炼数成金 门户 大数据 Python 查看内容

用Python分析了数千个微信昵称,我们发现90后和00后是这样的人

2018-9-3 14:49| 发布者: 炼数成金_小数| 查看: 17401| 评论: 0|原作者: XksA|来自: 极简XksA

摘要: 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。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 ...

Python

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。

# 获取所有用户数量和相关信息
def get_json():
    # 获取入口
    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'
    # 发送http请求,获取请求页面
    search_response = requests.get(search_url)
    # 设置编码
    search_response.encoding = 'UTF-8'
    # 将页面转变成json代码格式
    search_json = search_response.json()
    # 获取我们需要的数据,是列表格式
    our_data = search_json['ResponseData']
    list_len = len(our_data)
    print('总用户数有:' + str(list_len))
    user_visit_numbers = 0
    data_research = 0
    NickName = []
    for x in our_data:
        user_numbers = x['Count'] + user_visit_numbers
        if x['NickName'] == '':
            data_research += 1
        NickName.append(x['NickName'])
    print("微信名获取失败量:"+str(data_research))
    print(NickName)
    name = ['微信名称']
    file_test = pd.DataFrame(columns=name, data=NickName)
    file_test.to_csv(r'I:/data.csv', encoding='utf-8',index=False)
    print('总访问量:' + str(user_visit_numbers))

运行结果:
总用户数有:3549
微信名获取失败量:0
总访问量:4573

2. 读取所有微信名,数据分类
2.1 读取微信名
# 读取文件,取出微信名
 def get_name():
     NickName = []
     with open('I:/data.csv','r',encoding='utf8') as file :
         i = 0
         for line in file:
             if i == 0:   # 去除表头
                 i = 1
                 continue
            line = line.strip()    # 去除换行符
            NickName.append(line)
    return NickName

2.2 数据分为以下六大类


# ch :Chinese
ch_name_number = 0
ch_name = []
# en :English
en_name_number = 0
en_name = []
# di : digtal
di_name_number = 0
di_name = []
# img : image
img_name_number = 0
img_name = []
# ch_di : Chinese and digtal
ch_di_name = []
# other : other
oth_name_number = 0
oth_name = []

2.3 数据分类判断
# 昵称全中文判断
def is_all_ch(keyword):
    for c in keyword:
        # 包含常见中文字符
        if not ('\u4e00' <= c <= '\u9fa5'):
            return False
    return True

# 昵称全英文判断
def is_all_en(keyword):
    # 不能全部为空格或者首位为空格
    if all(ord(c) == 32 for c in keyword) or keyword[0] == ' ':
        return False
    # 允许空格和英文并存(例如:Xist A)
    if not all(65 < ord(c) < 128 or ord(c) == 32 for c in keyword):
        return False
    return True

# 昵称全数字判断
def is_all_di(keyword):
    for uchar in keyword:
        if not (uchar >= '\u0030' and uchar <= u'\u0039'):
            return False
    return True

# 昵称包含表情图判断
def have_img(keyword):
    # 下面是大部分图片的一个unicode编码集
    # 详情查看:https://en.wikipedia.org/wiki/Emoji
    img_re = re.compile(u'['
                      u'\U0001F300-\U0001F64F'
                      u'\U0001F680-\U0001F6FF'
                      u'\u2600-\u2B55]+',
                      re.UNICODE)
    if img_re.findall(keyword) :
        return True
    return False

# 中文+数字昵称判断
def is_ch_di(keyword):
    for c in keyword:
        if not ('\u4e00' <= c <= '\u9fa5') and not (c >= '\u0030' and c <= u'\u0039'):
            return False
    return True

2.4 数据归类计算各类数量
list_name = get_name()
 print("总共有:"+str(len(list_name))+"个微信名")
 for i in range(len(list_name)):
     result = classification_name(list_name[i])
     if result == 'ch':  # 中文
         ch_name_number +=1
         ch_name.append(list_name[i])
     if result == 'en':  # 英文
         en_name_number +=1
        en_name.append(list_name[i])
    if result == 'di':  # 数字
        di_name_number +=1
        di_name.append(list_name[i])
    if result == 'img': # 含表情
        img_name_number +=1
        img_name.append(list_name[i])
    if result == 'ch_di': # 中文和数字
        ch_di_name_number +=1
        ch_di_name.append(list_name[i])
    if result == 'other': # 其他
        oth_name_number +=1
        oth_name.append(list_name[i])

print("纯中文昵称个数:"+ str(ch_name_number))
# print(ch_name)
print("纯英文昵称个数:"+ str(en_name_number))
#print(en_name)
print("纯数字昵称个数:"+ str(di_name_number))
# print(di_name)
print("包含表情图昵称个数:"+ str(img_name_number))
# print(img_name)
print("中文和数字混合昵称个数:"+ str(ch_di_name_number))
print(ch_di_name)
print("其他昵称个数:"+ str(oth_name_number))
# print(oth_name)

运行结果:
总共有:3549个微信名
纯中文昵称个数:1514
纯英文昵称个数:569
纯数字昵称个数:9
包含表情图昵称个数:400
中文和数字混合昵称个数:19
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:
 # 获取用户年龄段
 def get_data():
     # 获取token,并处理
     t = get_token().strip('"')
     # 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
     post_user_api = " https://api.weixin.qq.com/datacube/getweanalysisappiduserportrait?access_token="
     post_user_url = post_user_api + t
     # 访问获取概况数据 (近一个月的数据情况)
     data = json.dumps({
    "begin_date" : "2018-07-21",
    "end_date" : "2018-08-19"})
    # 获取信息
    user_portrait_data = get_info(post_user_url, data)
    # 时间段
    ref_date = user_portrait_data['ref_date']
    # 新用户
    visit_uv_new = user_portrait_data['visit_uv_new']
     活跃用户
    visit_uv = user_portrait_data['visit_uv']
    # 年龄段
    print(ref_date )
    print((visit_uv_new['ages']))
    print((visit_uv['ages']))

运行结果:
# id : 为年龄段序号  name :年龄段名称    value : 该年龄段人数
20180721-20180819
[{'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}]
[{'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.微信名分类:玫瑰饼图
from pyecharts import Pie
# 数据获取自上面代码
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"]
v1 = [1514, 569, 9, 400, 19, 1038]
pie = Pie("微信名分类饼图", title_pos='center', width=900)
pie.add(
    "占比",
    attr,
    v1,
    center=[50, 50],
    is_random=True,
    radius=[30, 75],
    rosetype="area",
    is_legend_show=False,
    is_label_show=True,
)
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:
# 2.用户年龄段:玫瑰饼图
from pyecharts import Pie
# 数据获取自上面代码
attr = ["未知", "17岁以下", "18-24岁", "25-29岁", "30-39岁", "40-49岁","50岁以上"]
v1 = [12, 38, 265, 163, 176, 34,17]
pie = Pie("微信用户年龄段饼图", title_pos='center', width=900)
pie.add(
    "占比",
    attr,
    v1,
    center=[50, 50],
    is_random=True,
    radius=[30, 75],
    rosetype="area",
    is_legend_show=False,
    is_label_show=True,
)
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:
# 清洗数据,生成词云图
def split_word(test_str):
    test_str = re.sub('[,,。. \r\n]', '', test_str)
    # jieba 词语
    segment = jieba.lcut(test_str)
    words_df = pd.DataFrame({'segment': segment})
    # quoting=3 表示stopwords.txt里的内容全部不引用
    stopwords = pd.read_csv(r"H:\PyCoding\ Analysis_wx_name\stopwords.txt", index_col=False, quoting=3, sep="\t", names=['stopword'], encoding='utf-8')
    words_df = words_df[~words_df.segment.isin(stopwords.stopword)]
    words_stat = words_df.groupby(by=['segment'])['segment'].agg({"计数": numpy.size})
    words_stat = words_stat.reset_index().sort_values(by=["计数"], ascending=False)
    test = words_stat.head(200).values
    codes = [test[i][0] for i in range(0,len(test))]
    counts = [test[i][1] for i in range(0,len(test))]
    wordcloud = WordCloud(width=1300, height=620)
    wordcloud.add("微信昵称", codes, counts, word_size_range=[20, 100])
    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:
# 下下期好好讲一下matplotlib绘图可视化,挺有意思的
# 调用get_name函数获取全部微信名
text = get_name()
# 调用jiebaclearText函数,清洗数据(该函数和上面切词思想一样)
text1=jiebaclearText(text)
#产生词云图
bg = plt.imread(r"G:\small_pig.jpg")
#生成词云
wc=WordCloud(
    background_color="wathet", #设置背景为白色,默认为黑色
    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)
    margin=10,               #设置图片的边缘
    max_font_size=70,   #显示的较大的字体大小
    random_state=20,    #为每个单词返回一个PIL颜色
    font_path='G:\simkai.ttf'   #中文处理,用系统自带的字体
    # 可以在这里下载这个字体:http://www.font5.com.cn/font_download.php?id=534&part=1245067666
    ).generate(text1)
#为图片设置字体
my_font=fm.FontProperties(fname='G:\simkai.ttf')
# 图片背景
bg_color = ImageColorGenerator(bg)
# 开始画图
plt.imshow(wc.recolor(color_func=bg_color))
# 为云图去掉坐标轴
plt.axis("off")
# 保存云图
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。

这些四字词较大的共同点,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
微信小程序api帮助文档、wikipedia-emoji(表情图编码介绍)
Wordcloud官方文档
傲娇的草履虫写的 Wordcloud 各参数含义
知乎 给谁 写的:微信名字,暴露了你是一个什么样的人

关于作者:XksA, 大三在读的师范技术生,主要研究Python数据分析、可视化方面,爬虫教程正在更新中,个人公众号 极简XksA 长期分享学习笔记,学习资料,欢迎交流学习。

声明:文章收集于网络,如有侵权,请联系小编及时处理,谢谢!

欢迎加入本站公开兴趣群
软件开发技术群
兴趣范围包括:Java,C/C++,Python,PHP,Ruby,shell等各种语言开发经验交流,各种框架使用,外包项目机会,学习、培训、跳槽等交流
QQ群:26931708

Hadoop源代码研究群
兴趣范围包括:Hadoop源代码解读,改进,优化,分布式系统场景定制,与Hadoop有关的各种开源项目,总之就是玩转Hadoop
QQ群:288410967 

鲜花

握手

雷人

路过

鸡蛋

相关阅读

最新评论

热门频道

  • 大数据
  • 商业智能
  • 量化投资
  • 科学探索
  • 创业

即将开课

 

GMT+8, 2018-11-20 08:48 , Processed in 0.162643 second(s), 24 queries .