|
|
51CTO旗下网站
|
|
移动端

用Python分析数千个微信昵称之后,我们发现90后和00后是这样的人!

这是一篇技术文,也是一篇not技术文,今天分享的是,当笔者获取了微信小程序英文取名的3500多个微信用户昵称、年龄段后,分析得到下面结果……

作者:XksA来源:大数据|2018-09-04 09:42

这是一篇技术文,也是一篇not技术文,今天分享的是,当笔者获取了微信小程序英文取名的3500多个微信用户昵称、年龄段后,分析得到下面结果……

01 Let's get it

1. 基本信息获取

访问 英文取名 的用户基本信接口,获取 英文取名 用户微信名(NickName)、访问次数(Count)、总数据集(ResponseData),并将微信名存入文件。

  1. # 获取所有用户数量和相关信息  
  2. def get_json():  
  3.     # 获取入口  
  4.     search_url = '英文取名用户接口,欢迎扫码使用英文取名,生成一个最适合你的英文名'  
  5.     # 发送http请求,获取请求页面  
  6.     search_response = requests.get(search_url)  
  7.     # 设置编码  
  8.     search_response.encoding = 'UTF-8'  
  9.     # 将页面转变成json代码格式  
  10.     search_json = search_response.json()  
  11.     # 获取我们需要的数据,是列表格式  
  12.     our_data = search_json['ResponseData' 
  13.     list_len = len(our_data)  
  14.     print('总用户数有:' + str(list_len))  
  15.     user_visit_numbers = 0  
  16.     data_research = 0  
  17.     NickName = []  
  18.     for x in our_data:  
  19.         user_numbers = x['Count'] + user_visit_numbers  
  20.         if x['NickName'] == '' 
  21.             data_research += 1  
  22.         NickName.append(x['NickName'])  
  23.     print("微信名获取失败量:"+str(data_research))  
  24.     print(NickName)  
  25.     name = ['微信名称' 
  26.     file_test = pd.DataFrame(columns=name, data=NickName)  
  27.     file_test.to_csv(r'I:/data.csv', encoding='utf-8',index=False 
  28.     print('总访问量:' + str(user_visit_numbers)) 

运行结果:

  1. 总用户数有:3549  
  2. 微信名获取失败量:0  
  3. 总访问量:4573 

2. 读取所有微信名,数据分类

2.1 读取微信名

  1. # 读取文件,取出微信名  
  2.  def get_name():  
  3.      NickName = []  
  4.      with open('I:/data.csv','r',encoding='utf8'as file :  
  5.          i = 0  
  6.          for line in file:  
  7.              if i == 0:   # 去除表头  
  8.                  i = 1  
  9.                  continue  
  10.             line = line.strip()    # 去除换行符  
  11.             NickName.append(line)  
  12.     return NickName 

2.2 数据分为以下六大类

中文名 变量名 数据类型
全中文昵称 ch_name list
全英文昵称 en_name list
中文和数字混合昵称 ch_di_name list
包含图片表情昵称 img_name list
其他昵称 other_name list
  1. # ch :Chinese  
  2. ch_name_number = 0  
  3. ch_name = []  
  4. # en :English  
  5. en_name_number = 0  
  6. en_name = []  
  7. # di : digtal  
  8. di_name_number = 0  
  9. di_name = []  
  10. # img : image  
  11. img_name_number = 0  
  12. img_name = []  
  13. # ch_di : Chinese and digtal  
  14. ch_di_name = []  
  15. # other : other  
  16. oth_name_number = 0  
  17. oth_name = [] 

2.3 数据分类判断

  1. # 昵称全中文判断  
  2. def is_all_ch(keyword):  
  3.     for c in keyword:  
  4.         # 包含常见中文字符  
  5.         if not ('\u4e00' <= c <= '\u9fa5'):  
  6.             return False  
  7.     return True  
  8.  
  9. # 昵称全英文判断  
  10. def is_all_en(keyword):  
  11.     # 不能全部为空格或者首位为空格  
  12.     if all(ord(c) == 32 for c in keyword) or keyword[0] == ' ' 
  13.         return False  
  14.     # 允许空格和英文并存(例如:Xist A)  
  15.     if not all(65 < ord(c) < 128 or ord(c) == 32 for c in keyword):  
  16.         return False  
  17.     return True  
  18.  
  19. # 昵称全数字判断  
  20. def is_all_di(keyword):  
  21.     for uchar in keyword:  
  22.         if not (uchar >= '\u0030' and uchar <= u'\u0039'):  
  23.             return False  
  24.     return True  
  25.  
  26. # 昵称包含表情图判断  
  27. def have_img(keyword):  
  28.     # 下面是大部分图片的一个unicode编码集  
  29.     # 详情查看:https://en.wikipedia.org/wiki/Emoji  
  30.     img_re = re.compile(u'['  
  31.                       u'\U0001F300-\U0001F64F'  
  32.                       u'\U0001F680-\U0001F6FF'  
  33.                       u'\u2600-\u2B55]+' 
  34.                       re.UNICODE)  
  35.     if img_re.findall(keyword) :  
  36.         return True  
  37.     return False  
  38.  
  39. # 中文+数字昵称判断  
  40. def is_ch_di(keyword):  
  41.     for c in keyword:  
  42.         if not ('\u4e00' <= c <= '\u9fa5'and not (c >= '\u0030' and c <= u'\u0039'):  
  43.             return False  
  44.     return True 

2.4 数据归类计算各类数量

  1. list_name = get_name()  
  2.  print("总共有:"+str(len(list_name))+"个微信名" 
  3.  for i in range(len(list_name)):  
  4.      result = classification_name(list_name[i]) 
  5.       if result == 'ch':  # 中文  
  6.          ch_name_number +=1  
  7.          ch_name.append(list_name[i])  
  8.      if result == 'en':  # 英文  
  9.          en_name_number +=1  
  10.         en_name.append(list_name[i])  
  11.     if result == 'di':  # 数字  
  12.         di_name_number +=1  
  13.         di_name.append(list_name[i])  
  14.     if result == 'img': # 含表情 
  15.          img_name_number +=1  
  16.         img_name.append(list_name[i])  
  17.     if result == 'ch_di': # 中文和数字  
  18.         ch_di_name_number +=1  
  19.         ch_di_name.append(list_name[i])  
  20.     if result == 'other': # 其他  
  21.         oth_name_number +=1  
  22.         oth_name.append(list_name[i])  
  23.  
  24. print("纯中文昵称个数:"+ str(ch_name_number))  
  25. # print(ch_name)  
  26. print("纯英文昵称个数:"+ str(en_name_number)) 
  27. #print(en_name)  
  28. print("纯数字昵称个数:"+ str(di_name_number))  
  29. # print(di_name)  
  30. print("包含表情图昵称个数:"+ str(img_name_number))  
  31. # print(img_name)  
  32. print("中文和数字混合昵称个数:"+ str(ch_di_name_number))  
  33. print(ch_di_name)  
  34. print("其他昵称个数:"+ str(oth_name_number))  
  35. # print(oth_name) 

运行结果:

  1. 总共有:3549个微信名  
  2. 纯中文昵称个数:1514  
  3. 纯英文昵称个数:569  
  4. 纯数字昵称个数:9  
  5. 包含表情图昵称个数:400  
  6. 中文和数字混合昵称个数:19  
  7. 其他昵称个数:1038 

3. 获取用户画(只获取用户年龄段)

访问 英文取名 用户画像接口,获取近30天 活跃用户 和 新用户 的年龄段:

  1. # 获取用户年龄段  
  2. def get_data():  
  3.     # 获取token,并处理  
  4.     t = get_token().strip('"' 
  5.     # 然后将处理后的token值和其他参数作为post方式的参数值,调用用户画像api  
  6.     post_user_api = " https://api.weixin.qq.com/datacube/getweanalysisappiduserportrait?access_token="  
  7.     post_user_url = post_user_api + t  
  8.     # 访问获取概况数据 (近一个月的数据情况)  
  9.     data = json.dumps({  
  10.    "begin_date" : "2018-07-21" 
  11.    "end_date" : "2018-08-19"})  
  12.    # 获取信息  
  13.    user_portrait_data = get_info(post_user_url, data)  
  14.    # 时间段  
  15.    ref_date = user_portrait_data['ref_date' 
  16.    # 新用户  
  17.    visit_uv_new = user_portrait_data['visit_uv_new' 
  18.     活跃用户  
  19.    visit_uv = user_portrait_data['visit_uv' 
  20.    # 年龄段  
  21.    print(ref_date ) 
  22.    print((visit_uv_new['ages']))  
  23.    print((visit_uv['ages'])) 

运行结果:

  1. # id : 为年龄段序号  name :年龄段名称    value : 该年龄段人数  
  2. 20180721-20180819  
  3. [{'id': 0, 'name''未知''value': 6}, {'id': 1, 'name''17岁以下''value': 18}, {'id': 2, 'name''18-24岁''value': 118}, {'id': 3, 'name''25-29岁''value': 75}, {'id': 4, 'name''30-39岁''value': 81}, {'id': 5, 'name''40-49岁''value': 14}, {'id': 6, 'name''50岁以上''value': 7}] 
  4. [{'id': 0, 'name''未知''value': 6}, {'id': 1, 'name''17岁以下''value': 20}, {'id': 2, 'name''18-24岁''value': 147}, {'id': 3, 'name''25-29岁''value': 88}, {'id': 4, 'name''30-39岁''value': 95}, {'id': 5, 'name''40-49岁''value': 20}, {'id': 6, 'name''50岁以上''value': 10}] 

02 来点有趣的,数据清洗、分析

1. 微信名称类型数据可视化分析

核心代码:

  1. # 1.微信名分类:玫瑰饼图  
  2. from pyecharts import Pie  
  3. # 数据获取自上面代码  
  4. attr = ["纯中文昵称""纯英文昵称""纯数字昵称""包含表情图昵称""中文和数字混合昵称""其他昵称" 
  5. v1 = [1514, 569, 9, 400, 19, 1038]  
  6. pie = Pie("微信名分类饼图", title_pos='center', width=900)  
  7. pie.add 
  8.     "占比" 
  9.     attr,  
  10.     v1,  
  11.     center=[50, 50],  
  12.     is_random=True 
  13.     radius=[30, 75],  
  14.     rosetype="area" 
  15.     is_legend_show=False 
  16.     is_label_show=True 
  17.  
  18. pie.render("render_01.html"

运行效果:

从中可以看出,微信昵称为全中文的占比最多,占有42.66%,其次为其他昵称(中英文混合、字符等类型),占有29.25%,再比较大的类就是纯英文昵称,占有16.03%,和包含表情包昵称,占有11.27%,像纯数字昵称和中文数字混合昵称相对占比较少。

我们常见的中文和数字混合昵称最多的就是机构名/姓名+联系方式,一些营销号常用,相较而言,大多数人还是喜欢用纯中文来作昵称,既体现一种文化情怀,又简明扼要的介绍了自己 ,比如我的微信名就是老表,这是我初中时候的一个绰号,朋友们一说老表,不一定是在说亲戚,有可能在说我,哈哈哈。

2. 微信用户年龄段可视化分析

核心代码:

  1. # 2.用户年龄段:玫瑰饼图  
  2. from pyecharts import Pie  
  3. # 数据获取自上面代码  
  4. attr = ["未知""17岁以下""18-24岁""25-29岁""30-39岁""40-49岁","50岁以上" 
  5. v1 = [12, 38, 265, 163, 176, 34,17]  
  6. pie = Pie("微信用户年龄段饼图", title_pos='center', width=900)  
  7. pie.add
  8.     "占比" 
  9.     attr,  
  10.     v1,  
  11.     center=[50, 50],  
  12.     is_random=True 
  13.     radius=[30, 75],  
  14.     rosetype="area" 
  15.     is_legend_show=False 
  16.     is_label_show=True 
  17.  
  18. pie.render("render_02.html"

运行效果:

从中可以看出,年龄段中,18-24岁的95-00后占比最多,达到37.59%,接下来是30-39岁的80-90后,占比达到24.97%,紧随其后的为25-29岁的90-95后,占比达23.12%,其他年龄段可大概分为两类:偏儿童类和偏老人类,一共占比10.21%。

我个人觉得这类人群少的原因是:小孩、老人玩微信的少,更不用说微信小程序了,对于小孩来说微信的作用就是玩游戏(登录账号),对于老人来说,微信主要用来聊天,已经是比较复杂的了,小程序使用可能对老人来说就更复杂了,也缺少必要性。

3. 词云分析微信名称哪些词语、表情包更受欢迎

3.1 继续使用 pyecharts 生成词云图

核心代码:

  1. # 清洗数据,生成词云图  
  2. def split_word(test_str):  
  3.     test_str = re.sub('[,,。. \r\n]''', test_str)  
  4.     # jieba 词语  
  5.     segment = jieba.lcut(test_str)  
  6.     words_df = pd.DataFrame({'segment': segment})  
  7.     # quoting=3 表示stopwords.txt里的内容全部不引用  
  8.     stopwords = pd.read_csv(r"H:\PyCoding\ Analysis_wx_name\stopwords.txt", index_col=False, quoting=3, sep="\t", names=['stopword'], encoding='utf-8' 
  9.     words_df = words_df[~words_df.segment.isin(stopwords.stopword)]  
  10.     words_stat = words_df.groupby(by=['segment'])['segment'].agg({"计数": numpy.size})  
  11.     words_stat = words_stat.reset_index().sort_values(by=["计数"], ascending=False 
  12.     test = words_stat.head(200).values  
  13.     codes = [test[i][0] for i in range(0,len(test))]  
  14.     counts = [test[i][1] for i in range(0,len(test))]  
  15.     wordcloud = WordCloud(width=1300, height=620)  
  16.     wordcloud.add("微信昵称", codes, counts, word_size_range=[20, 100])  
  17.     wordcloud.render('render_03.html'

运行效果:

▲pyecharts词云图

3.2 使用 wordcloud + matplotlib 生成高级一点的词云图

核心代码:

  1. # 下下期好好讲一下matplotlib绘图可视化,挺有意思的  
  2. # 调用get_name函数获取全部微信名  
  3. text = get_name()  
  4. # 调用jiebaclearText函数,清洗数据(该函数和上面切词思想一样)  
  5. text1=jiebaclearText(text)  
  6. #产生词云图  
  7. bg = plt.imread(r"G:\small_pig.jpg" 
  8. #生成词云  
  9. wc=WordCloud(  
  10.     background_color="wathet", #设置背景为白色,默认为黑色  
  11.     mask=bg,      # 设置词云内容范围(除指定图片白色区域的其他区域都将覆盖词云内容)  
  12.     margin=10,               #设置图片的边缘  
  13.     max_font_size=70,   #显示的最大的字体大小  
  14.     random_state=20,    #为每个单词返回一个PIL颜色  
  15.     font_path='G:\simkai.ttf'   #中文处理,用系统自带的字体  
  16.     # 可以在这里下载这个字体:http://www.font5.com.cn/font_download.php?id=534&part=1245067666  
  17.     ).generate(text1)  
  18. #为图片设置字体  
  19. my_font=fm.FontProperties(fname='G:\simkai.ttf' 
  20. # 图片背景  
  21. bg_color = ImageColorGenerator(bg)  
  22. # 开始画图  
  23. plt.imshow(wc.recolor(color_func=bg_color))  
  24. # 为云图去掉坐标轴  
  25. plt.axis("off" 
  26. # 保存云图  
  27. wc.to_file("render_04.png"

词云轮廓原图:

▲这是您的专属社会人

运行效果:

▲wordcloud词云图

由于第二种方法无法解析表情图,所以没有表情出现,除此外这两种方法显示的词云图内容几乎大同小异。

通过词云图,我们一眼看出大家使用最多的,除开中文后,就是表情图了,你的微信朋友圈里是否也有这样的大红嘴唇,我的好像有,哈哈哈~

当我们单纯来看词云中的中文时,发现像太阳、阳光、微笑、可爱、开心、爱、未来等比较积极向上的词语还是比较受大家喜欢的,也体现出大家的内心的积极、乐观,当然还有像丽丽、徐、陈等这样的姓名部分,在昵称中大家也使用的比较多,也不缺乏有像悲伤、凉这样比较冷色的词语。

03 通过昵称进行情绪分析(大胆猜想)

1. 微信昵称为全中文

微信昵称为全中文可以分为两大类:自己的真名和其他昵称。

直接用自己的姓名当微信昵称的人,性格大多是直来直往的那种,待人比较坦诚。

他们的微信一般用于熟人社交和日常办公,平时不会随便加不熟的人,就算用真名也不怕泄露个人信息,来个不恰当的比喻:不做亏心事,不怕鬼敲门,哈哈哈。

为其他昵称的人,大多有自己的看法,也许昵称是自己对未来的一种期望,也许昵称是自己对生活的一种态度,或者是一些无厘头的话语,炫酷的话语。

2. 微信昵称为全英文

出于个人喜好或工作需求,有些人会给自己取一个容易记的、叫着顺口的英文名,比如Tom、Abby、Jason,并常常在自我介绍的时候,让大家可以用英文名字称呼自己。

对他们而言,英文名就相当于自己的第二个名字,用它做微信名,和用本名没什么太大的区别。

也有的人会刻意避开那些常见的英文名,取一些更小众的,他们更在意提高自己的“逼格”,喜欢标新立异,追求时尚和前卫。

3. 微信昵称带有表情符号

有很多女生会在微信名称里加上各种表情符号,从上面分析的词云图中可以看出,一个大红唇大家使用最多,其他的可能是一个爱心,一朵玫瑰,一颗星星,又或是系统自带的emoji表情。

她们可能觉得这是一种特别的装饰,能让自己的名字和别人有明显的区别。

这样的女生,大多有细腻的小心思、浪漫的生活情调,和一颗蓬勃的少女心。

4. 微信昵称带有职业性质

一般来说,会主动在自己微信名前面带一个字母“A”的,大多都是整天在朋友圈里发广告的微商或代购。

比较正式一点的,用的都是“公司名+姓名”的形式,这一类人基本都是销售员或房产中介……或者就是真正的大佬啦~

还有一些人,会根据自己不同的工作阶段不定时更换名字后缀的。

认识一个在某地产公司做人力的朋友,为了能好好享受假期,她会把微信名改成“ΧΧΧ休假中”,以便提醒那些在节假日还私信她询问工作的人。

也有一些人反着来,为了显示自己特别积极,直接把微信名改成“ΧΧΧ加班中”……emmm主要是改给老板看的吧。

5. 微信昵称带偶像名

不用说,这一类都是典型的追星族,而且大多都是女生,比如吴亦凡夫人,蔡徐坤秘密女友,胡歌的小娇妻……不出意外,她们的头像一般就是她们的爱豆本人。

她们平时会在微博给偶像打call,朋友圈也会发很多相关推荐,如果有人夸自己的爱豆,她们会觉得遇到了知音;相反地,如果有人说她们爱豆的坏话,她们会马上拉黑……

切记,在追星的人面前,不要轻易抬杠,对她的爱豆指手画脚……

6. 微信昵称是四字词

仔细观察长辈们的微信名,就会发现他们特别喜欢用四字词作昵称。

这些四字词最大的共同点,就是都传递着一种岁月静好的氛围:“人生如茶”、“花自芬芳”、“上善若水”、“人心依旧”、“云淡风轻”……

年轻人用独特的微信名标记自己,年长点的叔叔阿姨只是想纯粹地寄托一种生活理想。

都说名字是人的第二张脸。微信名取得好,往往会给人留下更好的印象。

你的微信名有什么特别的含义吗?评论区里聊一聊。

04 附录:参考文档

  1. 微信小程序api帮助文档、wikipedia-emoji(表情图编码介绍)
  2. Wordcloud官方文档
  3. 傲娇的草履虫写的 Wordcloud 各参数含义
  4. 知乎 给谁 写的:微信名字,暴露了你是一个什么样的人 
【责任编辑:庞桂玉 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

读 书 +更多

《广域网》

在开始学习WAN资料时,我经常面对资料深度不够或者为电气工程师编写的书。另外,在看了几本书,并且对Internet进行了研究以后,我觉得应当...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊