我  相  信  这  么  优秀  的  你 

 已  经  置 顶  了  我

翻译| 吴博韬  选文| 小象  

转载请联系后台


Facebook网站有海量的数据供你探索,实际上你可以用这些数据做很多事情:


比如分析Facebook网站页面或里面的群组,将此数据用于社交网络分析(SNA),对数字营销进行数据分析,甚至收集和保存您个人项目的数据等等。


这些数据有很多利用途径,如何选择取决于你自己。



在下面这些视频中,我将向您展示如何做一些基本功能,比如:


  • 从Facebook下载数据

  • 从json转换到更方便的数据结构,以便于我们更好地利用它

  • 处理图形API中的日期变量和其他数据


下面小编为你列出视频链接,记得要“科学上网”才能观看=w=

(点击阅读原文可进入链接)


Lesson01: Introduction & Understanding Graph API - Facebook Data Analysis with Python

介绍和了解Graph API -,并使用Python进行Facebook数据分析。


在此视频中,我将向您介绍GRAPH API,使用GRAPH API Explorer并向您显示一些示例请求。


https://youtu.be/LmhjVT9gIwk


Lesson02: Download & Save Facebook data - Facebook Data Analysis with Python

使用Python下载并保存Facebook数据 - Facebook数据分析。


在此视频中,我将向您介绍如何从Facebook页面或Facebook群组下载并保存所有数据,并牢记某些问题。


https://youtu.be/0RcgBgBOiMI


Lesson03: Setting up & Cleaning the data - Facebook Data Analysis by Python

变动和清理数据 - 通过Python进行Facebook数据分析。


在第三课中,我将使用记事本来清理和审核从Facebook获得的数据,并准备好进行分析。


https://youtu.be/3KgkGpwEaN4


Lesson04: Most Commented on Posts - Facebook Data Analysis by Python

含有最多评论的帖子 - 通过Python的Facebook数据分析。


在第4课中,我会给你一个简单的方法来获得最多的评论。


https://youtu.be/QVPxMbIOG60


Lesson05: Most Liked Posts and BONUS  - Facebook Data Analysis by Python

寻找最受欢迎的职位和奖金 - 通过Python的Facebook数据分析。



在第5课中发现了一些有趣的事情,我发现了一些删除的帖子并用API访问了它的一些信息。


https://youtu.be/5E3j35jJ33s


Lesson06: Counting Words - Facebook Data Analysis by Python

计数单词 - 通过Python进行Facebook数据分析


在这个视频中,我会向您展示一个组或一个页面中所有帖子的单词频率。

您也可以在评论中使用相同的功能


https://youtu.be/qcc64-XAMqE


Lesson07: Grouping posts by keywords - Facebook Data Analysis by Python

按关键字分组帖子 - 通过Python分析Facebook数据。


在这个视频中,我将在Steam平台的页面中分组具有关键字“free”的帖子,并计算有无这个关键字的帖子数目。分组非常有用,我们将在未来的视频中会使用更多的变量。


https://youtu.be/9zQU2Z9saWU


Lesson08:  Grouping by Dates  - Facebook Data Analysis by Python

按日期分组 - 通过Python分析Facebook数据


在本视频中,我们将探索“创建时间”变量,以按年,月或日的形式对帖子进行分组。这可以用于查找发布模式等等。


https://youtu.be/qgTDJLRX5nM



译者介绍

吴博韬


“闷声挖大数据,这是最好的。”——一名沉迷于机器学习和数据挖掘的本科生。


大数据分析挖掘后台回复 “志愿者”

了解如何加入我们

(下载iPhone或Android应用“经理人分享”,一个只为职业精英人群提供优质知识服务的分享平台。不做单纯的资讯推送,致力于成为你的私人智库。)

作者:佚名
来源:小象