内容简介:合几大常用的Python数据分析包,结合itchat的能力实现朋友圈的分析。微信现在越来越融入到了我们每个人的生活,从简单的聊天工具到衣食住行的服务,再到传播着丰富多彩信息的自媒体和涵盖万物的小程序,微信俨然就是一个小的生态系统。而人,是整个微信生态的核心,每个人朋友圈就是自我小生态的核心。itchat为我们提供了获取朋友信息的接口:通过debug可以看到每个friend的信息:
合几大常用的 Python 数据分析包,结合itchat的能力实现朋友圈的分析。
从哪里做起
微信现在越来越融入到了我们每个人的生活,从简单的聊天 工具 到衣食住行的服务,再到传播着丰富多彩信息的自媒体和涵盖万物的小程序,微信俨然就是一个小的生态系统。而人,是整个微信生态的核心,每个人朋友圈就是自我小生态的核心。itchat为我们提供了获取朋友信息的接口:
friends=itchat.get_friends(update=True)[0:]
通过debug可以看到每个friend的信息:
可以看到每个好友的信息还是很丰富的,从昵称、性别、到地域等,好友列表按照通讯录排列,第一个是用户自己,接着是星标置顶的好友,比如瑾瑾在我的列表里排第一位。我们今天所有的工作都将从好友的信息做起。
统计好友性别分布
性别分布是最容易统计的数据,通过查看我自己和几个好友的数据,得出sex和性别的对应关系为:
sex = 0: 未知sex = 1: 男生sex = 2: 女生 pyecharts 是一个用于生成 Echarts 图表的类库,而Echarts 是百度开源的一个数据可视化 JS 库。主要用于数据可视化。利用pyecharts画出好友性别分布: from pyecharts import Pie boy=girl=nothing=0 for i in friends[1:]: sex =i[Sex] if sex==1: boy+=1 elif sex==2: girl+=1 else: nothing+=1 total=len(friends[1:]) attr=[迷妹,迷弟 , 低调的匿名粉丝] v1 = [boy,girl, nothing] pie = Pie(粉丝性别分布, title_pos='center') pie.add(, attr, v1, radius=[40, 75], label_text_color=None,is_label_show=True,is_legend_show=False) pie.show_config()pie.render(./sex_data.html)
运行结果如下:
没想到我的微信上的迷妹竟然比迷弟都多了这么多,实在是吃鲸,还希望瑾瑾不要打我。
好友地域分布
分析完好友的性别我们再来分析好友的地域分布,看看自己的好友是不是遍布天南地北:
from pyecharts import Map import pandas as pd def get_var(var): variable=[] for i in friends: value=i[var] variable.append(value) return variableNickName=get_var(NickName) Sex=get_var(Sex) Province=get_var('Province') Signature=get_var('Signature') city=get_var('City') data{'NickName':NickName,'Sex':Sex,'Province':Province,'Signature':Signature,'city':city} frame=pd.DataFrame(data) result1=frame.groupby(['Province'],as_index=False).size()a1=list(result1) a2=result1.indexmap=Map(我的好友占了大半个中国啊!, 来自微信的朋友圈, title_pos=center,width=1200, height=600)map.add(, a2, a1, maptype='china', is_visualmap=True, visual_text_color='#000',visual_range=[1, 8], is_label_show=True, symbol=diamon, label_pos=inside ) map.show_config() map.render(./area_data.HTML)
最后的结果如下:
非常地准,作为一个飘过北、上、杭的“浪里白条”,除了老家河南,我的好友基本集中在上海、北京和杭州,什么时候也可以到广深溜一波。
好友个性签名词云分析
微信签名是了解一个人性格和态度的重要参考,想看看我的朋友圈里的大神们都是走的文艺风,还是小清新,还是大学霸… …话不多说,一试便知:jieba(结巴)是一个强大的分词库,完美支持中文分词;wordcloud是一个基于Python的词云生成类库,很好用;matplotlib.pyplot是一些命令行风格函数的集合,使matplotlib以类似于MATLAB的方式工作。每个pyplot函数对一幅图片(figure)做一些改动:比如创建新图片,在图片创建一个新的作图区域(plotting area),在一个作图区域内画直线,给图添加标签(label)等:
import reimport jieba import wordcloud as wc import numpy as np import PIL.Image as Imageimport matplotlib.pyplot as pltsig list=[] for i in friends: signature=i['Signature'].strip().replace(span,).replace(class,).replace(emoji,) rep=re.compile(1f\d+\w*|[/=]) signature=rep.sub(,signature) siglist.append(signature) text=.join(siglist) wordlist=jieba.cut(text,cut_all=True) word_space_split= .join(wordlist) coloring= np.array(Image.open(./1.jpg)) # 一张猴子图片,试了很多照片,还是这个好
my_wordcloud= wc.WordCloud(background_color=white, # 背景颜色 mask=coloring, max_words=200, # 最大词数max_font_size=60, # 字体最大值random_state=42, scale=4, # 按照比例进行放大画布,如设置为1.5,则长和宽都是原来画布的1.5倍。font_path=./HYQiHei-25J.ttf,# 字体,注意选择合适的字体,否则可能会显示乱码。
width=400, height=200 # 像素).generate(word_space_split) image_colors= wc.ImageColorGenerator(coloring)# plt.imshow(my_wordcloud.recolor(color_func=image_colors)) plt.imshow(my_wordcloud)plt.axis(off) # 不显示坐标轴plt.show()my_wordcloud.to_file('./test.jpg')
最后的结果如下:
对于词云的分布也是有很多可以挖掘的信息,看起来我的朋友们比较偏向于文艺风。爱自己、爱生活、有梦想、拥抱世界。我还在右下角的角落里看到了低调的我交。
后记
微信是一个神奇的存在,它是一个国民级别的全民APP,所以,微信的产品设计一直都是一个有趣的现象,从最初底部Tab的数目、每个Tab的名称、“发现页面的定制、小程序入口、朋友圈入口到朋友圈评论等等一系列的设计细节,都是值得我们透过人性和心理去研究的。即使是被人们封神的张小龙”,在面对结构最为复杂的中国用户群体的时候,他的潇洒中依旧不免充满无奈,从对朋友圈的置之不理就可以看出,这是一个怎么做都不会让人满意的功能,任何一个生态在面对巨大的用户群体的时候,功能的增减就会变成一个难题。
以上所述就是小编给大家介绍的《几十行代码让你知道朋友圈都是什么样的朋友》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 这样写代码,真是帅到没有朋友
- 程序员真的觉得写代码比女朋友重要吗?
- 朋友融资了,给我看了一眼他们价值1个亿的Go AI 代码
- h5 vue引入微信sdk 实现分享朋友圈,分享给朋友,获取地理位置
- 微信好友大揭秘,使用Python抓取朋友圈数据,通过人脸识别全面分析好友,一起看透你的“朋友圈”
- 做开源的朋友
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。