是什麼讓“數據科學”帖子在 Medium 上流行起來？

該博客最初由 Aiswarya Ramachandran 發表在 Medium 上，他是 IIIT-Bangalore 的 UpGrad 數據科學項目的校友。

在我之前關於 Medium 的一篇文章中，我曾寫過如何從 Medium 中抓取特定查詢字符串的搜索結果。 在這篇文章中，我們將詳細分析從搜索詞“數據科學”中刪除的數據，以根據拍手次數和回復將帖子分組為不同的受歡迎程度，並了解這些帖子受歡迎的原因。

從 Medium 搜索結果中提取的數據是 JSON 文件，其中包含有關每個搜索結果的大量數據。 為了探索 JSON 文件的結構，我使用了帶有 JSON 插件的 Notepad++。 JSON 文件包含有關帖子、帖子作者和與該帖子關聯的發布者（如果有）的數據。 這是一篇中等帖子的 JSON 數據結構：

可以在此處找到從 JSON 文件中提取數據的代碼。 除了從 JSON 文件中提取數據之外，我還添加了一個包含帖子被廢棄日期的字段。

“數據科學”相關帖子的探索性分析

在搜索詞“數據科學”的抓取結果中，有 831 個帖子被廢棄，其中 31 個是對帖子的回复，並被排除在分析之外。 以下是多年來發布的帖子數量，廢棄的數據是從 2013 年 3 月到 2018 年 4 月：

所有日期字段，如創建日期、首次發布日期、最後更新日期，其中自 1970 年 1 月以來經過的毫秒數。使用以下函數將它們轉換為人類可讀的日期格式

# 將 EPOCH 日期轉換為人類可讀格式的函數

def 轉換日期字符串（日期）：
    return (datetime(1970, 1, 1) + timedelta(milliseconds=date)).strftime("%Y-%m-%d %H:%M:%S")

下一步是查看這些帖子標題中最常出現的單詞。 從下面的詞云可以看出，Data Science、Big Data、AI、Analytics、Machine Learning、Python、self-driven（關於自動駕駛汽車）是一些最常出現的詞。

拍手數、響應數的分佈高度偏斜。 708 個帖子的掌聲少於 500 個。 這表明很少有帖子變得流行。 以下是掌聲分佈：

大多數文章的閱讀時間（分鐘）在 1 到 3 分鐘之間。

在 Medium 上，每個帖子最多可以有 5 個標籤。 標籤可幫助讀者更輕鬆地找到內容。 標籤越相關，越容易找到。 正如我們在圖片中看到的，數據科學是最常用的標籤，其次是機器學習、大數據、人工智能。 以下是與數據科學相關的前 10 個標籤：

根據用戶響應創建集群

有三個指標可以衡量帖子在 Medium 上的受歡迎程度。 #Claps、#Responses 和 #Recommends。 為了進行公平比較，我還包括了特徵#Days between First Published and data collection date。在這個特徵集上，我應用了k-means聚類並確定了三個聚類。 從下圖中我們可以看出，跨集群（人氣組）的三個指標之間存在巨大差異。 此外，我們可以看到，對於不太受歡迎的帖子，儘管發布和報廢之間的平均天數最高，但他們的參與度非常低。 以下是跨集群（人氣組）的指標：

從下圖中我們可以看出，對於更受歡迎的文章，中高人氣文章的中位數是 9 和 7。與不太受歡迎的文章相比，它們也有更多的鏈接。 這意味著熱門帖子是指其他帖子和其他信息來源，可為內容增加更多價值。 熱門帖子和非熱門帖子之間的區別

從上圖中我們也可以看出，中等人氣的帖子更接近於高人氣的群體，而不是低人氣的群體。

通過簡單的 k-means，我們能夠識別出 Medium 上與數據科學相關的熱門和非熱門帖子。

學習世界頂尖大學的數據科學課程。 獲得行政 PG 課程、高級證書課程或碩士課程，以加快您的職業生涯。