前言：
-
有一次一个人去餐厅吃饭
一个美女走过来问我：帅哥，请问这里有人么？
我羞涩的回答到：嗯美女，没有人
然后。。。她就把椅子搬走了
Paste_Image.png
声明：
- 此文仅用于学习、研究，请不要非法使用。
- 任何由此引发的法律纠纷自行负责。
-
鲁迅说过：码农抓到的数据怎么能叫偷呢
鲁迅说过.png
步骤：
- Charles抓包。
- 写python脚本，从抓取的结果里面读取数据。
- 数据塞进sqlite里面。
- 数据导出到csv文件。
- 数据分析：csv文件可以自己写python代码进行分析，也可以上传到类似bdp.cn的网站或者其他类似工具进行分析。
踩坑：
- token的期限比较短，app推出后token就会失效，所以app要一直开着。
- 很多无效的数据，不知道是刷了数据还是有用户被删除，将近8万个连续无效用户数据。之前没有记录这些无效用户，后来还是记录了，打了标记，便于分析。
- 有的数据里面有‘,’符号，在转json的时候会变成多份数据，解决方法：
'|'.join(decoded['key_info'].split(','))
- 处理出生地“广东 深圳”，增加两个额外字段：
ht_province, ht_city = decoded['hometown'].split(' ')[0], decoded['hometown'].split(' ')[1]
- 没开多线程，大概10w条数据，跑的还蛮久的 = =
数据：
-
日活跃：
日活跃.png -
男女比例：
男女比例.png -
手机比例：
手机比例.png -
付费情况：
- 占比还挺好的，将近50%的人付费
-
男生付费用户比女生多一半，女生都很节俭啊，很好
付费情况.png
-
学历情况：
- 本科人数最多，大专第二
- 硕士跟高中学历紧跟其后
-
像我这种小学生不多
学历情况.png
-
学校
-
深大的妹纸很多啊
学校.png
-
-
年龄段分布：
年龄主要集中在1983～1994(900人以上)
峰值在1988年
前三甲：1988，1990，1989
看着这么多“中年人”，我们这些老年人也很绝望啊
年龄段分布.png
年龄段分布.png -
身高分布：
身高分布.png -
体重分布：
体重分布.png -
职业&企业：
- 科技行业排第一啊，主要是腾讯
-
银行，教师，医院，财务，紧跟其后
职业.png
企业.png
-
婚恋情况：
婚恋情况.png -
现居住地：
-
来的都是深圳人
现居住地.png
-
-
用户出生地：
-
前三甲：深圳，湖南，湖北
用户出生地.png
用户出生地.png
-
-
有效用户占比：
- 为-1的都是无效用户，有效用户大概只有20%
- 原因未知，不知道是测试数据，还是有用户退出，或者是非法用户被删
-
这些用户基本上都是连号
Paste_Image.png
-
生肖：
生肖.png -
星座：
星座.png
代码(简陋)：
分析数据报表链接：
后记：
- 不研究一下大数据你都不知道有多绝望(妹纸有多难找&创业有多难)！
Paste_Image.png
