Habrastatistics: ການວິເຄາະຄວາມຄິດເຫັນຂອງຜູ້ອ່ານ

ສະບາຍດີ Habr. IN ພາກສ່ວນທີ່ຜ່ານມາ ຄວາມນິຍົມຂອງພາກສ່ວນຕ່າງໆຂອງເວັບໄຊທ໌ໄດ້ຖືກວິເຄາະ, ແລະໃນເວລາດຽວກັນຄໍາຖາມທີ່ເກີດຂື້ນ - ຂໍ້ມູນໃດສາມາດສະກັດຈາກຄໍາເຫັນກ່ຽວກັບບົດຄວາມ. ຂ້າ​ພະ​ເຈົ້າ​ຍັງ​ຕ້ອງ​ການ​ທີ່​ຈະ​ທົດ​ສອບ​ສົມ​ມຸດ​ຕິ​ຖານ​ຫນຶ່ງ​, ທີ່​ຂ້າ​ພະ​ເຈົ້າ​ຈະ​ປຶກ​ສາ​ຫາ​ລື​ຂ້າງ​ລຸ່ມ​ນີ້​.


ຂໍ້ມູນໄດ້ກາຍເປັນທີ່ຫນ້າສົນໃຈດີ, ແລະພວກເຮົາຍັງສາມາດລວບລວມ "ການຈັດອັນດັບນ້ອຍ" ຂອງຜູ້ສະແດງຄວາມຄິດເຫັນ. ສືບຕໍ່ພາຍໃຕ້ການຕັດ.

ການ​ເກັບ​ກໍາ​ຂໍ້​ມູນ​

ສໍາລັບການວິເຄາະ, ພວກເຮົາຈະນໍາໃຊ້ຂໍ້ມູນສໍາລັບປີນີ້, 2019, ໂດຍສະເພາະນັບຕັ້ງແຕ່ຂ້ອຍໄດ້ຮັບບັນຊີລາຍຊື່ຂອງບົດຄວາມໃນຮູບແບບ csv ແລ້ວ. ທັງຫມົດທີ່ຍັງເຫຼືອແມ່ນເພື່ອສະກັດຄໍາເຫັນຈາກແຕ່ລະບົດຄວາມ, ໂຊກດີສໍາລັບພວກເຮົາ, ພວກມັນຖືກເກັບໄວ້ຢູ່ທີ່ນັ້ນ, ແລະບໍ່ມີການຮ້ອງຂໍເພີ່ມເຕີມ.

ເພື່ອເນັ້ນໃສ່ຄໍາເຫັນຈາກບົດຄວາມ, ລະຫັດຕໍ່ໄປນີ້ແມ່ນພຽງພໍ:

r = requests.get("https://habr.com/ru/post/467453/")
data_html = r.text
comments = data_html.split('<div class="comment" id=')

comments_list = []
for comment in comments:
    body = Str(comment).find_between('<div class="comment__message', '<div class="comment__footer"').find_between('>', '</div>')# .replace('n', '-')
    if len(body) < 4: continue

    body = body.translate(str.maketrans(dict.fromkeys("tnrvf")))
    body = body.replace('"', "'").replace(',', " ").replace('<br>', ' ').replace('<p>', '').replace('</p>', '').replace('  ', ' ')

    user = Str(comment).find_between('data-user-login', '>').find_between('"', '"')
    date_str = Str(comment).find_between('<time class="comment__date-time comment__date-time_published', 'time>').find_between('>', '<')
    vote = Str(comment).find_between('<div class="voting-wjt', '</div>').find_between('<span', 'span>').find_between('>', '<')
    date = dateparser.parse(date_str)

    csv_data = "{},{},{},{}".format(user, date, vote, body)
    comments_list.append(csv_data)

ນີ້ອະນຸຍາດໃຫ້ພວກເຮົາໄດ້ຮັບບັນຊີລາຍຊື່ຂອງຄໍາຄິດເຫັນທີ່ມີລັກສະນະຄ້າຍຄືນີ້ (ຊື່ຫຼິ້ນຖືກໂຍກຍ້າຍອອກສໍາລັບເຫດຜົນຄວາມເປັນສ່ວນຕົວ):

xxxxxxx,2019-02-06 11:50:00,0,А можно пример как именно?
xxxxxxx-02-24 16:15:00,+1,Побольше читайте независимые официальные источники чтобы таких вопросов не было.
xxxxxxx,2019-02-23 20:15:00,–5,А не важно главное в итоге в плюсе оказаться


ດັ່ງທີ່ທ່ານສາມາດເຫັນໄດ້, ສໍາລັບແຕ່ລະຄໍາຄິດເຫັນພວກເຮົາສາມາດໄດ້ຮັບຊື່ຜູ້ໃຊ້, ວັນທີ, ການຈັດອັນດັບແລະຂໍ້ຄວາມຕົວຈິງ. ໃຫ້ເບິ່ງສິ່ງທີ່ພວກເຮົາສາມາດໄດ້ຮັບຈາກນີ້.

ໂດຍວິທີທາງການ, ໃນເບື້ອງຕົ້ນ, ຄວາມຄິດຂອງການເກັບກໍາການຈັດອັນດັບແມ່ນແຕກຕ່າງກັນເລັກນ້ອຍ - ເພື່ອເບິ່ງວ່າຜູ້ໃຊ້ໃຫ້ຄະແນນໃດ. ຕົວຢ່າງ, ທ່ານສາມາດເບິ່ງໃນ YouTube - ເຖິງແມ່ນວ່າວິດີໂອທີ່ເຫມາະສົມທີ່ສຸດ, ເຖິງແມ່ນວ່າວິດີໂອທີ່ບໍ່ມີຂໍ້ມູນຫົວຂໍ້ໃດຫນຶ່ງ, ສໍາລັບການອ້າງອິງຫຼືການປ່ອຍຂ່າວຢ່າງດຽວ, ຍັງໄດ້ຮັບຈໍານວນ minuses ທີ່ແນ່ນອນ. ສົມມຸດຕິຖານແມ່ນວ່າມີຜູ້ໃຊ້ທີ່, ຕາມທາງຄລີນິກຢ່າງດຽວ, ບໍ່ມັກທຸກຢ່າງ, ບາງທີ serotonin ບໍ່ໄດ້ຜະລິດຢູ່ໃນສະຫມອງຫຼືສິ່ງອື່ນ. ບາງທີຄົນເຮົາບໍ່ຈໍາເປັນຕ້ອງນັ່ງຢູ່ເທິງ Habre, ແຕ່ເພື່ອປິ່ນປົວພະຍາດຊຶມເສົ້າ ... ແຕ່ຍ້ອນວ່າມັນໄດ້ຫັນອອກ, ຂ້ອຍບໍ່ສາມາດກວດເບິ່ງສິ່ງນີ້ໄດ້, ເພາະວ່າ ... ບັນຊີລາຍຊື່ຂອງຜູ້ທີ່ໃຫ້ຄະແນນບໍ່ໄດ້ຖືກບັນທຶກໄວ້ໃນຄໍາເຫັນຫຼືບົດຄວາມ. ດີ, ນັ້ນແມ່ນ, ພວກເຮົາຈະເຮັດວຽກກັບຂໍ້ມູນທີ່ມີຢູ່. ຜົນໄດ້ຮັບແມ່ນການໃຫ້ຄະແນນ "ປີ້ນກັບກັນ" - ທ່ານສາມາດເບິ່ງການຈັດອັນດັບ _receive_ ໂດຍຜູ້ໃຊ້. ເຊິ່ງ, ໃນຫຼັກການ, ຍັງຫນ້າສົນໃຈ.

ການປຸງແຕ່ງ

ເພື່ອເລີ່ມຕົ້ນດ້ວຍ, ການປະຕິເສດຄວາມຮັບຜິດຊອບແບບດັ້ງເດີມ. ການຈັດອັນດັບນີ້, ຄືກັນກັບທຸກອັນທີ່ຜ່ານມາ, ແມ່ນບໍ່ເປັນທາງການ. ຂ້າ​ພະ​ເຈົ້າ​ບໍ່​ຮັບ​ປະ​ກັນ​ວ່າ​ຂ້າ​ພະ​ເຈົ້າ​ບໍ່​ໄດ້​ເຮັດ​ຜິດ​ພາດ​ທຸກ​ບ່ອນ​. ສໍາລັບຜູ້ທີ່ສົນໃຈໃນລາຍລະອຽດດ້ານວິຊາການ, ລະຫັດລາຍລະອຽດເພີ່ມເຕີມແມ່ນສະຫນອງໃຫ້ ໃນສ່ວນທີ່ຜ່ານມາ.

ສະນັ້ນໃຫ້ເລີ່ມຕົ້ນ. ຄຳເຫັນສຳລັບປີນີ້, 2019 (ທີ່ຍັງບໍ່ໝົດ), ຖືກນຳມາວິເຄາະ. ໃນເວລາຂຽນ, ຜູ້ໃຊ້ຂຽນ ຄໍາເຫັນ 448533, ຂະຫນາດຂອງໄຟລ໌ csv ແມ່ນ 288MB. ມີອໍານາດ, ປະທັບໃຈ.

ເວລາຂຽນ

ໃຫ້ຈັດກຸ່ມຄຳເຫັນຕາມຊົ່ວໂມງ, ແບ່ງມື້ເຮັດວຽກ ແລະ ທ້າຍອາທິດແຍກຕ່າງຫາກ.

ໃນທີ່ນີ້ພວກເຮົາບໍ່ສົນໃຈກັບຄຸນຄ່າຢ່າງແທ້ຈິງ, ແຕ່ໃນສິ່ງທີ່ເປັນພີ່ນ້ອງກັນ. ຖ້າທ່ານພຽງແຕ່ເບິ່ງມັນ "ຍ້ອນວ່າມັນເປັນ", ຫຼັງຈາກນັ້ນມັນກໍ່ກາຍເປັນວ່າоຄໍາເຫັນສ່ວນຫຼາຍແມ່ນຂຽນໃນເວລາເຮັດວຽກຈາກ 10 ຫາ 18 😉 ໃນທາງກົງກັນຂ້າມ, ເຂດເວລາບໍ່ໄດ້ພິຈາລະນາຢູ່ທີ່ນີ້, ດັ່ງນັ້ນຄໍາຖາມຍັງເປີດຢູ່.

ຂໍໃຫ້ເບິ່ງການແຈກຢາຍຄໍາເຫັນຕະຫຼອດປີ:

ແລະຍັງ rotates ເຫັນໄດ້ຊັດເຈນໃນມື້ເຮັດວຽກ - ໄລຍະເວລາປະຈໍາອາທິດແມ່ນເຫັນໄດ້ຊັດເຈນ, ດັ່ງນັ້ນພວກເຮົາສາມາດເວົ້າໄດ້ດ້ວຍຄວາມຫມັ້ນໃຈສູງພໍສົມຄວນວ່າປະຊາຊົນກໍາລັງອ່ານແລະສະແດງຄວາມຄິດເຫັນກ່ຽວກັບ Habr ຈາກການເຮັດວຽກ (ແຕ່ນີ້ບໍ່ແນ່ນອນ).

ໂດຍວິທີທາງການ, ມີຄວາມຄິດທີ່ຈະທົດສອບສົມມຸດຕິຖານວ່າຈໍານວນ minuses ຫຼື pluses ທີ່ໄດ້ຮັບແມ່ນແຕກຕ່າງຈາກມື້ຫຼືເວລາຂອງມື້, ແຕ່ມັນບໍ່ສາມາດຊອກຫາຄວາມສໍາພັນ - ເວລາທີ່ໃຫ້ຄະແນນບໍ່ໄດ້ຖືກບັນທຶກໄວ້, ແລະ. ບໍ່ມີການເຊື່ອມຕໍ່ໂດຍກົງກັບເວລາຂອງຄໍາເຫັນ.

ຜູ້ໃຊ້

ແນ່ນອນ, ຂ້ອຍບໍ່ຮູ້ຈໍານວນຜູ້ໃຊ້ທີ່ແນ່ນອນຢູ່ໃນເວັບໄຊທ໌. ແຕ່ຜູ້ທີ່ປະໄວ້ຢ່າງຫນ້ອຍຫນຶ່ງຄໍາຄິດຄໍາເຫັນໃນປີນີ້ໄດ້ກາຍເປັນປະມານ ປະຊາຊົນ 25000.

ເສັ້ນສະແດງຂອງຈໍານວນຂໍ້ຄວາມປະໄວ້ໂດຍຜູ້ໃຊ້ເບິ່ງຫນ້າສົນໃຈດີ:

ທຳອິດຂ້ອຍບໍ່ເຊື່ອເອງ, ແຕ່ເບິ່ງຄືວ່າບໍ່ມີຄວາມຜິດພາດ. 5% ຂອງຜູ້ໃຊ້ອອກຈາກ 60% ຂອງຂໍ້ຄວາມ. 10% - 74% ຂອງຂໍ້ຄວາມທັງຫມົດ (ຊຶ່ງໃນນັ້ນ, ໃຫ້ຂ້າພະເຈົ້າເຕືອນທ່ານ, ປີນີ້, 450 ພັນ). ສ່ວນໃຫຍ່ພຽງແຕ່ອ່ານເວັບໄຊທ໌, ອອກຄໍາເຫັນບໍ່ຄ່ອຍຫຼາຍ, ຫຼືບໍ່ປ່ອຍໃຫ້ພວກເຂົາທັງຫມົດ (ໂດຍທໍາມະຊາດ, ບໍ່ໄດ້ລວມຢູ່ໃນບັນຊີລາຍຊື່ຂອງຂ້ອຍ).

ການໃຫ້ຜະລິດແນນ

ຂໍໃຫ້ກ້າວໄປສູ່ສ່ວນສຸດທ້າຍແລະມ່ວນທີ່ສຸດຂອງສະຖິຕິ - ການຈັດອັນດັບ. ສໍາລັບເຫດຜົນຂອງຄວາມເປັນສ່ວນຕົວ, ຂ້າພະເຈົ້າຈະບໍ່ໃຫ້ຊື່ເຕັມຂອງຜູ້ຊົມໃຊ້, ໃຜກໍ່ຕາມທີ່ຢາກ, ຂ້າພະເຈົ້າຄິດວ່າ, ຈະຮັບຮູ້ຕົນເອງ.

ໂດຍ ຈໍາ​ນວນ​ຄໍາ​ເຫັນ​ ສໍາລັບປີນີ້, 5 ອັນດັບສູງສຸດແມ່ນຄອບຄອງໂດຍ VoXXXX (3377 ຄໍາເຫັນ), 0xdXXXXX (3286 ຄໍາເຫັນ), strXXXX (3043 ຄໍາເຫັນ), AmXXXX (2897 ຄໍາເຫັນ) ແລະ khXXXX (2748 ຄໍາເຫັນ).

ໂດຍ ຈໍານວນຜົນປະໂຫຍດທີ່ໄດ້ຮັບ, ອັນດັບ 5 ແມ່ນຄອບຄອງໂດຍ amXXXX (1395 ຄຳເຫັນ, ຄະແນນ +3231/-309), tvXXXX (1544 ຄຳເຫັນ, ຄະແນນ +3231/-97), WhuXXXX (921 ຄຳເຫັນ, ຄະແນນ +2288/-13), MTXXXX (1328 ຄຳເຫັນ, +1383/-7) ແລະ amaXXXX (736 ຄຳເຫັນ, ຄະແນນ +1340/-16).

ໂດຍ ຄະແນນໃນທາງບວກຢ່າງແທ້ຈິງ (ບໍ່​ມີ​ໃຜ ຄໍາຄິດຄໍາເຫັນທີ່ຖືກຈັດອັນດັບໃນທາງລົບ) ດ້ານເທິງຂອງເທິງແມ່ນຄອບຄອງໂດຍ Milfgard и Boomburum. ໃນຖານະເປັນຂໍ້ຍົກເວັ້ນ, ຂ້າພະເຈົ້ານໍາສະເຫນີຊື່ຫຼິ້ນຂອງພວກເຂົາຢ່າງເຕັມທີ່, ຂ້າພະເຈົ້າຄິດວ່າພວກເຂົາສົມຄວນໄດ້ຮັບມັນ.

ການຫຼຸດລົງແມ່ນຫນ້າສົນໃຈ. ທາງເທີງໂດຍ ຈໍານວນ minuses ເກັບກໍາ ສໍາລັບປີນີ້ພວກເຂົາຖືກຄອບຄອງໂດຍ siXX (473 pluses, 699 minuses), khXX (1915 pluses, 573 minuses) ແລະ nicXXXXX (456 pluses, 487 minuses). ແຕ່ຕາມທີ່ທ່ານສາມາດເຫັນໄດ້, ຜູ້ໃຊ້ເຫຼົ່ານີ້ມີຄວາມຄິດເຫັນໃນທາງບວກພຽງພໍ. ແຕ່ອີງຕາມ ລົບຢ່າງແທ້ຈິງ antitopic ປະກອບມີ vladXXXX (55 ຄໍາເຫັນ, 84 minuses, 0 pluses), ekoXXXX (77 ຄໍາເຫັນ, 92 minuses, 1 plus) ແລະ iMXXXX (225 ຄໍາເຫັນ, 205 minuses, 12 pluses).

ສະຫລຸບ

ຂ້ອຍບໍ່ສາມາດຄິດໄລ່ທຸກຢ່າງທີ່ວາງແຜນໄວ້, ແຕ່ຂ້ອຍຫວັງວ່າມັນຫນ້າສົນໃຈ.

ດັ່ງທີ່ເຈົ້າສາມາດເຫັນໄດ້, ເຖິງແມ່ນວ່າຊຸດຂໍ້ມູນທີ່ມີຈໍານວນຂະຫນາດນ້ອຍຂອງພາກສະຫນາມສາມາດສະຫນອງຂໍ້ມູນທີ່ຫນ້າສົນໃຈສໍາລັບການວິເຄາະ. ຍັງມີຫຼາຍຢ່າງທີ່ຕ້ອງຂຸດຄົ້ນ, ຈາກການສ້າງ "ຟັງຄໍາ" ໄປຫາການວິເຄາະຂໍ້ຄວາມ. ຖ້າຜົນໄດ້ຮັບທີ່ຫນ້າສົນໃຈເກີດຂື້ນ, ພວກມັນຈະຖືກເຜີຍແຜ່.

ແຫຼ່ງຂໍ້ມູນ: www.habr.com