豆瓣九点和博客访问量

到现在为止，我的博文两次上了豆瓣九点科技，所以我有两份豆瓣九点带来访客的数据。既然有了数据，那自然要利用一下。

两次分别是 2011 年 8 月 4 日到 8 月 8 日和 2012 年 12 月 8 日到 12 月 11 日（尚未完全完成）。

数据分别是

利用 Mathematica，把数据按照时间绘制出来。不过比较忙，所以只处理 Total Visitors 和 Unique Visitors 的数据。

上图是去年的数据，下图是今年的数据。

为了更加直观，添加了 Hue 的背景，用不同的颜色来区分一天中不同的小时。同时为了能够更好地提取出具有差不多访问者的小时时刻，使用 BrightBands 色带来填满数据点和时间轴（对于大量数据更有效些）。

首先说明的是，我用的是 Pacific Time，但是从 GA 得知绝大多数用户（由于高达 85% 以上）来自国内，因此要把时间换算成北京时间，即 +16 小时，而对于去年那次，由于夏令时缘故，需 +15 小时。由于图表我另有用途，所以并不切换到北京时间，但是下文所讲的白天黑夜是北京时间。

这样的话，可以用一幅图来展示代表小时的颜色的意义：

上图中的连续色带用来表示白天黑夜，可见绿线附近是白天，而紫色粉色附近是黑夜。

有了这些铺垫之后，可以很快发现，两张图的流量低谷恰在凌晨。哎，没有为我们提供新观点的可视化是没意义的。

需要提到，我两次都是凌晨写的文章。但两次数据表明

大规模的爆发皆为下午 14:00，15:00 左右。大约 9 小时（即深夜 12 点）后进入低谷，因为大家都睡觉去了。
上面提到国内访客大约 85%，也就是说国内/国外近似为 5.5，到了夜间，数据主要是紫色和红色。从上面的 BrightBands 色带可以看到橙色大约是红色的六倍，与定量数据是吻合的。
每天中可以看到 filling 的色带的间隔出现，比如绿色和浅蓝色的间隔出现，这是一天中访客波动造成的。这里颜色所代表的和曲线的走势相同，少量数据没有优势，但是对于大量数据的话，颜色的重复出现就更容易观察到。
完整的一天大约有五次峰值。大致为早上一次，午饭前一次，午饭后一次，下午一次，晚上两次。
作为上述五峰值现象的一个特殊情况，爆发第一天的时候，两次是惊人的相似。

我这种绘图方法需要一定的了解之后才可以从中看到比较多的信息，所以不算是一种好的可视化。不过如果加上 interactive 的功能，那就好多了。

在绘图过程中，我还发现一个很奇怪的现象。我把 Total Visitors 和 Unique Visitors 都导出来，然后通过设置 filling 规则为：如果 Total Visitors 数量上多于 Unique Visitors，那么使用蓝色来 fill 两者之间的差异，反之，使用桔色。原则上来说，应该只有蓝色出现，但是实际情况却并非如此。看下图。