酷应用

程序员 520 脱单指南！

百家作者：程序人生 2019-05-20 02:25:09

作者 | 周志鹏

责编 | 伍杏玲

【程序人生编者按】今天520，朋友圈一秒变成大型“虐狗现场”，单身程序员表示“也想谈恋爱”啊，那么如何找到心仪的TA，程序员当然要用程序员的办法啦！（小预告：文末有精彩哦！）

最近很多关于晒择偶标准的帖子，活脱脱把知乎变成了另一个“世纪佳缘”，回答清一色的爆照和晒条件，这对于单身狗来说是妥妥的福利。

母胎SOLO的程序员小Q就沉迷其中不能自拔，这是他流着哈喇子发出的第100次感慨“你说说！这些小姐姐照片是真好看！但回答实在太太太多了，怎么才能在这些回答中找到合适的人选呢？Z哥，你能不能从数据分析角度给我点思路啊？”

小Z不胜其扰，被迫接受了这个艰难的任务——基于数据打造一份择偶指南。

数据获取

首先，我们要拿到这些小姐姐们的数据，小Z找到了择偶/相亲相关内容下最热门的一个问题——你的择偶标准是怎样的？

说是问择偶的标准，其实全是希望找到另一半的小哥哥、小姐姐们在答题。目前已经有27000+回答了：

回答爬取这一块，知乎还是比较友善的，只需要在XHR里面找到回答的动态网址，伪装headers的User-Agent就能够欢乐的批量爬取了。

小Z不费吹灰之力就爬到了问题下27664条回答，还包括每条回答的答主昵称、关注人数、点赞数、性别等一大票字段。

数据初窥

1、匿名情况和性别占比

截至日前，这个回答下有13527个用户是匿名的，占比（48.90%）接近半数。需要注意的是，所有匿名用户的性别默认都是男（知乎性别1表示男，0表示女，-1代表未知）。出于职业习惯，小Z以迅雷不及掩耳之势分析了男女占比(剔除了匿名用户的占比)：

小Z发现，这个问题下，已经有大神基于内容进行了匹配，在未剔除匿名的情况下，发现男性占比较大。

而我们剔除掉匿名的用户，只基于爬取的性别源数据进行分析，发现男、女、未知三分天下，性别占比相对均衡，可以确定的是，目前回答下有4758个不匿名的小姐姐。（这两套逻辑下的统计结果并不冲突）

2、回答创建时间分布

在看回答创建时间分布前，需要先把知乎默认的时间戳格式转换成我们习惯的时间格式：

回答时间分布：

2018年4月30号，随着问题的提出，第一个哥们开始答题，前期这个问题一直处于日回答数不过50的不温不火状态。时间来到了18年国庆节，可能是单身狗返乡受到亲友们的疯狂质询，导致回答数暴增，10月7日当天，日回答数突破300大关，随后回答数稳定在100左右。
无从考证2018年12月13日发生了什么，那一天有506颗悸动的心将脱单的希望交给了知乎。
19年春节前的返乡期，又是一次情感大拷问，也是回答数的第三个小高潮。及至今日，每天还有60+新增回答。