把这篇文章放上来是因为今年竟然有好几个人（有不认识的，认识的）问我今年还有没有春晚吐槽群。很是感概，于是把旧文放上来。
（原载于新浪博客）
除夕那天，心血来潮，建了个“2014春晚吐槽群”，那晚上就和基友们一起吐槽春晚。
第二天，心血来潮，就做了个折线图，寻思着做个比较，看看群里的吐槽点是否和微博上的段子手们一样。
笔者分析了一下爆发的时间点：
那个时候发生了什么呢？
对比一下和微博上的吐槽总结：
其实对比起段子手们的吐槽，可以发现，群里的爆发点与总结里的并不大部分吻合。为什么会出现这样的状况呢？
我总结了几点：
1、噪音数据虽少，但是假如在具体的时间点爆发噪音数据，就容易导致数据失去真实性。这在群聊天中经常出现，因为会有一段时间大规模地爆发讨论，而其他时候就静悄悄的，并非一个持续的，连续的聊天过程。
2、另外一方面，受到了群人员人数的浮动，一开始人数比较少的时候，讨论不剧烈，往往会导致数据的偏差。加上群二维码宣传的不连续，导致后期群人员不足。
3、春晚后期也有一部分值得吐槽的点，但是由于有些人提前离开了电视机旁，就导致数据量明显下降。
4、相比于微博的信息开放，微信无论朋友圈还是聊天都是密闭的圈子。所以进行统计的时候，只能统计实时性的数据流，而并非转发数、评论数等。
5、的确是由于大家的笑点不同所导致的。
针对以上的问题，继续在不剔除数据的情况下，进行了以下的改变。
这个图能够更加好的表达吐槽的集中点在21—23点这段时间。前面和后面都相对比较无聊。
不过以上还是不够的，在我的理想状态下的模型是：
1、剔除所有的噪音，如对话、聊天、哈哈党等。
2、时间范围更加精准，以节目名为横坐标，在节目时间段内，计算已经剔除了噪音数据的吐槽数量。假如希望更加精确的话，可以再在节目时间段内分出每一分钟的吐槽数量，三级分：每小时——每个节目——每分钟。
3、必须要计算有效的每人吐槽量，这个该怎么算？计算平均每人的吐槽数量，然后根据数据的分布采用不同的平均数计算方法，计算出一个相关度高的平均数。为什么要这样算？因为这个能够更加真实反应真实的吐槽度。为什么要计算每人的吐槽数量呢？因为没发言的人我们只能当作他暂时没有进群。而，另外一种极端是只有一个人吐槽大半天。必须要把两个极端考虑到。
4、究竟选择散点图、柱形图还是其他的呢？其实我觉得可以结合，即散点图，作为第三级（每分钟）的底层图标。第二级则用柱状图。第一级可以用折线图。即趋势——统计——实际数据的有机结合。
由于实际数据量比较大，就模拟了一个场景。
大概这就是我的想法。大家假如以后有兴趣的，可以尝试这样做。
由于想法比较浅薄，忘大家指正。
内个，你说你不会导出聊天记录？自己谷歌吧。
内个，你说你不会用EXECL的函数？那还是谷歌吧。
网友评论