假裝有人看我的部落格：CSDN部落格要過稽核，稽核時間大概一天左右，看不到這篇就因為我又更新了。

【重要宣告：此次暫未統計香港、澳門、臺灣及南海諸島地區的資料，僅對中國大陸地區的資料進行統計，故在下文中沒有提及以上地區】

注：在原資料集中包含來自香港及其他未在統計範圍內的資料，由於無法對此類資料進行精確的定位，暫時不列入統計範圍。

【比較重要的宣告：由於此文仍在更新，暫時保留一些筆記，隨筆之類的東西，最後會寫一篇正式的統計報告】

以下均簡稱資料中的人物為”使用者”

假設條件：
1.此次資料洩露均為被拖庫導致。
1.1：使用者在較多的網站註冊過賬號（鑑於目前的網站種類分佈，暫且認為是社交網站）
1.2：且使用相同的賬號及密碼
2.在5年內乘坐過火車或高鐵（此條有待考證，網上訂票具體實施日期）

人物畫像：
1.來自準一線城市及二線城市
2.屬於中等及中等偏上收入人群（高收入人群乘坐火車且自己擁有12306賬號的比重不大，低收入人群同上且不符合條件1.1）
2.1：這個好像沒什麼用，畢竟中等及中等偏上收入人群本身就在總人口中佔據較大比重，就好像之前看到的一個例子：【有人做過統計，在重大交通事故中，車速超過120km/h的佔比小於正常車速的佔比，以此做出結論：發生交通事故與是否超速沒有直接聯絡。實際上，車速超過120km/h的機動車在路上行駛的總機動車中佔比本身較小，所以在僅僅統計重大交通事故時佔比較小，而把超速行駛的機動車總數和發生交通事故的超速機動車作比較時，就遠大於上述比例】。
3.年齡分佈在83年至93年出生的人群
4.人口遷徙圖做出來再繼續寫

一、年齡分佈圖
原始碼：plt1.py

# -*- coding: cp936 -*-
'''
檔名:plt1.py
使用者分佈圖
'''


# -*- coding: cp936 -*-
import numpy as np
from matplotlib import pyplot as plt

import csv
csvfile = file(r'D:\python27\py\datas.csv','rb')
newcsv=file(r'D:\python27\py\newcsv.csv','wb')
reader = csv.reader(csvfile)
writer=csv.writer(newcsv)
a=0
 

data=[]
for line in reader:
    level=line[7][:4]
    #print level
    line.append(level)
    data.append(level)
    #writer.writerow(line)

csvfile.close()
newcsv.close()


def count(datalist,item):
    num=0
    for a in datalist:
        if(a==item):
            num=num+1
    #print num
    return num

countlist=[]
for n in range(1940,2010,1):
    countlist.append([n,count(data,str(n))])
    #print count(data,str(n))
#print countlist

x=[]
y=[]
for a in countlist:
    x.append(a[0])
    y.append(a[1])
plt.axis([1940,2010,0,18000])
plt.xticks([i for i in range(1940,2011,5)])
plt.xlabel("USER_AGE")
plt.ylabel("AMOUNT")
plt.title("User_age Distribution Map")
plt.bar(x,y)
plt.show()

結果圖：

從此圖可以看出，使用者主要分佈在1985~1992年出生的區間，並在1995年出生的以後的分佈幾乎降為0。這基本符合假設條件1.1。

1. 這類人大多為大學畢業10年內及在校大學生（我們認為他們大多都上過大學），可以說是隨著中國網際網路一起成長的一代人，接觸網際網路較早且在網際網路上一直保持較高的活躍度。
2. 使用者在多個網站註冊過賬號，也正因為賬號較多，為了方便記憶，使用同一套賬號和密碼。
3.

2011年6月12日起，京津城際率先試行鐵道部官網12306網路售票，標誌著中國大陸鐵路售票首次進入網際網路售票時代，為京滬高鐵實行網路售票試水。6月30日，京滬高鐵開通已就實行網路售票。2011年9月30日起所有高鐵及動車組列車實行網路售票。2011年12月24日起所有旅客列車實行網路售票。

二、地域分佈（暫時沒有圖）
原始碼：loc.py

# -*- coding: gbk -*-

import csv
csvfile = file(r'D:\python27\py\datas.csv')
newcsv=file(r'D:\python27\py\newcsv.csv','wb')
loadprov=file(r'D:\python27\py\pro.csv')
countpro=file(r'D:\python27\py\provcount.csv','wb')
reader=csv.reader(loadprov)
writecount=csv.writer(countpro)
prov=[]
provcount=[]
for line in reader:
    prov.append(line)

reader = csv.reader(csvfile)
writer=csv.writer(newcsv)
data=[]
for line in reader:
    data.append(line[3][:2])
    check=0
    for s in prov:
        if(str(line[3][:2])==s[0]):
            line.append(s[1])
            check=1

            break
    if(check==0 and str(line[3][:2])=='51'):
        if(str(line[3][:4])=='5102' or str(line[3][:2])=='50'):
            line.append('重慶')#❶
            check=1
        else:
            line.append('四川')
            check=1
    if(check==0):
        line.append('未知地區')
    che=0
    for count in provcount:
        if(line[10]==count[0]):
            count[1]=count[1]+1
            che=1
            break

    if(che==0):
        provcount.append([line[10],1])


    writer.writerow(line)

alldata=0
for pro in provcount:
    writecount.writerow(pro)
    alldata=alldata+pro[1]
print 'all data : '+str(alldata)
#writecount.writerow('alldata : '+str(alldata))
print provcount

countpro.close()
csvfile.close()
newcsv.close()

統計結果：

浙江,8769
福建,5797
遼寧,5343
安徽,5591
河南,8012
江西,5065
湖南,8482
黑龍江,6687
天津,1360
河北,5312
貴州,1931
湖北,9683
上海,3667
山東,6890
吉林,3942
山西,2730
廣東,5423
四川,8061
甘肅,1849
江蘇,8912
北京,2441
重慶,2824
新疆,1488
廣西,2588
陝西,3523
海南,403
內蒙古,2544
青海,362
雲南,1176
寧夏,492
西藏,42

人數統計：

人數分佈：

由於各省的總人數差異較大，所以在網上查到了2010年第六次人口普查的資料，做了一個使用者數在各省總人數中的比例分佈。

在各省佔比統計：

在各省佔比分佈：

由於使用的總人口資料來自2010年，距資料來源有4年的間隔，所以以上圖表僅作參考。

【再次開坑】：根據在各省佔比分佈圖來看，比例最多的幾個省份分佈在華中，華東，東北和北京，天津兩個直轄市，在地域上【似乎】找不到特徵，尤其是河北和山東的資料。暫時只能確定的是在西部和南部的分佈較少。

下面是腦洞：

1. 如果跟鐵路分佈有關【在這裡發現了重大問題：並沒有得到各省使用網路訂票的總使用者數，接下來的分析條件不足】（鐵路發達，坐火車出行方便，使用者數就較多）：武漢市位於我國中部，九省通衢；東南沿海地區動車發展較早，短途出行坐動車高鐵較便捷；西部地區鐵路相對不發達；哈爾濱鐵路局建設較早（1898年始建，1903年正式運營）（我知道我已經開始硬往資料上湊了……）
2. 如果跟鐵路分佈無關（或部分有關）：經濟發達程度？北京上海和廣東形成鮮明對比；人口遷徙？等做出圖再看。

基本上除了加粗的幾條，其他的基本只能是腦洞了，畢竟條件不足。下一步的工作就是根據使用者戶籍地址和手機號碼歸屬地做出大致的人口遷徙圖。

❶：關於重慶和四川的身份證號開頭
5102 或 50 開頭的是重慶 ，其他 51 開頭的是四川

1954年7月，西南大區、川東行署區撤銷，川東行署區首府北碚市併入重慶，重慶市從直轄市降為省轄市，重新併入四川省。①

1997年3月14日，在第八屆全國人民代表大會第五次會議上，審議通過了將原四川省重慶市、萬縣市、涪陵市、黔江地區合併，設立重慶中央直轄市的議案。同年6月18日，重慶直轄市政府機構正式掛牌。②

在1954年重慶直轄市時期，重慶全市只有6個區2個縣，加上當時的地級市北碚市被稱作主城9區，即重慶的核心區；而1983-1997年間的四川省重慶市時期，管轄範圍是“九區十二縣”，被稱為“老重慶”，直轄後四川省其他幾個地級市劃歸重慶市管轄。③

在③中所謂“1983-1997年間的四川省重慶市時期”中提到1983年而不是1954年，我暫時認為原因如下：

1983年3月3日，永川地區八個縣併入重慶市，重慶成為中國第一個享有省級經濟管理許可權的計劃單列市。④

關於計劃單列市，維基百科的介紹：

計劃單列市，全稱國家社會與經濟發展計劃單列市，是中國大陸的省級單位對所轄大城市下放部分經濟管理許可權的城市。計劃單列市仍保留省轄市的行政地位，繼續接受省級行政機構的領導。⑤

也就是說，在1954年至1997年間，重慶市隸屬於四川省，又由於重慶市在1983年被列為計劃單列市，所以1983年之前出生在重慶的身份證號是5102開頭，而在這之後出生的是50開頭。