用数据分析网络暴力有多可怕

可视化代码如下。

def create_follows(df): 
    """ 
    生成评论用户关注数情况 
    """ 
    df = df.drop_duplicates('id') 
    follows = df['follows'] 
    bins = [0, 10, 20, 50, 100, 200, 500, 1000, 2000, 5000, 10000, 20000] 
    level = ['0-10', '10-20', '20-50', '50-100', '100-200', '200-500', '500-1000', '1000-2000', '2000-5000', '5000-10000', '10000以上'] 
    len_stage = pd.cut(follows, bins=bins, labels=level).value_counts().sort_index() 
    # 生成柱状图 
    attr = len_stage.index 
    v1 = len_stage.values 
    bar = Bar("评论用户关注数分布情况", title_pos='center', title_top='18', width=800, height=400) 
    bar.add("", attr, v1, is_stack=True, is_label_show=True, xaxis_interval=0, xaxis_rotate=30) 
    bar.render("评论用户关注数分布情况.html") 

04 评论用户粉丝数分布

这里发现粉丝数为「0-10」的用户不少，估摸着应该是水军在作怪了。

粉丝数为「50-100」的用户最多。

可视化代码如下。

def create_follows(df): 
    """ 
    生成评论用户关注数情况 
    """ 
    df = df.drop_duplicates('id') 
    follows = df['follows'] 
    bins = [0, 10, 20, 50, 100, 200, 500, 1000, 2000, 5000, 10000, 20000] 
    level = ['0-10', '10-20', '20-50', '50-100', '100-200', '200-500', '500-1000', '1000-2000', '2000-5000', '5000-10000', '10000以上'] 
    len_stage = pd.cut(follows, bins=bins, labels=level).value_counts().sort_index() 
    # 生成柱状图 
    attr = len_stage.index 
    v1 = len_stage.values 
    bar = Bar("评论用户关注数分布情况", title_pos='center', title_top='18', width=800, height=400) 
    bar.add("", attr, v1, is_stack=True, is_label_show=True, xaxis_interval=0, xaxis_rotate=30) 
    bar.render("评论用户关注数分布情况.html") 

05 评论时间分布

潘老师是在17时发出微博的，但是那时并没有大量的评论出现，，那个小时一共有1237条评论。

直到蔡徐坤在18时评论后，微博的评论一下就上去了，24752条。

而且目前一半的评论都是在蔡徐坤的回复底下评论，点赞数多的也大多都在其中。

不得不说蔡徐坤的粉丝力量真大，可怕可怕~

（编辑：源码门户网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!