背景
看网络课程是假期充电的好方法，遇到一节短短的干货网络课，真是让人受益匪浅、回味无穷。但不知大家有没有类似的感受，当你在线上课程平台看到一个感兴趣的课程，并迫不及待的点进去一探究竟时，巨长的课程时长让你的热情瞬间下降了一半。就算仍然饶有兴致的开始了学习，中途可能就打哈哈流泪进而放弃了，下次再看到课程时间过长的，直接pass！是不是就我自己有这个毛病呢？闲来无事，用数据分析的方法来对这个问题一探究竟。我选择了个人比较青睐的线上教育平台——极客学院作为分析对象。
这篇文章只谈分析过程和分析结果，不想粘代码了，完整项目已扔至github->jkxy-data-analyse
数据收集
要分析数据嘛，没数据分析个皮皮虾，就好比今天是生娃抡丁节，没有女朋友你管那么多干嘛~不如正儿八经的撸点代码~
咳咳，言归正传，数据收集用Scrapy这个强大的爬虫框架，不会用的仁兄可以参考我博客里的教程。这里还要聊一聊爬虫道德问题，一个恶意或有意无意的运行速度极快甚至是多线程的定向爬虫，对网站维护者来说是很蛋疼的。因为这只爬虫占用了非常多的服务器资源，对于一个小型网站来说，很可能就因为这一只虫，造成正常用户无法访问，甚至崩溃，WTF，别问我怎么知道的……说多了都是泪。所以在这倡议一下，做一个文明的Spider：
- 遵守robot协议
- 设置爬取时延
- 最好在夜深人静的时候收集数据
虽然我知道我正常爬也不会对极客学院网站造成多大影响，但是我还是恭恭敬敬设置了三秒的爬取时延，即每三秒发一个HTTP请求。
我把能弄到的数据基本上都保存下来了，这次分析只用到了其中的一小部分，即课程时长、课程小节数、学习人数以及观看权限。
github上我提供了我爬好的数据用于分析。
开始分析
分析一
首先我想到的是，课程时间越长，学习的人数越少，使用pandas和matplotlib库绘制出课程时长-学员数散点视图，如下：
根据此视图看，学员数与课程时长成近似反比关系，即课程时长越长，学员数越少，与预期相符，但是不乏有异常点的存在，这个我们稍后讨论，先忽略掉异常点，缩小范围，观察一下数据密集的区域：
反比关系似乎更明显了，不过更密集的区域还得再进一步缩小范围:
从这张图我分析得到以下内容：绝大部分课程学员数在2000以上，我们知道极客学院是有VIP机制的，即很多课程需要有VIP权限才能观看，所以这些观看量2000以上不多的课程，可能就是VIP课程，所以可以判断，极客学院的活跃VIP保持在2000以上。而学员数较密集的区间是[2000,10000]，可以推断，大约每五个观看过极客学院视频的学员就有一个购买了VIP，极客学院的课程吸引力不言而喻。
然后回到我们刚才提到的问题，异常值是怎么回事？
在总视图中，有一异常点，课程时长1400分钟(异常的长)，观看人数6万人(异常的多)，我在数据库中找到此条记录后发现，这个课程包含79小节，每一小节的课时数并不长。所以，是不是小节时长对观看人数的影响更为明显，联系更大呢？我们再进行后续分析。
分析二
仍以学生数作为纵轴，横轴的数据我改为课程时长/课程小节数，即课程小节的平均时长，因为学员观看视频也是一小节一小节的看，所以分析小节时长与学员数的关系，也许更有规律，首先是小节平均时长-学员数散点视图：
显而易见，大趋势比课程时长-学员数更为清晰，并且可以说，没有出乎意料的数据出现。好像是反比关系。为了让规律更加清晰明显，将范围缩小，查看数据密集区域的散点分布，即小节平均时长-学员数局部散点视图：
从局部视图来看，密集区域更接近正态分布，而正态分布的期望约是7分钟。所以说，我们可以推断出，在课程质量相近的前提下，网络课将时间定在每小节7分钟更能吸引学员，让学员有耐心听完。
结论
结论君：作为结论我表示很尴尬，请参见上一部分的最后一句加粗的话，那就是我……
后记
果然不喜欢看长课不是我的专利，也果然生活中的现象总是符合正态分布。
这个故事告诉我们，如果我们以后要开网络课的话，最好把一小节的时间控制在7分钟左右，天，我这个抠脚菜鸡在想什么~
最后鸣谢极客学院、慕课网、CSDN等网上教育平台给我们提供了丰富多彩的课程，祝他们越办越好，鸡年大吉！
