[数据分析贴] 对劳坛帖子的一些数据分析

JeremyKim · 发表于广东广州 2019-3-30 11:16:12

最近换了工作岗位，被老大安排去搞数据分析。由于之前没有接触过，所以先练练手。想到之家里劳坛讨论、发帖之热烈，自然觉得这是一个很好的数据源。因此，采集了劳力士论坛里面，从19年3月29日往前大概30000篇（大致估算）帖子的内容（不包含评论），用来训练算法模型，做词频统计和语义分析。目前暂时得出一些词语频率的统计，在此和各位表友分享一下。
PS.因为刚入数据分析的坑，写的分析代码可能不太好，部分数据都应该存在漏算或者重复计数的情况，但对总体分布影响应该不大，大家就了解一下大致，不能作为准确数据。
PSS.不要说我统计这些数据很无聊，只是拿来练手，也为工作做技术储备，又能将将成果反馈给表友，是利己乐人的一件事哈。

跑完程序，没有出错！

首先是劳力士各个系列的分布，尽可能将一些我们口语昵称归类，比如“黑鬼”归类到潜航者一类。（探险家的数据有问题，词典做得不好，有些昵称没有收录到，数字型号也没有收录）ps：补充一个数据空中霸王型：420

一些常见机芯型号在帖子里提及的分布

“咸甜党”类型提及次数的对比

国内地区提及次数的分布（只列出较常见城市和省份）

国外地区提及次数的分布。因为对部分国外城市不了解，无法做到从城市归类到国家。

常见争议提及数量

其他比较高频的词语。为什么要加上“老婆”，因为发现很多表友购表都要跟家里那位斗智斗勇，所以加上这个数据让大家乐呵一下哈哈。

猪重肥 · 发表于广东广州 2019-3-30 11:18:53

哈哈哈哈哈

平林漠漠 · 发表于北京 2019-3-30 11:24:00

“理性”才被提及33次？不能吧，理性哥一人起码说了上千次。理性玩表，理性买表，钱包舒坦，自己舒坦。

gsznihao · 发表于江苏常州 2019-3-30 11:26:50

提示: 作者被禁止或删除内容自动屏蔽

JeremyKim · 发表于广东广州 2019-3-30 11:27:18

平林漠漠发表于 2019-3-30 11:24
“理性”才被提及33次？不能吧，理性哥一人起码说了上千次。理性玩表，理性买表，钱包舒坦，自己舒坦。{:1_ ...

因为没有采集帖子的评论，而且代码写不好，会有漏掉的

JeremyKim · 发表于广东广州 2019-3-30 11:27:43

猪重肥发表于 2019-3-30 11:18
哈哈哈哈哈
[来自iPhone客户端]

乐呵一下六个字

Wilson_LU · 发表于浙江绍兴 2019-3-30 11:31:25

提示: 作者被禁止或删除内容自动屏蔽

表中宝沃 · 发表于英国 2019-3-30 11:36:05

提示: 作者被禁止或删除内容自动屏蔽

表中宝沃 · 发表于英国 2019-3-30 11:37:15

提示: 作者被禁止或删除内容自动屏蔽

JeremyKim · 发表于广东广州 2019-3-30 11:44:06

表中宝沃发表于 2019-03-30 11:37
你又贡献了四次！

谢谢老哥支持！没有采集评论内容，所以不算数的哈哈。而且之后的帖子不采集了。

认证表主

元老勋章

认证表主

认证表主

认证表主

认证表主

认证表主

认证表主