我们这次选择的问题是一个相亲问题中最大的一个:
按照惯例,获得问题id,逐步爬取每个答案。
由于知乎提供的用户性别不够准确,比如很多女生用男性账号,我们结合回答内容会适当修改知乎提供的性别结果。
然后,我们根据回答内容,具体分析得到用户的身高,体重以及年龄。
分析结果
这次爬虫一共获得29965个回答;
去除回答字数少于30的无效答案,一共获得26366个有效回答。
其中匿名用户占据大半,剩下男生女生数目差不多:
我们一共获得了11680条年龄数据,分布如下:
可以看出来这是一个高斯分布,18-20岁以及30-48岁的人数占少数。20-30岁为主力军,其中年龄最多的三个是24,25,26,可谓是人生的最黄金年龄。
我们获得平均年龄为25.5岁,大家都很年轻啊!
我们也获得了大家的身高分布:
这个身高并没有一个明显的高斯,或者两个高斯分布累加的现象,我们下一步会将匿名用户的回答仔细分析来获取其有效性别,从而获得男生女生的身高数据,希望可以获得两个独立高斯分布。
THE END