一、我匿名问或答一个问题，这个地球上谁有权限查看我是谁？

匿名用户信息的查看只有一种方式，就是详细分析数据库中的源数据来判定。「知乎」团队能访问数据库的成员不超过两人。

因为「知乎」的匿名状态是可逆的，所以总是会把匿名状态跟用户绑定，通过数据分析发现匿名用户的做法总是不可避免。

未来我们会做一个事情，就是把匿名用户的数据分别放置，且数据访问的权限分离，也就是说，争取做到同时两人配合才能分析数据，才能查看匿名用户信息。

二、千万知乎用户数据分析报告

最近爬取了知乎1000万的用户数据，耗时一周。

使用 ElasticSearch + Kibana 实现数据存储，可视化。

数据爬取时间为 2019年7月 (3-9)日

抓到的数据大部分都是资料不完善，以下分析会过滤掉资料为空的那部分。

涉及到性别：-1：未知，0：女， 1；男

本文思路参考 这里

可以看到北京上海用户数量领跑其它城市，所有城市都是男用户稍占多一点。出现了深圳，深圳市 还有 广州，广州市，因为在知乎的个人资料中，居住地这个选项是手动填写而不是选择。

（这里由于kibana用的不熟，暂时不知道怎么把合并，欢迎知道的朋友告知）

可以看出互联网行业一骑绝尘，领先第二名一倍；而第二名计算机软件也是兄弟行业。比较有意思的是以行业划分的话，有比较多行业女性数量占优（高等教育、临床医学、创意艺术、财务、法律、基础教育、教育、广播电视、广告、培训）。而反观计算机软件、电子游戏、机械设备、电子电器、计算机硬件这些行业男性数量大幅占优。比较意外的是有这么多人从事电子游戏行业，超过了很多传统行业（当然有可能这个职业的人在知乎上比较活跃）。

有了行业分布，我们顺便再看看按照职业划分如何。与参考文章不同的是，现在知乎上学生占比最多，可能是知乎当前目标群体为学生，加大校园推广力度。这里我理解是资本入股后的营收压力，使知乎选择了这样的战略。（另外软件工程师，前端，程序员和算法工程师那夸张的男女比例是什么鬼=.=）

可以看到各高校间的差距并不是特别明显，跟现居城市相对应，北京的清北在前三占据两个席位。杭州在城市中排第三，浙大的学子功不可没。比较有意思的是 克莱登大学（“克莱登大学”原本是钱钟书先生小说《围城》里虚构的骗子学校），另外 中国传媒大学 是前50里边唯一女生数量比男生多的学校。

看完学校，我们最后来看一下专业分布。计算机相关行业占据绝对优势，我想到原因有二：近年来市场对计算机相关人才需求巨大；同时计算机相关人员玩知乎占比较大。法学在前排是让我比较意外的。

看了那么多各种类型的分布，我们来关注一些不一样的

这里列出了关注者数量前30的用户，第一知乎日报应该是知乎官方推荐的账号，张佳伟，丁香医生紧随其后。刘看山也是知乎官方账号，关注者数量似乎还在猛涨，从拉取数据到我写此文几天时间，关注数量涨了20w。轮子哥惊人的22k+回答数显得格外活跃（或许是机器人回答的，谁知道呢。另外经统计轮子哥是目前知乎上回答数量最多的）。

再来看一下被赞的数量最多的有哪些人

可以看到张佳伟，丁香医生还是前排，轮子哥屈居第三。后面又好多用户回答数量并不多，同样收获了好多赞。看看这里面有没有你关注的人吧~

再来对比一下哪些高校被赞数量最多。可以看出清北，浙大，复旦，上交，武大等Top N 学校影响力还是比较大的。另外克莱登大学很顽皮的排到的第三。

看了那么多柱状图，搞个饼图来看一下被关注者数量分布，看看自己在知乎属于什么水平

可以看到大部分知乎用户是没人关注的，如果你拥有一个以上关注者，那么恭喜你打败了75.37%的知乎用户。看来还是很多人跟我一样，是一个知乎小透明~

来一个具体的表格

数据里边有个is_active字段，看起来是一个时间戳。我猜这个字段记录的是用户最后一次登录时间，就这么拿来用咯。

这里从红色开始，逆时针依次是10天，一个月，三个月，半年，一年，两年，三年以上。

可以看出三个月内活跃用户大概占比30%，另外有30%用户近三年没登录过了。

最后我们以一张词云结束本文，大伙可以看看自己专业在图中什么位置

截止目前抓取了 9433740 条数据。今天7小时抓了不到5k条数据，数据增长已经非常缓慢了。带宽占用有10M左右，说明还是在不停的爬取，只是爬到的重复率已经很高了。余下的用户可能在不同的一片森林里，与目前爬取数据没有交集，或者根本就是0关注；也有可能数据接近爬完了。目前程序占了6G内存。今晚再观察一下，如果增长速率还是如此缓慢，明天就把它停掉了~

想了解更多爬取心路历程 请看这篇

这是我第一次搞数据爬取，不足之处 请各大神多多指导 。另外关于数据分析，各位可以想想更多不同的维度，得更有多有趣的内容。结尾附上一条抓取的数据样本。

以上，完...

三、知乎数据分析1元课是真的吗

是。根据查询知乎官网得知，知乎数据分析一元课是真的，知乎，中文互联网高质量的问答社区和创作者聚集的原创内容平台，于 2011年 1月正式上线。

四、matplotlib数据可视化分析――知乎用户地区构成及关注行为分析

1.第六次人口普查各地常住人口

2.2017年知乎用户基本信息

1.知乎用户地区分布状况，筛选知友数量分布top20地区。

2.结合常住人口数据，统计出知友密度最高的top20地区。

3.根据关注情况，查看各大学校友相互关注的程度。

知乎用户数据有缺失值需要清洗，另外 居住地 字段不包含“省”、“市”字样。这里留意，后面会提到。

定义函数data_cleaning(df)，对缺失数据填充，对于“object”类型字段填充“缺失数据”字样，其他类型一律填充0.

设置自定义函数 standard(df,col) ，并返回一个新生成的标准化处理后的字段col_std。运行两次函数，并查看函数运行后的合并列表。

为每个柱子上添加字符，该字符是保留两位小数后的对相应字段标准化处理后的结果。

关注者 人数表示某校用户的个人粉丝数， 关注 人数表示某校用户所关注的人数。按照 教育经历 即用户所在学校名称分组，并对粉丝数和关注人数求和。然后按照关注,关注者两个 字段降序，根据输出的结果将其中不合适的行删除。

点的大小用粉丝数量衡量，点越大，粉丝数越多。

颜色深浅表示关注人数的多寡。

红绿辅助线分别标出粉丝数和关注人数的平均数。

由上图可得出结论：浙大用户的粉丝数最多。武汉大学的用户关注他人最多，华中科技大、北大、浙大次之。