多图，请确保在Wi-Fi环境下点开！

主要是爬取数据，并把爬回来的数据进行分析和挖掘，做过的小项目主要有：

1. 扒了扒蔡徐坤100万+微博转发中，假流量占了多少的比例

随机抓取蔡徐坤100万+转发的微博《再见，“任性的”千千…》的10万条转发数据，并且分析蔡徐坤真假转发流量的比例以及真假粉丝的用户画像。

发现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%。6916条数据中，除去重复转发的粉丝，真实粉丝数量只剩下3926个。也就是说，真实转发的粉丝数量，占总转发量的3.84%。

与之相比，吴青峰10006条转发数据中，只有很少比例的假粉丝量，绝大部分都是真粉丝转发的。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。

另外还有一些有趣的发现：假粉丝的平均关注是3.44，平均粉丝数是1.04，没有简介，昵称基本上都是“中文+英文和数字”这个格式，很多假粉丝的昵称都带有“坤”、“蔡”、“葵”、“kun”等字，头像都是蔡徐坤（说明很多都是定制粉啊）。

爬虫和数据分析代码戳：，具体的数据分析文章戳：

2. 爬取了西瓜直播（今日头条旗下APP）各类型游戏的主播直播数据107.5万条，并分析直播平台和游戏主播行业是否真如我们想象般的暴利

使用多线程爬虫爬取了西瓜直播（今日头条旗下APP）各类型游戏的主播直播数据107.5万条(时间：2019年4月30日0时至5月7日0时7天，平均每隔5分钟获取一次各类型游戏所有主播直播数据)，并分析直播平台和游戏主播行业是否真如我们想象般的暴利，以及游戏主播的回报跟付出的努力是否成正比

全平台7天内出现的主播有4601人，其中有3266位主播具有打赏收入，有1335位主播是没有打赏收入的。在3266位有打赏收入的主播中，历史总打赏小于100元的有1143人，占总数的35%。历史总打赏小于1万元的有2491人，占总数的76%。历史总打赏大于10万元的有177人，占总数的5%。

那么努力和收获是成正比的吗？图表中的趋势告诉我们：是的。总收入一百元以内的直播，平均每日直播2.2小时，而总收入一百万到一千万的主播，平均每日直播5.7小时！

可能大家觉得这个时间不长，但是要知道玩游戏是一项需要全神贯注的游戏，主播要是走神了没玩好，人气就不在了，礼物也刷不上来。试想一下每日要全神贯注玩6个半小时的游戏，还要解说和互动，就知道辛苦程度如何了。

可以看到，节假日的观看人数要比非节假日高。每日观看人数从7点开始攀升，到12点达到小峰值（500万左右），再从下午的4点开始急剧攀升，下午6点的观众人数，是12点的3-4倍。说明观众习惯下午下班后打开APP观看直播。下午6点一直到晚上12点，都是直播的黄金时间。

爬虫和数据分析代码戳：，具体的数据分析文章戳：

3. 爬取英语外籍老师与本土老师招聘数据，分析洋外教是否真的是一群没学历、没教学经验的外国人拿着高工资在我们国家逍遥快活

爬取外籍人员招聘网站JobLEADChina上的外籍英语老师招聘数据945条，万行教师人才网上的英语老师招聘数据5780条，以及微信群成员信息498条，并分析外教教师的招聘状况。

大部分中教的工资都在10K以内，而大部分的外教工资都在10K以上。中教的月平均工资是8.3K（按照城市为单位平均后是7.9K），而外教的月平均工资是15.7K，大概是中教的2倍。

在国内实习的外教月薪可以轻松破万，入门级的外教更是可以拿到15.8K的高薪。而我们的教师，即使工作了五到十年，还是拿不到入门级外教的工资。

Any education（也就是不管你的学历）的外教，来到中国可以拿的月平均工资是13.9K人民币，比我们硕士毕业的英语老师还要高出不少。有本科学历的外教平均工资是16.3K，硕士毕业的轻松上2万。

我们把外教群里的外教来源省份画了出来，可以看到，有来自美国纽约的、有来自加拿大多伦多的，有来自英格兰的，当然，也有来自法国巴黎的（法语）、有来自土耳其伊斯坦布尔的（土耳其语）、有来自荷兰阿姆斯特丹的（荷兰语），有来自西班牙拉科鲁尼亚的（西班牙语），还有来自其它各种各样地方的，你们自己感受一下。

爬虫和数据分析代码戳：，具体的数据分析文章戳：

4. 爬取最近大火的程序员集体抵制996的项目中，Issues页面讨论数据和点了star的程序员Github个人信息数据，并且分析这群抵制996的程序员都是何方神圣

可见，抵制996的程序员，最多的是来自阿里系的公司，有148人，其次是腾讯、百度、京东等，以加班文化著称的华为，排名才第9。当然，还有很多来自小米、微软、谷歌、中兴、联想、ThoughtWorks等各个公司的程序员。

可以看到，浙大以59人star了该repos排名榜首，其次是上海交大、清华、电子科大、北邮、武大、哈工大、中科大、复旦大学。这些大学，都是非常有名的大学啊，也是出产程序员的大学。当然，还有很多人来自于华中科大、卡耐基梅隆大学、北航、北理工、中山大学等学校的学生。

北京以2094人位居榜首！其次是上海、杭州、深圳等等。这些城市，恰恰是国内互联网行业发展得最好的城市。看来这个repos确实在全国程序员界都引起了巨大的反响，乃至新加坡、日本、美国等地的程序员都前来支持。

这群程序员的平均粉丝数为10.9，关注数为14.6，repos数为19.1。从数据可以看出，大部分都是默默无闻又兢兢业业的苦逼基层程序员。

关注996工作制的程序员中，有程序员大牛。排名第一的是一个熟悉的面孔，轮子哥！另外有来自腾讯的Coco，来自滴滴的singwhatiwanna，技术博主颜海镜等，这些人都在关注996。在39987个star了该repos的程序员中，粉丝数大于1000的有47人，大于500的有110，大于100的有598人。说明还是有很多有影响力的程序员在关注996工作制。

爬虫和数据分析代码戳：，具体的数据分析文章戳：

5. 爬取丁香人才网的医生招聘数据，分析儿科医生的生存处境

看了《人间世》第二季第8集《儿科医生：坚守，还是逃离？》之后，爬取了丁香人才网10950条涵盖儿科、内科、外科、妇产科、眼科的招聘数据，并且分析儿科医生的真实处境。

相比于公立医院招聘中更看重高学历人才，民营医院招聘时更加看重医生的工作经验。所以公立医院中由于学历导致发展受限的有经验的医生，很多都跳槽去民营医院了。

儿科岗位平均招聘持续时间是73天，将近2个半月的时间，位居榜首！看来儿科招人难，确实是千真万确的，而外科是最好招人的。

儿科医生在所有类型的单位里，公立医院开出的工资是最低的。连诊所和药房的工资都比公立医院高。

相同工资水平下，民营医院对学历不限和大专的要求比公立医院多，而公立医院对本科、硕士、博士的要求比民营医院多。也就是说，在民营医院，不需要那么高的学历，就可以拿到跟公立医院同价位的待遇。

爬虫和数据分析代码戳：，具体的数据分析文章戳：

6. 爬取北上广深链家网全部租房数据，并给出租房建议

爬取北上广深链家网全部租房房源数据，并且得出租金分布、租房考虑因素等建议。

把北上广深四个城市的房源都以小点的形式投射在地图上，先来看看北京的：

租房房源分布透露出来的信息其实不多，我们更关心的是各区域的价格。为此我计算了各房源每平米每月的租金，并绘制了热力地图，先来看北京的。

热力地图还有互动版本，可以随意放大缩小定位到自己感兴趣的区域：

爬虫和数据分析代码戳：，具体的数据分析文章戳：

7. 全国367个城市春节期间的空气质量指数数据爬取和分析

爬了全国367个城市从除夕到初七的空气质量数据，数据有68155条，并分析烟花爆竹对空气质量的影响，以及城市禁放烟花爆竹是否有效。

可以看到，PM2.5和PM10在除夕晚上六点之后开始飙升

全国大部分城市空气质量指数飙升为原来的1-5倍，有城市甚至飙升到20-25倍！

有些管控严格的城市，虽然除夕当晚管控地很好，可是时间一过就开始反弹飙升。

爬虫和数据分析代码戳：，具体的数据分析文章戳：

8. 爬取电影《流浪地球》的猫眼评论和评分，并分析该电影出现低分的原因

爬了102580条《流浪地球》的猫眼评论，分析观众打分的时间规律，并对观众的评论做了词云图，分析大家打高分和低分的原因。

晚上21点、22点的时候（也就是观影高峰期）最容易出现低评分。

对高分的评论画了词云图，高分的观众觉得：

1. 这部电影很不错、很好看、很震撼、很感人，会大力推荐；

2. 观众乐于把这部片跟好莱坞的科幻片进行比较，并且认为其特效完美、场面宏大，是中国里程碑式的科幻大片，相比以前有很大进步；

3. 吴京、刘慈欣、导演多次被提及，说明观众对演员、剧本和导演都有很大的认可度，认为演员演技优秀、剧本扎实、导演良心。

对低分的评论也画了词云图，打低分的观众觉得：

1. 这部影片虽然特效很好，但是剧情东拉西扯、强行煽情、年轻演员演技捉急、没有逻辑，是烂片；

2. 吴京的英雄主义和强行的爱国情怀让这部片看起来像太空版的《战狼》，很尴尬；

3. 女主的演讲是本片最大的败笔，年轻演员撑不起这样的巨作。

爬虫和数据分析代码戳：，具体的数据分析文章戳：

9. 模拟登录微博手机端爬取海量表情包(其实代码同样也可以爬小姐姐的图片)

爬了一千多张点赞量最高、目前最火的表情包，让自己的表情包库再也不捉襟见肘。

另外还用这个爬虫爬了很多女装大佬的美图，哈哈哈。

以及很多小姐姐的美图。

爬虫代码戳：，具体的爬虫步骤分析文章戳：

10. 分析美国从1920年以来，每个年代的人的流行英文名

总数据有1924665条，通过分析每个年代的流行英文名，为需要取英文名的童鞋提供一些建议。

数据分析代码戳：，具体的数据分析文章戳：

11. 分析了70多万场绝地求生的比赛数据，总结出独家吃鸡攻略

分析了总共20多G、70多万场的绝地求生比赛数据，总结出各种地图哪里跳的人最多、近战最佳武器、狙击最佳武器等，程序员嘛，靠技术吃鸡也很重要。

海岛地图中，跳机场跟学校是死得最快的。

开车对吃鸡很重要！！！

满配的M416是海岛和沙漠地图中最好用的枪。

每场比赛场均有1.47个人自己被自己蠢倒（也就是自毙），自毙的方式中，手榴弹高居榜首！哈哈哈。

数据分析代码戳：，具体的数据分析文章戳：

12. 为新媒体运营的女票写了一个公众号文章采集器，一键采集各个行业内公众号发表的文章

整个项目只有50行代码，每天早上9点的时候都把昨天一天以来各个行业内公众号发表的文章的标题、摘要和链接等相关信息爬下来，形成一个文档发给女票，这样可以大大方便阅读。

爬虫代码戳：，具体的爬虫步骤分析文章戳：

13. 爬取雪球网投资组合的历史调仓记录，以及每日根据模型输出自动化调仓

模拟登录雪球网，爬取特定投资组合的历史调仓记录，实时计算收益率。并且每日根据数据模型的预测输出，进行自动化调仓。

持续更新中，欢迎大家关注我的公众号，更多的项目都会在这里第一时间更新：Alfred数据室。

所有项目的代码和数据在Github：

如果你也想用Python获取数据，进行有趣的数据分析，Alfred数据室应众多读者要求出品的将会是你的好帮手。

课程以目标为导向，设计十大原创案例由浅入深覆盖Python爬虫所需知识点，让你在实战练习中查漏补缺，掌握基础知识，让你告别漫无目的的独自摸索，跟着老师清晰课程框架进行系统性学习，用项目培养爬虫思维，让学习可以举一反三。