医疗大数据知乎知乎

A. 知乎核心用户大数据报告

最近写了个爬虫，将知乎 3W 核心用户的公开资料爬了下来。虽然知乎声称注册用户有 6500 万，日活跃用户有 1850 万，但其中很大一部分用户是三无用户。由于该部分用户公开的数据并不多，再且新版知乎服务器对于单 IP 最大请求量有限制（大概每秒一次左右），所以我只爬了最核心的 3W 用户。

我的爬虫规则是这样的：从关注量上万的知乎大 V 中随机抽取 10 个作为种子，依次爬取其关注的人，再从其关注的人爬取关注的人的关注的人，如此递归。也就是说爬虫的规则保证了进入数据库的每一个人至少有一个关注者。以下的数据分析均来自于爬虫所得到的资料，所以要是报道上面出了偏差，还请大家见谅。

首先是对知乎用户的职业描述进行词云分析，列出前一百的高频词，结果如下。

在职业描述中进行高频词分析，“互联网”以 4552 次频率完胜，然后是”大学“紧随其后，其频率是 2163 。这和我们平时所看到的互联网从业者和名校学生占领内容输出的主力一致。这一百个高频词也囊括了知乎用户的兴趣，居住地等信息，不过这些我们以后还会仔细分析。

我们先来看看知乎的各种“最”。最高赞同数，最多关注者，写得最多答案，分别是哪些呢？

首先是最高赞同数的排行榜。

在赞同数上面， @张佳玮 老师以一己之力超越了第二名一倍不止，可谓是稳拿的冠军。然后前五名是 @肥肥猫 ，@朱炫 ，@唐缺 ，@马前卒 。轮子哥排在了第六名。

然后我们来看最多关注者排行榜。

在关注者排行榜上， @张佳玮 老师还是遥遥领先于 @李开复 老师。再往后走就是知乎的大佬 @黄继新 和 @周源 ，再往后是 @yolfilm 。

我们再来看写的答案最多排行榜。

@Phil 以极高的产量勇夺答案数最高 Top1，而素有”轮带逛“之称的 @vczh 只能屈居第二。排行前五的有 @王若枫 、@柴健翌 、@zhen-liang 等大 V 。

再来看看提问最多排行榜。

@David Chang 以 2684 个提问排行第一，以未来知识图谱闻名的 @图灵Don 排行第二。排行前五的还有 @歆盐 ， @程瀚 、 @张亮 。

然后是 BAT 三厂的员工数量比较，这个比较基于爬取到的的用户职业描述词频进行统计。

可以看到鹅厂员工在知乎比例最高，阿里次之（词频： 0.004554 ），熊厂稍稍落后。

都说知乎是 985 / 211 满天飞的地方，那么清北复交浙到底哪家强呢？

可以看到北京大学和清华大学的词频不相上下，后面那三位还需加把劲啊。

在移动智能时代，Android 、iOS 、WEB 前端工程师在当今软件开发中简直大放异彩。那么知乎哪一种程序员最多呢？

结果是前端词频远高于 Android 和 iOS ，其实差那么一点点就是 Android 和 iOS 的和了。这么说吧，你可能是坚定乔布斯 less is more 信念的果粉，也可能是拥抱开源的 Android 粉，可是所有人都需要浏览网页，不是吗：）

然后我还比较好奇知乎用户的普遍兴趣爱好是什么。

结果发现健身独占鳌头般占领榜首。看来知乎上还是普遍推崇健身提高颜值提高自身吸引力。可是为什么阅读的比例是最底的呢？为此我只能假设知乎上的同学学习效率都比较高，在完成基本的阅读任务后去了另外的领域探索更大的世界。又或者说阅读，相对于旅游健身摄影来说，对于提升自身的价值性价比并不是很高，因而大家更倾向于去健身房，去旅游，去拍照吧。

知乎用户地域分布。

词频集中分布在北上广深杭四川浙江江苏等地方。和个人的主观印象是相似的。毕竟以上颜色较深的都是互联网行业比较发达的省份。

然后就是大家最关心的知乎男女比例问题了。

在爬到的用户数据中，男性比例占了67.8%，女性只占了32.2%。也就是说男女比例比2：1还要大。

看到这里，你可能会反驳我说知乎初始用户的性别就是男性啊，这样子搞个大新闻是不行的。我也觉得挺有道理的，于是进一步筛选了核心中的核心部分用户，筛选条件为粉丝数大于200且赞同数大于400的用户，这下采样应该准确了吧。然后有了下图。

女性的比例降到了30.1%，男性比例相应为69.9%。这个数据比之前的数据更为不平衡。所以说女性用户在知乎更为稀缺，也显得更为珍贵。

所以，与其说知乎是一个高质量的问答社区，还不如说：

作者：彭家进 来源：知乎

B. 大数据和云计算之间有什么关系 知乎

云计算是利用软硬件技术使用计算机的闲置计算能力或者利用计算机集群实现强大的计算能力，大数据是说对于数据的收集，清洗，提取然后分析归类利用，大数据的分析和处理会用到云计算的技术，简单来说就是这样。

C. 零基础怎么进入大数据行业 知乎

趋势一：数据的资源化
何为资源化，是指大数据成为企业和社会关注的重要战内略资源，并已成为大容家争相抢夺的新焦点。因而，企业必须要提前制定大数据营销战略计划，抢占市场先机。
趋势二：与云计算的深度结合
大数据离不开云处理，云处理为大数据提供了弹性可拓展的基础设备，是产生大数据的平台之一。自2013年开始，大数据技术已开始和云计算技术紧密结合，预计未来两者关系将更为密切。除此之外，物联网、移动互联网等新兴计算形态，也将一齐助力大数据革命，让大数据营销发挥出更大的影响力。
趋势三：科学理论的突破
随着大数据的快速发展，就像计算机和互联网一样，大数据很有可能是新一轮的技术革命。随之兴起的数据挖掘、机器学习和人工智能等相关技术，可能会改变数据世界里的很多算法和基础理论，实现科学技术上的突破。
趋势四：数据科学和数据联盟的成立
未来，数据科学将成为一门专门的学科，被越来越多的人所认知。各大高校将设立专门的数据科学类专业，也会催生一批与之相关的新的就业岗位。与此同时，基于数据这个基础平台，也将建立起跨领域的数据共享平台，之后，数据共享将扩展到企业层面，并且成为未来产业的核心一环。

D. 沉迷于知乎有什么害处

浪费时间，不主动思考问题，而是想着看看大V们怎么说。

知乎现在已经不是有理的有干货高赞，很多都是顺应大家情绪的高赞了。看知乎上的社会类问答现在需要像看新闻一样时刻思考着，这个答案里有哪些语句带着个人情绪，有哪些措辞在故意带节奏，有哪些理论是未经考证的。这就意味着你看个知乎，你还要各答案交叉比对。看科普类的看完了你得看看他有没有那个知识，别像以前有个教护肤的大v似的，自己都半瓶子水晃荡还说什么科学。

拓展资料

知乎面临的问题：

有价值问题占比变小。很多注册完知乎的人，不肯自己探索而是一味的提问。问答社区宗旨是解决一些较难解决的问题，倘若自己已经可以找到答案，却因为懒惰，不断的提出近乎幼稚的问题，那么这样的问答社区的问题质量无疑会慢慢下降。

相似问题的泛滥。有一个比较经典的相似问题被提问了相当多次数：如何查看自己是知乎的第几号注册者。这个问题在四个月前已经得到解答，并且归档不再增加新的答案。然而笔者依然时不时可以看到这个问题的重复泛滥。就像提到的那样，知乎注册用户的质量在不断下降，而且懒惰的人越来越多——他们甚至不愿搜索一下这个问题是否得到解决。

网络-知乎 面临的问题

E. 知乎上有哪些关于大数据，推荐系统，机器学习之类的专栏

学习，掌握，利用……
其实，看起来是一年一个概念，实际上是有关联的！
正是有了大数据，所以有了大数据分析
正是有了大数据分析，并且还有效，于是有了大数据这个概念。
正是因为人力处理大数据较为吃力，所以有了利用线性回归，自归纳规律等办法的深度学习来处理大数据的概念。
人工智能与深度学习本是50年代就已经提出来的，因为难以利用被抛弃。
因为能处理大数据，深度学习从冷宫中走出来，顺便把人工智能也捎带出来了而已。
三者像偶然，又是种必然！
短时间内，不会再有新的概念出现了，人工智能是个很难啃的饼，至少得啃很多年的。
啃这个饼的时候，各行各业都会扯进来，用经验帮助人工智能进步，同时又改进各行各业。
目前来说，对人工智能的未来，一切猜测都是没有坚实基础的，谁也不能保证一定成功，或者一定失败。只有专注其中，你才会真正认识它。

F. 有没有直接获取知乎内容大数据的软件

这个可以说目前估计够呛有吧，不论是什么软件，我想都不会轻易让他人获取属于自己的数据库内容的。
当然了，这只是本人的认知，不确定有没有这样的一个软件。

G. 知乎机构号账户怎么做数据分析

肯定要先确定一下你想做什么，也就是需要分析什么。例如分一下大家都爱看什么类型的消息这种。

然后就走个平台呗，中小企业或个人很难具备大数据分析能力，想更专业更准确还是找专业的大数据公司吧，例如前嗅，网页链接

要是找数据公司就简单了，说需求，然他们做，一般也就三两天就能出结果。

H. 大数据最核心的价值是什么 知乎

核心价值，当然是透过分析而得出的藏在数据之中的规律
大数据，要经过数据分析，才能展现出它的价值所在