背景
近期，群主凡人求索和他的小伙伴们一起组织了疯狂数据分析小组，通过有计划的输入，每周总结一篇数据类文章，分别投稿到 疯狂数据分析专题 ，并坚持一年时间。
组长上周发布的作业为制定数据分析学习计划，并发布在疯狂数据分析专栏，截止时间为：2018年12月17号12点。
本篇报告通过收集疯狂数据分析专栏成员交作业的情况，对学员学习情况进行分析。
数据获取
获取数据方法借鉴了群主凡人求索的文章 数据分析实战---通过爬虫管理社群作业
基本思路：requests+BeautifulSoup+pymysql，将爬取到的数据保存到MySQL中。
爬取数据字段：name：简书用户ID title：文章标题 publish_time:发布时间 word_age 字数
数据导入
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import pymysql
dbconn = pymysql.connect(host='localhost',database='spiders',user='root',password='123',port=3306,charset='utf8')
sqlcmd = "select * from exercise2"
data = pd.read_sql(sqlcmd,dbconn)
data.info()
data.head()
data.name.nunique()
整体情况
数据样本.PNG
截止到12月17号上午10点疯狂数据分析专栏共收录了69篇文章，共有51名成员在专栏上发布了他们的学习计划。
数据清洗
发布时间
from dateutil.parser import parse
data.publish_time = data.publish_time.str.strip('*') #清楚发布时间里面多余的*
for i in data.publish_time:
i = parse(i)
data.publish_time = pd.to_datetime(data.publish_time) #将发布时间转化为datetime类型
data['date'] = data.publish_time.dt.day
data['hour'] = data.publish_time.dt.hour
字数
data.word_age = data.word_age.str.strip('字数') #删除字数字段多余的“字数”
data.word_age = data.word_age.astype('int') #将类型转换为int类型
数据分析
提交作业时间
第一周成员提交作业时间
大部分成员在15号和16号提交作业，也就是上周六和周天的时候。
一天中提交作业次数变化对比
作业提交次数较大的集中在两个时间段：上午11点-12点，晚上22点-24点
文章发布篇数
data.groupby(['name'])['title'].count().sort_values(ascending = False).head(5)
文章发布篇数.PNG
夜希辰和我们的群主大大凡人求索在上一周中都输出了5篇文章。1点点De小任性、，Lykit01，肖月_1d28发布了3篇文章。大部分成员都只发布了1篇文章，完成基本任务。
文章字数
data.groupby(['name'])['word_age'].sum().describe()
文章字数.PNG
累计文章字数最多的在上一周中已写了8617字，最少的写了64个。可以看出差别蛮大！平均每位成员的写作字数为903字。看看你达到平均水平了吗？ 小佳我可以很自豪的说，嗯。。 及格了！
data.groupby(['name'])['word_age'].sum().sort_values(ascending = False).head(5)
累计写作字数.PNG
累计写作字数最多的是夜希辰8617个字，其次是Lykit01，1点点De小任性。
文章标题词云分析
from wordcloud import WordCloud
import jieba
text = ''
for line in data['title']:
text += line
cut_text = ' '.join(jieba.cut(text))
cloud = WordCloud(background_color='white',font_path = './fonts/simhei.ttf',max_words = 1000)
word_cloud = cloud.generate(cut_text)
plt.imshow(word_cloud)
plt.axis("off")
plt.show()
文章标题词云
不用多说 学习计划 数据分析 Python SQL 统计学
符合组长定下的目标，第一周：制定数据分析学习计划
总结
- 疯狂数据分析学习小组在上一周中共收录了69篇文章，51名成员在专栏上发表了他们的学习计划。
- 大部分成员在周六周天发布他们的文章。
- 成员活跃的时间段：11-12点 22-24点
- 大部分发表的文章篇数 1篇，最多的在一周中已发表5篇文章。
- 平均写作字数 903字，最多的累计写作字数达到8617字。
- 文章主题：制定数据分析学习计划！
