主持人 > 博客 > 網絡新聞 > Habra 統計學：Habr 如何在沒有極客時代的情況下生活

Habra 統計學：Habr 如何在沒有極客時代的情況下生活

嘿哈布爾。

本文是評級的邏輯延續 2018 年最佳 Habr 文章。 雖然這一年還沒有結束，但正如你所知，在夏天，規則發生了變化，相應地，看看這是否會產生任何影響就變得有趣。

Habra 統計學：Habr 如何在沒有極客時代的情況下生活

除了實際的統計數據之外，還將提供更新的文章評級，以及一些對其工作原理感興趣的人的原始程式碼。

對於那些對發生的事情感興趣的人來說，續集已被削減。 有興趣更詳細分析網站各部分的人也可以查看 下一部分.

初始數據

這個評級是非官方的，我沒有任何內幕消息。 透過查看瀏覽器的網址列，您可以輕鬆看到，Habré 上的所有文章都有連續編號。 然後就是技術問題了，我們只是在一個循環中連續讀取所有文章（在一個線程中並暫停，以免加載伺服器）。 這些值本身是透過 Python 中的簡單解析器獲得的（來源可用 這裡）並保存在 csv 文件中，如下所示：

2019-08-11T22:36Z,https://habr.com/ru/post/463197/,"Blazor + MVVM = Silverlight наносит ответный удар, потому что древнее зло непобедимо",votes:11,votesplus:17,votesmin:6,bookmarks:40,views:5300,comments:73
2019-08-11T05:26Z,https://habr.com/ru/news/t/463199/,"В NASA испытали систему автономного управления одного микроспутника другим",votes:15,votesplus:15,votesmin:0,bookmarks:2,views:1700,comments:7

處理

為了進行解析，我們將使用 Python、Pandas 和 Matplotlib。 對統計不感興趣的可以跳過這一部分，直接看文章。

首先，您需要將資料集載入記憶體並選擇所需年份的資料。 

import pandas as pd
import datetime
import matplotlib.dates as mdates
from matplotlib.ticker import FormatStrFormatter
from pandas.plotting import register_matplotlib_converters


df = pd.read_csv("habr.csv", sep=',', encoding='utf-8', error_bad_lines=True, quotechar='"', comment='#')
dates = pd.to_datetime(df['datetime'], format='%Y-%m-%dT%H:%MZ')
df['datetime'] = dates
year = 2019
df = df[(df['datetime'] >= pd.Timestamp(datetime.date(year, 1, 1))) & (df['datetime'] < pd.Timestamp(datetime.date(year+1, 1, 1)))]

print(df.shape)

事實證明，今年（儘管尚未完成）截至撰寫本文時，已發表了 12715 篇文章。 相比之下，整個 2018 年為 15904 篇。總的來說，很多 - 每天大約 43 篇文章（這只是正面評價；總共下載了多少篇負面或被刪除的文章，只能猜測或根據標識符之間的差距粗略估計）。

讓我們從資料集中選擇必要的欄位。 作為指標，我們將使用瀏覽量、評論數、評分值和書籤數。

def to_float(s):
    # "bookmarks:22" => 22.0
    num = ''.join(i for i in s if i.isdigit())
    return float(num)

def to_int(s):
    # "bookmarks:22" => 22
    num = ''.join(i for i in s if i.isdigit())
    return int(num)

def to_date(dt):
    return dt.date() 

date = dates.map(to_date, na_action=None)
views = df["views"].map(to_int, na_action=None)
bookmarks = df["bookmarks"].map(to_int, na_action=None)
votes = df["votes"].map(to_float, na_action=None)
votes_up = df["up"].map(to_float, na_action=None)
votes_down = df["down"].map(to_float, na_action=None)
comments = df["comments"].map(to_int, na_action=None)

df['date'] = date
df['views'] = views
df['votes'] = votes
df['bookmarks'] = bookmarks
df['up'] = votes_up
df['down'] = votes_down

現在資料已經新增到資料集中，我們可以使用它了。 讓我們按天將資料分組並取平均值。

g = df.groupby(['date'])
days_count = g.size().reset_index(name='counts')
year_days = days_count['date'].values
grouped = g.median().reset_index()
grouped['counts'] = days_count['counts']
counts_per_day = grouped['counts'].values
counts_per_day_avg = grouped['counts'].rolling(window=20).mean()
view_per_day = grouped['views'].values
view_per_day_avg = grouped['views'].rolling(window=20).mean()
votes_per_day = grouped['votes'].values
votes_per_day_avg = grouped['votes'].rolling(window=20).mean()
bookmarks_per_day = grouped['bookmarks'].values
bookmarks_per_day_avg = grouped['bookmarks'].rolling(window=20).mean()

現在有趣的部分是我們可以看一下圖表。

讓我們來看看 2019 年關於 Habré 的出版數量。

import matplotlib.pyplot as plt

plt.rcParams["figure.figsize"] = (16, 8)
fig, ax = plt.subplots()

plt.bar(year_days, counts_per_day, label='Articles/day')
plt.plot(year_days, counts_per_day_avg, 'g-', label='Articles avg/day')
plt.xticks(rotation=45)
ax.xaxis.set_major_formatter(mdates.DateFormatter("%d-%m-%Y"))  
ax.xaxis.set_major_locator(mdates.MonthLocator(interval=1))
plt.legend(loc='best')
plt.tight_layout()
plt.show()

結果很有趣。 正如你所看到的，哈布爾這一整年都有點「香腸」。 我不知道原因。

Habra 統計學：Habr 如何在沒有極客時代的情況下生活

相較之下，2018 年看起來要順利一些：

Habra 統計學：Habr 如何在沒有極客時代的情況下生活

整體來說，我在圖表上並沒有看到2019年發表的文章數量大幅下降。 而且，相反，自夏季以來似乎甚至略有增加。

但接下來的兩張圖讓我更加沮喪。

每篇文章的平均瀏覽次數：

Habra 統計學：Habr 如何在沒有極客時代的情況下生活

每篇文章的平均評分：

Habra 統計學：Habr 如何在沒有極客時代的情況下生活

正如您所看到的，全年平均觀看次數略有下降。 這可以解釋為新文章尚未被搜尋引擎索引，並且不那麼頻繁地被發現。 但每篇文章平均分數的下降就更讓人難以理解了。 感覺讀者要嘛根本沒有時間看那麼多文章，要嘛不注意收視率。 從作者獎勵計劃的角度來看，這種趨勢是非常令人不快的。

順便說一下，2018年並沒有出現這種情況，而且日程安排也差不多。

Habra 統計學：Habr 如何在沒有極客時代的情況下生活

一般來說，資源所有者有一些需要考慮的事情。

但我們不要談論悲傷的事情。 總的來說，我們可以說哈布爾相當成功地「熬過了」夏季變化，網站上的文章數量並沒有減少。

等級

現在，實際上，評級。 恭喜那些進入其中的人。 讓我再次提醒您，評級是非官方的，也許我錯過了一些東西，如果某篇文章肯定應該在這裡，但它不是，寫下來，我會手動添加它。 作為評級，我使用計算指標，我認為這非常有趣。

按瀏覽次數排列的熱門文章

以收視率排名的熱門文章

按評論瀏覽率排名的熱門文章

最有爭議的文章

按評級排名的熱門文章

按書籤數量排列的熱門文章

按書籤與視圖的比例排名靠前

按評論數量排列的熱門文章

最後，最後一張 按不喜歡數量排列的 Antitop

啊。 我還有一些更有趣的選擇，但我不會讓讀者感到無聊。

結論

在構建評級時，我注意到了兩點似乎很有趣。

首先，前60%的文章屬於「極客時代」類型。 明年是否會減少，如果沒有有關啤酒、太空、醫學等的文章，哈布爾會是什麼樣子，我不知道。 毫無疑問，讀者會失去一些東西。 讓我們來看看。

其次，頂級書籤的品質出乎意料地高。 這在心理上是可以理解的；讀者可能不會注意評分，但如果文章 是必要的，然後它將添加到您的書籤中。 這裡恰恰是有用且嚴肅的文章的最集中的地方。 我認為，如果網站所有者想增加 Habré 上這一特定類別的文章，他們應該以某種方式考慮書籤數量和獎勵計劃之間的聯繫。

像這樣的東西。 我希望它能提供有用的信息。

文章清單很長，好吧，這可能是為了更好。 大家閱讀愉快。

來源： www.habr.com

添加評論