[Python舆情分析] 二.时间间隔分布研究及幂律分布图绘制

本文来自这里

幂律分布

• 在我们的日常生活中Power Law（幂次分布，Power-law Distributions）是常见的一个数学模型，如二八原则。这个世界上是20%的人掌握80%的人的金钱去经营，20％的人口拥有80％的财富，20％的上市公司创造了80％的价值，80％的收入来自20％的商品，80％的利润来自20％的顾客等等。

为什么会有这样的差别呢？

• 这是因为时间的乘积效应，智力上的微弱优势，乘以时间，就会得到价值（财富）几何级的增长。经济学财富分布满足Pareto Power law tail分布，语言中有词频的幂律分布，城市规模和数量满足幂律分布，音乐中有f分之1噪音（幂律分布）。通常人们理解幂律分布就是所谓的马太效应，二八原则，即少数人聚集了大量的财富，而大多数人的财富数量都很小，因为胜者通吃的原则。

时间间隔分布胖尾图

核心步骤如下

• 收集数据，我还是用的excel
• 对评论时间数组进行排序，然后依次获取两两评论时间的时间间隔
• 通过函数计算myset内容的无重复项，并统计每个时间间隔出现的频次
• 最后绘制Pow-low幂律分布图

代码

# -*- coding: utf-8 -*-
import pandas as pd
from datetime import datetime
import matplotlib.pyplot as plt
import matplotlib.font_manager

# 读取数据
df = pd.read_csv("data1.csv", encoding='GB18030')
# 处理数据
t = df.values.tolist()
PLTimeList = []  # 评论时间列表
Period = []  # 时间间隔
PeriodSeconds = []  # 时间间隔秒
for i in t:
    PLTimeList.append(datetime.strptime(i[5], "%Y-%m-%d %H:%M:%S"))
PLTimeList.sort()  # 时间排序
PLTimeList.reverse()  # 列表中元素反向

# 获取时间间隔再赋值给列表
for i in range(0, len(PLTimeList) - 1):
    # print(PLTimeList[i])
    cnt = (PLTimeList[i] - PLTimeList[i + 1])
    Period.append(cnt)
# 获取秒
for i in Period:
    PeriodSeconds.append(i.seconds)

# myset是另外一个列表,里面的内容是mylist里面的无重复项
x = []
y = []
myset = set(PeriodSeconds)
for item in myset:
    x.append(item)
    y.append(PeriodSeconds.count(item))  # 通过已过滤的时间统计之前PeriodSeconds中的出现次数作为y,为数量总数量

# 绘图显示中文字体和负号
plt.rcParams['font.sans-serif'] = ['SimHei']
myfont = matplotlib.font_manager.FontProperties(fname='C:/Windows/Fonts/msyh.ttf')
plt.rcParams['axes.unicode_minus'] = False
font1 = {'family': 'Times New Roman', 'weight': 'normal', 'size': 26}

# plt.subplot(111)
plt.plot(x, y, 'ko')
plt.yscale('log')
plt.ylabel('P', font1)
plt.xlabel('timespan', font1)
plt.xscale('log')
plt.ylim(0.5, 20)
plt.show()