹幕数据,进行了处理和分析。B站弹幕的爬虫之前已经展示过,此处放上微博评论爬虫关键代码。
01 数据获取
微博分为:微博网页端、微博手机端、以及微博移动端,此次我们选择手机端(https://m.weibo.cn/)进行数据的抓取。
我们要演示的网址如下:
https://weibo.com/5382520929/J4UtmkJUJ?type=comment#_rnd1591495913796
打开上面的网址之后,使用谷歌浏览器的抓包工具,将设备切换到手机端并再次刷新网页。
通过分析网页可以发现,评论的数据是通过动态js进行加载的,分析得到真实的数据请求地址:
https://m.weibo.cn/comments/hotflow?id=4511703964943057&mid=4511703964943057&max_id=140218361800408&max_id_type=0
参数说明如下:
id/mid:评论ID,抓包获取。
max_id/max_id_type: 前一页返回的response数据中。
我们使用requests获取数据,使用json进行解析并提取数据,关键代码如下:
# 导入包
import requests
import numpy as np
import pandas as pd
import re
import time
import json
from faker import Factory
def get_weibo_comment(ids, mid, max_page, max_id=0, max_id_type=0):
"""
功能:获取指定微博的评论数据,数据接口由chrome切换到手机端抓包获取。
注意事项:此程序每次获取的数量有限制,每次获取之后隔5分钟再抓取即可
"""
max_id = max_id
max_id_type = max_id_type
# 存储数据
df_all = pd.DataFrame()
for i in range(1, max_page):
# 打印进度
print('我正在获取第{}页的评论信息'.format(i))
# 获取URL
url = 'https://m.weibo.cn/comments/hotflow?id={}&mid={}&max_id={}&max_id_type={}'.format(ids, mid, max_id, max_id_type)
# 添加headers
headers = {
'User-Agent': Factory().create().user_agent(),
'Referer': 'https://m.weibo.cn/detail/1591254045309',
'cookie': '复制cookie信息',
'X-Requested-With': 'XMLHttpRequest',
}
# 发起请求
try:
r = requests.get(url, headers=headers, timeout=3)
except Exception as e:
print(e)
r = requests.get(url, headers=headers, timeout=3)
if r.status_code==200:
# 解析数据
json_data = json.loads(r.text)
# 获取数据
comment_data = json_data['data']['data']
created_time = [i.get('created_at') for i in comment_data]
text = [i.get('text') for i in comment_data]
user_id = [i['user'].get('id') for i in comment_data]
screen_name = [i['user'].get('screen_name') for i in comment_data]
reply_num = [i.get('total_number') for i in comment_data]
like_count = [i.get('like_count') for i in comment_data]
# max_id
max_id = json_data['data']['max_id']
# max_id_type
max_id_type = json_data['data']['max_id_type']
# 存储数据
df_one = pd.DataFrame({
'created_time': created_time,
'text': text,
'user_id': user_id,
'screen_name': screen_name,
'reply_num': reply_num,
'like_count': like_count
})
# 追加
df_all = df_all.append(df_one, ignore_index=True)
# 休眠一秒
time.sleep(np.random.uniform(2))
else:
print('解析出错!打印最后一次的值', max_id, max_id_type)
continue
return df_all
# 运行函数
if __name__ == '__main__':
# 获取一条微博评论
df = get_weibo_comment(ids='4511703964943057', mid='4511703964943057', max_page=200)
获取到的数据以数据框的形式存储,包含评论时间、评论文本、评论用户id,回复数和点赞数。格式如下所示:
df.head()
02 数据预处理
我们对获取的数据进行初步的处理,主要包含:
- 重复值处理
- created_time:提取时间信息
- text:初步清洗
- user_id:根据用户ID获取用户相关信息,步骤暂略。
# 重复值
df = df.drop_duplicates()
# 转换字典
week_transform = {
'Mon': '星期一',
'Tue': '星期二',
'Wed': '星期三',
'Thu': '星期四',
'Fri': '星期五',
'Sat': '星期六',
'Sun': '星期日'
}
# 提取星期
df['day_week'] = df['created_time'].str.split(' ').apply(lambda x:x[0])
df['day_week'] = df['day_week'].map(week_transform)
# 提取日期时间
df['time'] = df['created_time'].str.split(' ').map(lambda x:x[-1]+'-'+x[1]+'-'+x[2]+' '+x[3])
df['time'] = df.time.str.replace('May', '05').str.replace('Jun', '06')
# text 字段处理
pattern = '<span.*?</span>|<a.*?</a>'
df['text'] = [re.sub(pattern, '', i) for i in df['text']]
# 删除列
df = df.drop(['created_time', 'user_id', 'screen_name'], axis=1)
经过清洗之后的数据格式如下:
df.head()
03 数据可视化分析
我们使用pyecharts和stylecloud进行可视化分析,此处只展示部分代码。
#如果去摆地摊该做什么生意?
def get_cut_words(content_series):
# 读入停用词表
stop_words = []
with open("stop_words.txt", 'r', encoding='utf-8') as f:
lines = f.readlines()
for line in lines:
stop_words.append(line.strip())
# 添加关键词
my_words = ['胸口碎大石', '烤冷面', '贴膜', '卖衣服', '套大鹅']
for i in my_words:
jieba.add_word(i)
# 定义停用词
my_stop_words = ['信公号', '摆地摊', '摆摊', '地摊', '哈哈哈哈', '手机',
'这是', '这是哪', '哈哈哈', '真的', '一千', '专业',
'有人', '我要', '那种', '只能', '好吃', '喜欢', '城管',
'评论', '卖点', '有没有', '秘籍',
]
stop_words.extend(my_stop_words)
# 分词
word_num = jieba.lcut(content_series.str.cat(sep='。'), cut_all=False)
# 条件筛选
word_num_selected = [i for i in word_num if i not in stop_words and len(i)>=2]
return word_num_selected
# 分词
text = get_cut_words(content_series=df.text)
# 获取top10
shengyi_num = pd.Series(text)
num_top10 = shengyi_num.value_counts()[:10]
# 条形图
bar1 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))
bar1.add_xaxis(num_top10.index.tolist())
bar1.add_yaxis('', num_top10.values.tolist())
bar1.set_global_opts(title_opts=opts.TitleOpts(title='如果去摆地摊该做什么生意-Top10'),
visualmap_opts=opts.VisualMapOpts(max_=150)
)
bar1.render()
# 绘制词云图
stylecloud.gen_stylecloud(text=' '.join(text),
collocations=False,
font_path=r'C:\Windows\Fonts\msyh.ttc', # 更换为本机的字体
icon_name='fas fa-pie-chart',
size=768,
output_name='如果去摆地摊该做什么生意.png')
Image(filename='如果去摆地摊该做什么生意.png')
来源:oschina
链接:https://my.oschina.net/u/4408224/blog/4306233