醫療大數據知乎知乎

A. 知乎核心用戶大數據報告

最近寫了個爬蟲，將知乎 3W 核心用戶的公開資料爬了下來。雖然知乎聲稱注冊用戶有 6500 萬，日活躍用戶有 1850 萬，但其中很大一部分用戶是三無用戶。由於該部分用戶公開的數據並不多，再且新版知乎伺服器對於單 IP 最大請求量有限制（大概每秒一次左右），所以我只爬了最核心的 3W 用戶。

我的爬蟲規則是這樣的：從關注量上萬的知乎大 V 中隨機抽取 10 個作為種子，依次爬取其關注的人，再從其關注的人爬取關注的人的關注的人，如此遞歸。也就是說爬蟲的規則保證了進入資料庫的每一個人至少有一個關注者。以下的數據分析均來自於爬蟲所得到的資料，所以要是報道上面出了偏差，還請大家見諒。

首先是對知乎用戶的職業描述進行詞雲分析，列出前一百的高頻詞，結果如下。

在職業描述中進行高頻詞分析，「互聯網」以 4552 次頻率完勝，然後是」大學「緊隨其後，其頻率是 2163 。這和我們平時所看到的互聯網從業者和名校學生佔領內容輸出的主力一致。這一百個高頻詞也囊括了知乎用戶的興趣，居住地等信息，不過這些我們以後還會仔細分析。

我們先來看看知乎的各種「最」。最高贊同數，最多關注者，寫得最多答案，分別是哪些呢？

首先是最高贊同數的排行榜。

在贊同數上面， @張佳瑋 老師以一己之力超越了第二名一倍不止，可謂是穩拿的冠軍。然後前五名是 @肥肥貓 ，@朱炫 ，@唐缺 ，@馬前卒 。輪子哥排在了第六名。

然後我們來看最多關注者排行榜。

在關注者排行榜上， @張佳瑋 老師還是遙遙領先於 @李開復 老師。再往後走就是知乎的大佬 @黃繼新 和 @周源 ，再往後是 @yolfilm 。

我們再來看寫的答案最多排行榜。

@Phil 以極高的產量勇奪答案數最高 Top1，而素有」輪帶逛「之稱的 @vczh 只能屈居第二。排行前五的有 @王若楓 、@柴健翌 、@zhen-liang 等大 V 。

再來看看提問最多排行榜。

@David Chang 以 2684 個提問排行第一，以未來知識圖譜聞名的 @圖靈Don 排行第二。排行前五的還有 @歆鹽 ， @程瀚 、 @張亮 。

然後是 BAT 三廠的員工數量比較，這個比較基於爬取到的的用戶職業描述詞頻進行統計。

可以看到鵝廠員工在知乎比例最高，阿里次之（詞頻： 0.004554 ），熊廠稍稍落後。

都說知乎是 985 / 211 滿天飛的地方，那麼清北復交浙到底哪家強呢？

可以看到北京大學和清華大學的詞頻不相上下，後面那三位還需加把勁啊。

在移動智能時代，Android 、iOS 、WEB 前端工程師在當今軟體開發中簡直大放異彩。那麼知乎哪一種程序員最多呢？

結果是前端詞頻遠高於 Android 和 iOS ，其實差那麼一點點就是 Android 和 iOS 的和了。這么說吧，你可能是堅定喬布斯 less is more 信念的果粉，也可能是擁抱開源的 Android 粉，可是所有人都需要瀏覽網頁，不是嗎：）

然後我還比較好奇知乎用戶的普遍興趣愛好是什麼。

結果發現健身獨占鰲頭般佔領榜首。看來知乎上還是普遍推崇健身提高顏值提高自身吸引力。可是為什麼閱讀的比例是最底的呢？為此我只能假設知乎上的同學學習效率都比較高，在完成基本的閱讀任務後去了另外的領域探索更大的世界。又或者說閱讀，相對於旅遊健身攝影來說，對於提升自身的價值性價比並不是很高，因而大家更傾向於去健身房，去旅遊，去拍照吧。

知乎用戶地域分布。

詞頻集中分布在北上廣深杭四川浙江江蘇等地方。和個人的主觀印象是相似的。畢竟以上顏色較深的都是互聯網行業比較發達的省份。

然後就是大家最關心的知乎男女比例問題了。

在爬到的用戶數據中，男性比例佔了67.8%，女性只佔了32.2%。也就是說男女比例比2：1還要大。

看到這里，你可能會反駁我說知乎初始用戶的性別就是男性啊，這樣子搞個大新聞是不行的。我也覺得挺有道理的，於是進一步篩選了核心中的核心部分用戶，篩選條件為粉絲數大於200且贊同數大於400的用戶，這下采樣應該准確了吧。然後有了下圖。

女性的比例降到了30.1%，男性比例相應為69.9%。這個數據比之前的數據更為不平衡。所以說女性用戶在知乎更為稀缺，也顯得更為珍貴。

所以，與其說知乎是一個高質量的問答社區，還不如說：

作者：彭家進 來源：知乎

B. 大數據和雲計算之間有什麼關系 知乎

雲計算是利用軟硬體技術使用計算機的閑置計算能力或者利用計算機集群實現強大的計算能力，大數據是說對於數據的收集，清洗，提取然後分析歸類利用，大數據的分析和處理會用到雲計算的技術，簡單來說就是這樣。

C. 零基礎怎麼進入大數據行業 知乎

趨勢一：數據的資源化
何為資源化，是指大數據成為企業和社會關注的重要戰內略資源，並已成為大容家爭相搶奪的新焦點。因而，企業必須要提前制定大數據營銷戰略計劃，搶占市場先機。
趨勢二：與雲計算的深度結合
大數據離不開雲處理，雲處理為大數據提供了彈性可拓展的基礎設備，是產生大數據的平台之一。自2013年開始，大數據技術已開始和雲計算技術緊密結合，預計未來兩者關系將更為密切。除此之外，物聯網、移動互聯網等新興計算形態，也將一齊助力大數據革命，讓大數據營銷發揮出更大的影響力。
趨勢三：科學理論的突破
隨著大數據的快速發展，就像計算機和互聯網一樣，大數據很有可能是新一輪的技術革命。隨之興起的數據挖掘、機器學習和人工智慧等相關技術，可能會改變數據世界裡的很多演算法和基礎理論，實現科學技術上的突破。
趨勢四：數據科學和數據聯盟的成立
未來，數據科學將成為一門專門的學科，被越來越多的人所認知。各大高校將設立專門的數據科學類專業，也會催生一批與之相關的新的就業崗位。與此同時，基於數據這個基礎平台，也將建立起跨領域的數據共享平台，之後，數據共享將擴展到企業層面，並且成為未來產業的核心一環。

D. 沉迷於知乎有什麼害處

浪費時間，不主動思考問題，而是想著看看大V們怎麼說。

知乎現在已經不是有理的有干貨高贊，很多都是順應大家情緒的高贊了。看知乎上的社會類問答現在需要像看新聞一樣時刻思考著，這個答案里有哪些語句帶著個人情緒，有哪些措辭在故意帶節奏，有哪些理論是未經考證的。這就意味著你看個知乎，你還要各答案交叉比對。看科普類的看完了你得看看他有沒有那個知識，別像以前有個教護膚的大v似的，自己都半瓶子水晃盪還說什麼科學。

拓展資料

知乎面臨的問題：

有價值問題佔比變小。很多注冊完知乎的人，不肯自己探索而是一味的提問。問答社區宗旨是解決一些較難解決的問題，倘若自己已經可以找到答案，卻因為懶惰，不斷的提出近乎幼稚的問題，那麼這樣的問答社區的問題質量無疑會慢慢下降。

相似問題的泛濫。有一個比較經典的相似問題被提問了相當多次數：如何查看自己是知乎的第幾號注冊者。這個問題在四個月前已經得到解答，並且歸檔不再增加新的答案。然而筆者依然時不時可以看到這個問題的重復泛濫。就像提到的那樣，知乎注冊用戶的質量在不斷下降，而且懶惰的人越來越多——他們甚至不願搜索一下這個問題是否得到解決。

網路-知乎 面臨的問題

E. 知乎上有哪些關於大數據，推薦系統，機器學習之類的專欄

學習，掌握，利用……
其實，看起來是一年一個概念，實際上是有關聯的！
正是有了大數據，所以有了大數據分析
正是有了大數據分析，並且還有效，於是有了大數據這個概念。
正是因為人力處理大數據較為吃力，所以有了利用線性回歸，自歸納規律等辦法的深度學習來處理大數據的概念。
人工智慧與深度學習本是50年代就已經提出來的，因為難以利用被拋棄。
因為能處理大數據，深度學習從冷宮中走出來，順便把人工智慧也捎帶出來了而已。
三者像偶然，又是種必然！
短時間內，不會再有新的概念出現了，人工智慧是個很難啃的餅，至少得啃很多年的。
啃這個餅的時候，各行各業都會扯進來，用經驗幫助人工智慧進步，同時又改進各行各業。
目前來說，對人工智慧的未來，一切猜測都是沒有堅實基礎的，誰也不能保證一定成功，或者一定失敗。只有專注其中，你才會真正認識它。

F. 有沒有直接獲取知乎內容大數據的軟體

這個可以說目前估計夠嗆有吧，不論是什麼軟體，我想都不會輕易讓他人獲取屬於自己的資料庫內容的。
當然了，這只是本人的認知，不確定有沒有這樣的一個軟體。

G. 知乎機構號賬戶怎麼做數據分析

肯定要先確定一下你想做什麼，也就是需要分析什麼。例如分一下大家都愛看什麼類型的消息這種。

然後就走個平台唄，中小企業或個人很難具備大數據分析能力，想更專業更准確還是找專業的大數據公司吧，例如前嗅，網頁鏈接

要是找數據公司就簡單了，說需求，然他們做，一般也就三兩天就能出結果。

H. 大數據最核心的價值是什麼 知乎

核心價值，當然是透過分析而得出的藏在數據之中的規律
大數據，要經過數據分析，才能展現出它的價值所在