用python对github用户followers分析

github 用户 followers 分析

如何分析一个github用户的followers？

周末手痒，用python分析了一下自己 github 的 followers 用户，统计结果如下

问题分析

在github上，一个用户的主页显示如下，主要对如下用户信息进行提取
- 用户名称
- 所在的位置
- 用户仓库、stars、Followers、Following数量
- 去年一年的贡献度

我们需要对上图红框里面的数据进行提取，最直接的方法是使用requests，通过BeautifulSoup对html中的信息进行提取。

一些弯路

最开始没打算用爬虫的方式来获取用户信息，因为github有公开的REST API v3可以对指定用户的信息进行访问，并且已经有打包好的PyGithub方便调用。但是我实验下来有如下问题所以放弃使用REST API v3
1. API请求频率有限制，无法运用多线程快速获取批量的用户信息
2. 不知道是不是小BUG，通过API无法获得用户去年一年的贡献度contributions

工具

• python 3 ： 彻底告别我的py2
• BeaufulSoup ：从HTML或XML文件中提取数据
• Requests ： 请求网页
• 多进程 ： 为了更快
• pyecharts ： 美的令人窒息的绘图工具

操作步骤

1. 获取目标用户如https://github.com/wangshub?page=1&tab=followers的所有followers；
2. 改变page编号，遍历所有用户；
3. 提取用户关键信息，保存成csv文件；
4. 数据清洗，过滤；
5. 利用pyecharts绘图；
6. 进行地点词频统计；

实验结果

截止2018-01-15,我的github账号一共有1214名follower，分析结果如下

用户地点分析

排除掉没有填写地点信息的用户，将中文转化成pinyin后，词云如下

用户基本上都是来自北京、上海、深圳等地

去年一年用户贡献度分析

如果看用户是否活跃，肯定是看contributions啦

可以看出超过一般多的用户，去年的贡献度都在都在 1~50 之间，新的一年要加油啦。其中一年贡献最多的用户是@dragon-yuan, 在2017年有整整 4,197 个贡献度，不多说了，前去关注一波。

用户followers分析

哇，有大牛，别拦着我，我要去点关注了

用户仓库数量分析

通过爬取用户的仓库数量，进行统计如下

可以看到一个有意思的现象，有少数的人仓库数量超过了1000，打开这几位仁兄的github主页，大部分是fork的项目，其中仓库最多的用户有13100个仓库，叫@ProgrammerAndHacker，他是这么介绍自己的

I follow best programmer and hacker， 
Do you want to hacked by them? ^_^ 
Best programmers and hackers are here: 
...

用户stars分析

都说点击star是一个好习惯，

不得不说，github上面还是有点赞狂魔的，这位老铁@chenruibin一共点击了10100个赞，真是好习惯～

用户 following 分析

同样是@ProgrammerAndHacker这位仁兄，一共follow了19600个用户，严重怀疑是不是机器人。

最后

不搞了，我要去写论文了TAT，代码在这里https://github.com/wangshub/who_is_following