知乎上有一个问题:疫情结束后,你最想做的一件事是什么?
很多人学习python,不知道从何学起。
很多人学习python,掌握了基本语法过后,不知道在哪里寻找案例上手。
很多已经做案例的人,却不知道如何去学习更加高深的知识。
那么针对这三类人,我给大家提供一个好的学习平台,免费领取视频教程,电子书籍,以及课程的源代码!
QQ群:1097524789
有人这样回答,最想见的人就是家楼下烧烤店的老板;最想做的事,就是来一扎啤酒,来几十个串,一个人慢慢悠悠地吃,然后看着周围的人热热闹闹地聊天。
一场疫情,终于不少人明白:原来摇晃的红酒杯,并不是生活的全部。平平淡淡的烟火气才是生活的真谛。
最近,带着烟火气的地摊经济,火了。
这一切都源于成都的一个尝试:3月,成都就出台政策,允许商户在规定区域内临时占道经营。一时间,烧烤摊、服装摊、小商品摊纷纷摆上了路边。
两个月后,成都公布数据显示,解决了10万就业,帮助中心城区餐饮店复工率超98%。原本一季度GDP同比下降3%的成都,一下子又恢复了活力。
人流回来了,城市的活力就回来了。
突然之间,地摊经济成了人们茶余饭后的谈资,许多人都已经开始筹划着摆摊卖什么了。曾经的城管不让摆,到今天的城管喊你来摆摊,地摊经济的时代真的到来了吗?今天我们就带你用数据盘一盘。
1、微博微热点数据
我们先看到微博微热点的数据:
来源:http://www.wrd.cn/goSearch.sht
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"。
2、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%
3、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%。
4、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。
公众号后台回复关键字“地摊”获取完整数据。
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:
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:
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。
经过清洗之后的数据格式如下:
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。