基于某异性交友APP的小数据分析

前言：

我习惯在包里藏一瓶百无聊赖，打发人间的白云和苍狗，一日百无聊赖的我下载了某款异性交友APP，开始了我的异性交友之旅，尬聊了两天成功率为0的我略感苍白。感觉APP里的小姐姐太优秀了，这样尬聊下去注定要孤独一生，于是就在想是否对这些妹子进行大数据分析一波，分析出妹子的需求，才好对症下药。

一、数据抓取

1.1数据源获取

想法有了，数据该从哪里来呢，这个交友APP是采取匹配机制。无法无限爬取。限制如下：

1.非会员每个人一天只能匹配5次。只有匹配到了才能看对方资料。

2.对方匹配到你跟你发起聊天。

3.对方匹配到你的动态评论或者点赞，你才能看到对方的动态。

因为有以上三点限制，每天能爬取的数据就非常少，等爬完这些数据，我又要单身好几年，这是无法容忍的，于是乎我便对这款APP进行了友情测试，发现一个系统BUG，可以把自己匹配的权重调为最优，只要写成脚本，就可以让妹子无时无刻优先匹配对象为你。这样就可以做到人在家中坐，妹从天上来。

下图为跑脚本90分钟的数据量：

图1.抓取90分钟样本

于是乎跑了一个星期，共收到了5300+妹子的打招呼，12000+的访问量（本来想截图装逼的，可是手贱把状态值点没了）下面我们就开始爬取数据。

1.2数据选取

既然有了数据源，就到了选取数据的阶段，决定要爬取哪些数据。经过反复分析，我选定了三类数据，并录入数据库。

妹子跟我的聊天内容及时间。（也就是妹子打招呼的第一句话）。

妹子的动态信息。

妹子对我动态评论的信息（这个本文不分析）

二、数据除杂

在数据整理的时候发现这款APP有机器人和真人推广的存在，用于推广股票，贷款之类的产品。所以这一部分数据普遍是没有价值的。

图2人工推广

图3人工推广

通过分析这些机器人或者人工推广，他们的动态几乎是空的，所以这里把动态为空的认定为废数据，虽然可能会误杀新手用户，但也是没有办法的。我们把这些废数据从数据库内删除。

三、数据分析

3.1妹子在线频段分析

根据妹子打招呼及动态的时间进行分析，可以得出妹子们一般在哪个时间段出现。

图4.平均一天折线分布图

可以从上图看出从4点开始，在线小姐姐人数呈直线上升并在10点达到峰值。这仅仅是打招呼的小姐姐们，按访问频率来换算，每2个匹配到的会点进来看，每3个就会有一个打招呼的话，人数应该再乘6。

周一到周日小姐姐分布图：

图5.一周每天人数分布图

可以看出周五周六周日为小姐姐们的频繁活动时间，让人意外的是周六没周五高？？？

3.2妹子对异性打招呼用语

因为本人没学过数据分析只会计数，所以只能计数分析，首先随机挑选样本数据进行分词。

分词之后计数统计：

因为数字不太准确，所以用了模糊的数据，还有那个说呸的小姐姐真的很优秀。

3.3动态信息分析

看到好多小姐姐会在动态中写出对对象的要求，这里我们依旧用分词计数分析（其他的我真不会），分词的时候把要求无关的剔除可以得出下表。

看到这些要求我突然觉得电脑为何突然看上去这么眉清目秀？

不过这些要求让我想起了一张图，我简单画一下：

图6.妹子理想图