一个明星背后的辛酸

作为一名有好奇心的猿，在刷微博的时候发现蔡徐坤最近的一条微博转发量达到100万+，在我们印象中，100万+可是某些明星官宣结婚、或者某些明星吸毒出轨被爆等能让微博服务器奔溃的流量啊！难道蔡徐坤真的这么火吗？

为了解答这个问题，我们通过微博移动端随机抓取了蔡徐坤最新一条微博《再见，“任性的”千千…》的10万条转发数据（时间节点2019年3月11日10时）。这条讲诉蔡徐坤关爱小动物的短视频微博，于2019年3月9日01:23发布，到2019年3月10日18:00的时候已经被转发100万+。

python程序员爬取蔡徐坤微博10万转发数据，背后居然隐藏着这些！

准备工作

python程序员爬取蔡徐坤微博10万转发数据，背后居然隐藏着这些！

数据的维度包括转发者的相关信息（昵称、性别、关注者数量和被关注者数量等）以及转发时的评论等。

蔡徐坤的微博转发是否存在假流量？

解答这个问题之前，我们其实对于蔡徐坤的粉丝性别比例更加感兴趣。按理来说应该他的女粉丝所占比例应该更大，但是我们统计了102313条转发数据中，有93618条是男粉丝转发的，只有8695条是女粉丝转发的。

python程序员爬取蔡徐坤微博10万转发数据，背后居然隐藏着这些！

这不对呀，难道更多的男生喜欢蔡徐坤吗？而且这比例也太悬殊了一点吧？于是我们随机抽取了男生转发的数据，发现这些转发的男粉丝基本上都是关注0，粉丝1的用户。

python程序员爬取蔡徐坤微博10万转发数据，背后居然隐藏着这些！

我们合理地推测：这些流量就是所谓的假流量。

那假流量所占的比例有多少呢？在这随机抓取的10万条转发数据中，有多少是假的流量呢？

真假流量占比

通过一番探索分析，我们把转发数据中转发者的关注或者粉丝数少于等于5、没有简介、转发之后被点赞数评论数再转发数都为0、微博会员等级为0级的数据，以及转发者的关注或者粉丝数大于等于5但昵称长“用户XXXXXXXX”这样的数据抽取了出来。

这部分数据，便是我们所说的假流量。

python程序员爬取蔡徐坤微博10万转发数据，背后居然隐藏着这些！

可见，102313条转发数据中，有95397条是由假粉丝转发的，占了总转发的93.24%，只有6916条是由真粉丝转发的，占6.76%。原来假流量占的比重那么高啊！

那么6919条真粉丝转发的数据中，除去重复转发刷榜的数量，里面一共有多少个真粉丝在转发呢？我们把这部分数据按照粉丝微博ID进行去重。发现这里面只有3926个真粉丝在转发，也就是说，真实转发的粉丝数量，占总转发量的3.84%。

python程序员爬取蔡徐坤微博10万转发数据，背后居然隐藏着这些！

按照这个比例，可以推算出100万的转发中，真实转发的粉丝数为3.84万，说明蔡徐坤的粉丝群和影响力还是很大的，但远没有微博显示的全是100万+转发量那么大。

你可能会说：我们自己的微博，平时也有一些假粉丝在转发呀。为了进行对比，我们还抓取了最近活跃在《歌手》舞台的吴青峰叔叔（粉丝数1377万）最新的一条微博转发数据10006条（时间节点2019年3月11日10时）。

python程序员爬取蔡徐坤微博10万转发数据，背后居然隐藏着这些！

我们把这些数据按照跟上面一样的步骤提取出真假粉丝转发量，发现只有很少比例的假粉丝量，绝大部分都是真粉丝转发的。

python程序员爬取蔡徐坤微博10万转发数据，背后居然隐藏着这些！

并且，在9658条真粉丝转发数据中，真粉丝量也高达9318，说明不存在粉丝打榜的情况。跟蔡徐坤的数据相比，可以发现有明显的不同。

python程序员爬取蔡徐坤微博10万转发数据，背后居然隐藏着这些！

我们把蔡徐坤真粉丝的简介做成了词云图。

python程序员爬取蔡徐坤微博10万转发数据，背后居然隐藏着这些！

可见，真粉丝们的简介都喜欢带上蔡徐坤的名字，很喜欢蔡徐坤，想要一直陪着他走下去。看着里面的“少年”、“努力”、“自由”“追梦”等字眼，发现这就是我们以前的青春呀。

最后

如果你也想玩各种黑科技，想学python，分享一套python教程给你哦！关注我，如果你同样对python感兴趣，那就不会拒绝加小编的python技术交流群的吧，python交流群：823137423

python程序员爬取蔡徐坤微博10万转发数据，背后居然隐藏着这些！