V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
爱意满满的作品展示区。
graetdk
V2EX  ›  分享创造

爬了一百多万条疾病问答,做了点数据分析并且开源代码(虽然很简单)

  •  
  •   graetdk · 2019-02-23 17:47:49 +08:00 · 5845 次点击
    这是一个创建于 2098 天前的主题,其中的信息可能已经有所发展或是发生改变。

    先上图,这几张图的变化是我觉得最有趣的(不同年龄段最容易生什么病)

    完整的分析: https://mp.weixin.qq.com/s?__biz=MjM5ODY4NzQ4MQ==&mid=2651633780&idx=1&sn=9e3362a433a13f5aff978b6683418ab6&chksm=bd3effe28a4976f42f551dde182d9f3496f624f09d037b0f4e1c392ab77a2272ecb9a44c5fcd&token=1114875565&lang=zh_CN#rd

    代码: https://github.com/wdkwdkwdk/fuck_illness (求个 star 之类的) 接近一年没写 python 了,遇到的坑都记录下来了,新手可以做个参考,大神轻喷~

    24 条回复    2019-03-02 20:44:45 +08:00
    roychan
        1
    roychan  
       2019-02-23 17:51:51 +08:00
    挺有意思的,赞一个
    d5
        2
    d5  
       2019-02-23 17:51:52 +08:00 via iPhone
    一看是王登科,赶紧点 star
    zea
        3
    zea  
       2019-02-23 18:21:19 +08:00 via Android
    这个 66666
    mohoumk2
        4
    mohoumk2  
       2019-02-23 18:52:51 +08:00 via Android
    20 岁之后怎么都有出血……
    FakeLeung
        5
    FakeLeung  
       2019-02-23 18:53:26 +08:00 via Android
    20 岁以下,手淫俩字真大。
    20 多的就是早泄。。。
    WordTian
        6
    WordTian  
       2019-02-23 19:28:04 +08:00 via Android
    哈哈,这几张图看乐了
    graetdk
        7
    graetdk  
    OP
       2019-02-23 19:31:19 +08:00
    @d5 哈哈哈谢啦
    a1058021348
        8
    a1058021348  
       2019-02-23 19:37:50 +08:00
    @mohoumk2 #4 20 岁以下也有出血……在左下角,浅黄色不明显……
    ilovehoo
        9
    ilovehoo  
       2019-02-23 19:42:51 +08:00
    中国糖尿病人有将近一亿。。。亚洲人更容易患
    oddisland
        10
    oddisland  
       2019-02-24 07:19:25 +08:00 via iPhone
    手淫也是病…
    graetdk
        11
    graetdk  
    OP
       2019-02-24 12:40:43 +08:00
    @oddisland 倒不是病,但是很多青少年应该会为此困扰
    ismyyym
        12
    ismyyym  
       2019-02-25 10:02:04 +08:00
    手淫->出血->贫血->疲劳->早泄
    hh
    smartdone
        13
    smartdone  
       2019-02-25 11:34:03 +08:00
    感觉可以用数据加上机器学习训练出一些有意思的东西
    sheyong
        14
    sheyong  
       2019-02-25 12:00:13 +08:00
    这些词里有的是症状有的是疾病啊 疾病和症状都是多对多的关系
    graetdk
        15
    graetdk  
    OP
       2019-02-25 12:10:18 +08:00
    @sheyong 因为语料库的关系,没有找到一个很纯粹的纯疾病语料库
    RangerWolf
        16
    RangerWolf  
       2019-02-25 15:31:19 +08:00
    有没有哪位看官用这个数据做一个简单的但是不会想某度一样的疾病搜索引擎的?
    graetdk
        17
    graetdk  
    OP
       2019-02-25 17:35:46 +08:00
    @RangerWolf 一点都不会简单,医疗相关的用丁香园吧,真有毛病还是去医院
    RangerWolf
        18
    RangerWolf  
       2019-02-25 17:44:34 +08:00
    问一下楼主, 请问你的爬虫用了几个 IP 啊? 代码还没细看 直接伸手党了。。。
    graetdk
        19
    graetdk  
    OP
       2019-02-25 18:02:48 +08:00
    @RangerWolf 我运气好,这个站完全没做任何防护,所以我没用到代理
    pipi32167
        20
    pipi32167  
       2019-02-25 20:49:32 +08:00
    @ismyyym 一滴精十滴血 233
    2027
        21
    2027  
       2019-02-28 22:56:53 +08:00 via Android
    不建议家中常备可口可乐,换雪碧都这个好。
    graetdk
        22
    graetdk  
    OP
       2019-03-01 10:30:28 +08:00
    @2027 啊是的,最近爱喝雪碧了
    prick
        23
    prick  
       2019-03-02 14:39:30 +08:00
    老兄我想问下你公众号其他组织认证是如何实现的?对公账户打款?
    graetdk
        24
    graetdk  
    OP
       2019-03-02 20:44:45 +08:00
    @prick 因为注册时间比较早。。。
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   3132 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 24ms · UTC 00:38 · PVG 08:38 · LAX 16:38 · JFK 19:38
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.