用户名*
邮箱*
密码*
确认密码*
验证码* 点击图片更换验证码
找回密码
忘记密码了？输入你的注册邮箱，并点击重置，稍后，你将会收到一封密码重置邮件。
前伪理工男，后伪文科男
同意 土豆泥 的回答！题主贴图出来的，并不是数据挖掘，只是一个爬虫程序在网页上爬了数据，做了一个简单的统计分析。
爬虫，可以用Python实现。
统计分析，好的书籍太多。
看到这个问题，我就猜到了回事这样的内容。。。
这个不是数据挖掘！
重要的话说三遍！
我也不是一个数据统计学专业的，我也不太会编程，然后我帮题主邀请了一些大V，但愿他们会来。
我个人纯属喜欢数据统计，也很喜欢Excel，因为之前看到 @杭河苇 的答案，就找了题目做点东西玩玩。题主说到的这个如何统计超过50赞的其实很容易，我选一个之前答过的的“各个城市都有哪些千万不要去的地方？有什么特别需要注意的？”这个问题下的答案统计为例：
一共334个答案，接下来Ctrl+A全选，然后copy到txt文档中：
然后打开Excel，我这里是07版的，选“数据”中从“自文本”导入，记得要把分隔符能勾的就勾：
把导入数据后的A栏和B栏全选后，点击“数据有效性”，选择“整数”后设置最小值为50，最大值取大点就可以（这里选8000000，当然这个赞数在知乎应该没有出现过把？）：
然后再点击“数据有效性”选择下拉菜单中的“圈释无效数据”（Excel默认一次只能选取255个点，但是255个数据点就够了）：
接下来，只要没有圈释的都是超过50赞的答案，注意数字下面第二列是答主的ID，把下方的表格内容复制到B栏下对应的位置即可：
接下来，点击“筛选”，选择“文本筛选”你会看到一系列数字，选择超过50的数字（其他文字不用管！）：
点“确定”按钮后，就有了雏形：
再整理一下，就规整多了。权重的计算用最简单的方式，就是答主的赞数除以中赞数：
其实最累的是归纳，你要看答主的答案，然后尽量保持客观，还要用最为简洁的语言分类，翔都看出来了，因为很多答主写的是真心多！！！！！
以上是最为愚蠢麻烦的方法。
今天又邀请了一些大V
这应该是数据挖掘被黑的最惨的一次吧
首先我觉得题主所举的例子并不能算是真正意义上的数据挖掘，因为这些信息并不需要挖掘，这只能算是信息抽取和统计。
对于网页数据的收集，最有效快捷的当然是用爬虫程序了。题主好像没有编程知识，那我就简单讲一下思路。
首先是对网页源代码进行分析。
可以看到，这个答案的id是10064295，作者是丁浩，赞数是6084.。
想获取这些数据，做一个字符串匹配就行了。例如match(count\”>(\d+))</span>就可以得到相应的赞数。
下面简单讲一下数据挖掘的例子
这是我从豆瓣网上爬下来的电影数据，大概有一万多条记录。（有很多字段的值因为太长所以显示不全）。
利用这些数据可以做那些数据挖掘呢？
比如说找出一些相似度比较高的电影，利用电影的类型，导演，演员，标签等等。同过求余弦相似度来找相似电影。
或则是想找出哪些标签是经常同时出现的、哪些导演和演员经常合作、或者是电影类型、地区和评分的关系等等。
以上的例子，只需要一些基础的数据挖掘的知识，再加上相应的工具就可以做到。
推荐书籍《数据挖掘导论》
相关工具rapidminer，Clemintine
与一般的表格式工具不同，这是通过拖动部件来处理数据的
虽然不懂数据挖掘 但从你描述的来看你是想学写爬虫？从网站里抓数据？
如果是的话很多语言都可以做 比如python
就是写个爬虫而已…
昵称*
E-Mail*
回复内容*
回复 ( 7 )
同意 土豆泥 的回答！题主贴图出来的，并不是数据挖掘，只是一个爬虫程序在网页上爬了数据，做了一个简单的统计分析。
爬虫，可以用Python实现。
统计分析，好的书籍太多。
看到这个问题，我就猜到了回事这样的内容。。。
这个不是数据挖掘！
这个不是数据挖掘！
这个不是数据挖掘！
重要的话说三遍！
我也不是一个数据统计学专业的，我也不太会编程，然后我帮题主邀请了一些大V，但愿他们会来。
我个人纯属喜欢数据统计，也很喜欢Excel，因为之前看到 @杭河苇 的答案，就找了题目做点东西玩玩。题主说到的这个如何统计超过50赞的其实很容易，我选一个之前答过的的“各个城市都有哪些千万不要去的地方？有什么特别需要注意的？”这个问题下的答案统计为例：
点“确定”按钮后，就有了雏形：
以上是最为愚蠢麻烦的方法。
今天又邀请了一些大V
这应该是数据挖掘被黑的最惨的一次吧
首先我觉得题主所举的例子并不能算是真正意义上的数据挖掘，因为这些信息并不需要挖掘，这只能算是信息抽取和统计。
对于网页数据的收集，最有效快捷的当然是用爬虫程序了。题主好像没有编程知识，那我就简单讲一下思路。
首先是对网页源代码进行分析。
可以看到，这个答案的id是10064295，作者是丁浩，赞数是6084.。
想获取这些数据，做一个字符串匹配就行了。例如match(count\”>(\d+))</span>就可以得到相应的赞数。
下面简单讲一下数据挖掘的例子
这是我从豆瓣网上爬下来的电影数据，大概有一万多条记录。（有很多字段的值因为太长所以显示不全）。
利用这些数据可以做那些数据挖掘呢？
比如说找出一些相似度比较高的电影，利用电影的类型，导演，演员，标签等等。同过求余弦相似度来找相似电影。
或则是想找出哪些标签是经常同时出现的、哪些导演和演员经常合作、或者是电影类型、地区和评分的关系等等。
以上的例子，只需要一些基础的数据挖掘的知识，再加上相应的工具就可以做到。
推荐书籍《数据挖掘导论》
相关工具rapidminer，Clemintine
与一般的表格式工具不同，这是通过拖动部件来处理数据的
虽然不懂数据挖掘 但从你描述的来看你是想学写爬虫？从网站里抓数据？
如果是的话很多语言都可以做 比如python
就是写个爬虫而已…