本文通過Dyson Web數(shù)據(jù)采集器實(shí)現(xiàn)對Betalist的網(wǎng)絡(luò)數(shù)據(jù)爬取，并通過簡單的統(tǒng)計(jì)分類，對近年來發(fā)布在Betalist的創(chuàng)業(yè)項(xiàng)目進(jìn)行了統(tǒng)計(jì)分析。?

目標(biāo)：對https://betalist.com/markets（Betalist該網(wǎng)頁上的數(shù)據(jù)進(jìn)行分析

?

1.對數(shù)據(jù)進(jìn)行采集并處理

使用工具：Ruby & Atom
(1)網(wǎng)站信息的采集(command+A/command+C/command+V)到atom的頁面中

(2)正則化刪除前面的圖標(biāo)

• 在atom頁面中，通過command+F調(diào)出正則替換框
• 通過輸入：[^a-zA-Z0-9 \t]的方式，后點(diǎn)擊replace all刪除圖標(biāo)

（3）通過正則化對其進(jìn)行排版的處理(換行處理)

（4）更改成為字典的形式（在英文單詞前后添加引號，數(shù)字和英文）

(5)至此，成功轉(zhuǎn)化為字典的形式，下一步對整個字典進(jìn)行排序，獲得top 30
工具：python&pycharm?

（6）提取top 30 字典中的value，形成新的列表（list）

2.對數(shù)據(jù)進(jìn)行可視化處理并進(jìn)行分析
使用工具：python & matplotlib & pycharm?

• 條形圖

?

• 三維散點(diǎn)圖

?

• 二維散點(diǎn)圖

綜上可得分析：

1. 互聯(lián)網(wǎng)&IT領(lǐng)域（Apps，productivity software, mobile，Saas）,商業(yè)領(lǐng)域(businesses productivity)占據(jù)所有行業(yè)的領(lǐng)先位置
2. 從橫向條形圖中仍可以發(fā)現(xiàn)Saas軟件服務(wù)創(chuàng)業(yè)量占據(jù)領(lǐng)軍位置的同時，遠(yuǎn)超top30中其余行業(yè)創(chuàng)業(yè)數(shù)量許多，以此預(yù)判Saas“軟件暨服務(wù)”理念會引領(lǐng)軟件行業(yè)的應(yīng)用模式。
3. ?由二維圖，三維圖可知，top30行業(yè)的創(chuàng)業(yè)公司數(shù)量大多在200-400范圍內(nèi)，與top5的創(chuàng)業(yè)公司數(shù)量差距較大，以此判斷，top5以外的行業(yè)競爭激烈，需找尋突破口。

?