上回说到糗事百科段子的分析，今天对另外一张表，也就是用户信息表的分析。

数据预处理

• 导入数据

import pandas as pd
import pymongo
import jieba.analyse
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
client = pymongo.MongoClient('localhost',port = 27017)
qiushi = client['qiushi']
qiushi_info = qiushi['qiushi_info']
data1 = pd.DataFrame(list(qiushi_info.find()))

qiushi = client['qiushi']
user_info = qiushi['user_info']
data2 = pd.DataFrame(list(user_info.find()))

data1为段子信息，data2为用户信息，二个表都有用户url，我们可以将其merge。

• merge

all_data = pd.merge(data1,data2,on='user_url')
all_data

• 去重
  由于有些高玩用户发过多个段子，所以这里需要去重，通过用户id获取唯一值。

data3 = all_data.drop_duplicates(['id'])

段子手星座分布

对于数字类的分析，上次已经讲过几个，我主要是对段子手的星座和地区感兴趣，今天就分析下，大家也可以每个维度都分析下。

xingzuo = data3.groupby('constellation').size()

plt.figure(figsize=(10,6),dpi=80)
labels = list(xingzuo.index)
sizes = list(xingzuo)
plt.xlabel('星座')
plt.ylabel('用户个数')
plt.title('糗事百科用户星座分布图')
plt.bar(range(len(sizes)),sizes,tick_label=labels,color='#99CC01',alpha=0.7)#alpha为透明度
plt.grid(color='#95a5a6',linestyle='--', linewidth=1,axis='y',alpha=0.6)
plt.legend(['用户个数'])
for x,y in zip(range(len(sizes)),sizes):
    plt.text(x, y,y, ha='center', va= 'bottom')

除了不详的之外，天秤座用户最多，白羊座最少。

天秤座常常追求和平和谐的感觉，他们善于交谈，沟通能力极强是他们最大的优点。但他们最大的缺点，往往是犹豫不决。天秤座的人容易将自己的想法加诸到别人身上，天秤座的人要小心这点

白羊座就像小孩子一样，直率、热情、冲动，但也十分的自我为中心和孩子气

段子手地区分布

如图，数据是分省和市的，我们只提取省的数据，这部分可以在爬虫时进行处理。

list_1=[]
for i in range(0,273):
    list_1.append(data3.iat[i,-6].split('· ')[0])
data3['province'] = list_1
data3

sheng = data3.groupby('province').size()
plt.figure(figsize=(20,6),dpi=80)
labels = list(sheng.index)
sizes = list(sheng)
plt.xlabel('省市')
plt.ylabel('用户个数')
plt.title('糗事百科用户省市分布图')
plt.bar(range(len(sizes)),sizes,tick_label=labels,color='#99CC01',alpha=0.7)#alpha为透明度
plt.grid(color='#95a5a6',linestyle='--', linewidth=1,axis='y',alpha=0.6)
plt.legend(['用户个数'])
for x,y in zip(range(len(sizes)),sizes):
    plt.text(x, y,y, ha='center', va= 'bottom')

大家看看，哪个省盛产段子手。我们也可以调用百度api，获取省的经纬度，然后用BDP画出这样的地图。

总结

通过2个案例主要讲解了python数据分析的基本流程。

• 数据导入
• 数据预处理
• 数据整合
• 数据可视化