|
|
51CTO旗下网站
|
|
移动端

几十行代码让你知道朋友圈都是什么样的朋友

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。

作者:千锋大数据开发学院来源:搜狐|2018-10-16 14:30

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:

  1. 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:

  1. sex = 0: 未知sex = 1: 男生sex = 2: 女生  
  2. 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: 
  3. from pyecharts import Pie  
  4. boy=girl=nothing=0  
  5. for i in friends[1:]:  
  6. sex =i[Sex]  
  7. if sex==1:  
  8. boy+=1  
  9. elif sex==2:  
  10. girl+=1  
  11. else 
  12. nothing+=1  
  13. total=len(friends[1:])  
  14. attr=[迷妹,迷弟 , 低调的匿名粉丝]  
  15. v1 = [boy,girl, nothing]  
  16. pie = Pie(粉丝性别分布, title_pos='center' 
  17. pie.add(, attr, v1, radius=[40, 75], label_text_color=None,is_label_show=True,is_legend_show=False 
  18. 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:

  1. from pyecharts import Map  
  2. import pandas as pd  
  3. def get_var(var):  
  4. variable=[]  
  5. for i in friends:  
  6. value=i[var]  
  7. variable.append(value)  
  8. return  
  9. variableNickName=get_var(NickName)  
  10. Sex=get_var(Sex)  
  11. Province=get_var('Province' 
  12. Signature=get_var('Signature' 
  13. city=get_var('City' 
  14. data{'NickName':NickName,'Sex':Sex,'Province':Province,'Signature':Signature,'city':city}  
  15. frame=pd.DataFrame(data)  
  16. result1=frame.groupby(['Province'],as_index=False).size()a1=list(result1)  
  17. 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 ) 
  18. map.show_config()  
  19. 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:

  1. import reimport jieba  
  2. import wordcloud as wc  
  3. import numpy as np  
  4. import PIL.Image as Imageimport matplotlib.pyplot as pltsig  
  5. list=[]  
  6. for i in friends:  
  7. signature=i['Signature'].strip().replace(span,).replace(class,).replace(emoji,)  
  8. rep=re.compile(1f\d+\w*|[/=])  
  9. signature=rep.sub(,signature)  
  10. siglist.append(signature)  
  11. text=.join(siglist)  
  12. wordlist=jieba.cut(text,cut_all=True 
  13. word_space_split= .join(wordlist)  
  14. 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。

  1. width=400, height=200 # 像素).generate(word_space_split)  
  2. image_colors= wc.ImageColorGenerator(coloring)# plt.imshow(my_wordcloud.recolor(color_func=image_colors))  
  3. 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。

【编辑推荐】

  1. 2018年诺贝尔经济学奖得主是一位 Python 用户
  2. 轻松进行深度学习的11种Python库和框架
  3. 如何将Scikit-learn Python库用于数据科学项目
  4. C/C++和Python成为自动驾驶汽车工程师们的热门技能
  5. 码如其人,同学你能写一手漂亮的Python函数吗
【责任编辑:未丽燕 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

读 书 +更多

计算机网络技术

本书是为北大燕工教育研究院编写的计算机网络技术的学习教材。它以实际教学大纲为依据,全面系统的介绍了计算机网络技术知识,对于一个...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊