用数据说话：2月份微信运动清单

通过抓取微信运动的数据（其实是翻看微信运动消息，然后一个一个手敲的），我获得了2月份每天的运动步数，以及朋友圈排名。

运动步数列表如下：

[8743, 9306, 5613, 2258, 9866, 7507, 7201, 10027, 6373, 23, 7247, 5595, 4285, 9677, 6578, 18279, 6033, 7214, 2621, 0, 10426, 4773, 14093, 7686, 1766, 8615, 12564, 18436]

朋友圈排名列表如下：

[22, 16, 34, 56, 19, 26, 26, 15, 43, 75, 33, 40, 56, 20, 28, 4, 26, 16, 53, 0, 11, 51, 5, 25, 63, 23, 5, 1]

折线图

为了一目了然地看出每天步数和排名的变化，我用matplotlib库绘制了步数和排名随时间变化的折线图。

运动步数和排名随时间变化图

绘制折线图之前，我先对数据进行了简单的处理。

首先，对于缺失数据的处理，2月20日，微信运动步数缺失，运动步数当然就是了，至于排名，应该是一个很大的数，可以以100名计算，或者是一个更靠后的数。但是我没有按照100处理，而是将排名取作了，算是一个奇点数据。从图中可以清晰地看出来，其它时间的步数和排名都是负相关，只有2月20日，两个点相交到了一起。

其次，运动步数的数据范围[0,20000]，朋友圈排名的数据范围[1,100]，如果不对数据进行处理，以运动步数的数量级，朋友圈排名就是一条直线，为了将两个数列合理地展示在同一张图中，我对步数和排名都进行了数据的标准化，即(current - min)/(max - min)，标准化后的数据范围[0,1]。

另外，在绘制图形的过程中，我也做了一些修改和调整。

首先，标准化后的数据，已经丢失了数据的原貌，无法准确地看到每天的步数和排名的具体数字，于是我用plot.text()方法对每个点都加了注释，注释的内容就是每天的步数和排名的具体数字。

其次，是选色的问题，刚开始步数我用的是默认的blue，排名我用的是red，标准的蓝色和红色，颜色是很鲜艳的，也是非常重的，当线和注释有重叠，特别是两条线同时和注释相互重叠时，根本都看不到注释的是什么东西，哪怕我的注释是黑色的，也无济于事。于是我参照颜色卡，把步数改成了cornflowerblue，一种矢车菊的亮蓝色，把排名改成了greenyellow，一种绿黄色，不过之前听说过黄绿色，没有听过绿黄色，或许就是这样翻译的，听起来顺耳而已，也可能有yellowgreen这么一种颜色，只是谁在前就更偏向于谁而已。

plot配色卡

最后，就是网格线的去留问题，用标准的蓝和红这种颜色比较重的，绘制的折线图，网格线显得若有若无，既能标示刻度，又不影响观感。修改成矢车菊的亮蓝色和黄绿色之后，网格线就有些突兀了，怎么看怎么惹眼，都抢了折线图的风光，于是乎，果断弃除网格线。关于网格线的去留，我的总结是这样的，当绘制的图形颜色较重的情况下，当绘制的图形比较单调，看着比较空的情况下，网格线可以作为很好的辅助，反之，网格线就是抢眼的，多余的。

相关性分析

通过折线图可以直观的看出来，运动步数和排名还是有一定的相关关系的，也就是运动步数越大，排名越靠前，排名数越小。相关关系到底有多大呢，这个就需要通过计算相关性，用数据来说话。

导入pandas库，把步数列表和排名列表转化成Series对象，用相关性分析方法corr计算这两个Series序列的相关系数，返回的值为：-0.72934000147。

从这个数据可以说明，步数和排名是呈负相关，并且相关性还是挺高的，可以进行进一步的回归分析计算。

回归分析

回归分析需要导入sklearn库，把自变量x列表和因变量y列表作为参数传入到fit()方法中，即可通过intercept_和coef_获取到一元线性回归方程的常数项和系数。

首先，用步数作为自变量x，排名作为因变量y，计算结果如下：

系数为：[-0.0031836]

如果我今天走了20000步，即x=20000，代入得y=-11.19，排名不能为负，至少要大于，所以排名只能是第一。参考2月28日的18436步朋友圈第一名，20000步第一名，妥妥的。

然后，用排名作为自变量x，步数作为因变量y，计算结果如下：

常数项：12326.3482169

如果我今天想获得朋友圈排名第一，即x=1，代入得y=12159.26，这个步数显然还不足以拿到朋友圈第一，否则，我这一个月就不可能只有一次问鼎朋友圈啦。

为什么排名第一需要的步数这么低呢？我觉得大概原因应该是这样的，朋友圈的步数，一般都集中在10000步以下，尤其5000到8000步居多，这些集中的步数中，有些可能仅差几步，就决定了排名的先后，在拟合线性回归方程的时候，这些比较集中的数据对结果的影响非常大，直接影响了两端分布较少的数据，从而造成拟合不足的现象。

正常的情况下，考虑到范围限制，考虑到实际情况，步数和排名拟合成S形曲线要比拟合成一条直线更为合理。

话外篇

每当一年或者一个月结束的时候，总有些感慨想抒发，总要回忆自己过去的一年或者一个月都做了什么，有什么值得回味和留恋。但是真正坐下来想的时候，脑袋里一片虚空，好像突然就佛系了一样。

当已逝的2月化作参差不齐的步数折线放在我的面前，突然2月的每一天都清晰了起来，好像心中的感慨和回忆突然有了一个大纲，只要照着大纲找寻，自己走过的一帧一帧的画面都浮现在了脑海里。

先说距离最近的，也是步数最多的2月28日，除了上下班固定的5000步左右，中午和几个要好的同事步行将近两公里去喝羊肉汤，然后又步行着回公司，路上有说有笑，真的比死气沉沉的上班有意思的多了。这些就可以问鼎朋友圈，摘取第一的桂冠了吗？显然不是的，下班吃过晚饭，我和老婆开始了相约锻炼身体的许诺，虽然刚开始运动强度不大，但是开始就意味着决心，剩下的就是互相监督和坚持啦。

再说第二个18000+步的，虽然与2月28日的步数差不多，但是排名嘛，却令我伤心。那是2月16日，大年初一，中国传统的春节，我早上五点多就从床上爬起来，到长辈家拜年，等天彻底放亮，约着几个发小，步行去六七公里远的县城，最近几年的春节都是这样过的，一年不见的发小边走边聊，六七公里的路程根本都不算什么，到了县城一块逛逛街，吃个饭，然后打个车回家。

至于那个缺失的2月20日，是因为2月19日去外婆家走亲戚，舅舅和表弟也都回来了，相谈甚欢，贪了杯，直接喝断片了，2月20日在家睡了一天，哪也没去，手机也没有玩。

哎，就说这么多吧！满满的感慨和回忆！