python数据分析微信_Python微信好友数据分析
之前看了一篇用python爬取了微信朋友,就一直想自己试试。本来以为爬取微信好友信息要写好多代码,发现使用itchat只需要几行代码就能拿到微信好友的信息。不过就算是要写好多代码直接copy就好了。
1 获取
1.1 安装itchat包
通过命令来安装itchat
pip install itchat
1.2 登陆
import itchat
import pandas as pd
# hotReload=True 设置这个可以保存登陆状态,会生成一个文件itchat.pkl
itchat.auto_login(hotReload=True)
运行后会弹出二维码,扫描后,确认登陆。
1.3 获取并存储
friends = itchat.get_friends(update=True)
df_friends = pd.DataFrame(friends)
df_friends.to_excel('E:/python/weixin/friends.xlsx')
get_friends()返回的好友数据可以转化为pandas.DataFrame,使用pandas会简单很多。因为一开始是想练习excel的,所以把数据存储到excel。
2 分析
导包,设置
%matplotlib inline
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from wordcloud import WordCloud
import jieba
import re
import PIL
import seaborn as sns
# 中文乱码设置
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.family']='sans-serif'
# 设置x, y轴刻度字体大小
plt.rcParams['xtick.labelsize'] = 16
plt.rcParams['ytick.labelsize'] = 16
plt.style.use('ggplot')
2.1 读取数据
从导出的excel获取数据,使用pandas读取excel还是很方便的。
df_friends = pd.read_excel('E:/python/weixin/friends.xlsx')
2.2 性别
sex_count = df_friends.groupby('Sex')['Sex'].count()
sex_count_order = sex_count.sort_values(ascending=False)
df_sex = pd.DataFrame(sex_count_order.values, index=['男', '女', '未设置'], columns=['Sex'])
ax = plt.figure(figsize=(8, 6)).add_subplot(111)
sns.barplot(df_sex.index, df_sex['Sex'], alpha=0.7)
ax.set_xlabel('')
ax.set_ylabel('')
ax.set_title('性别分布情况', size=26)
plt.show()
男的多,意料之中。除了男女之外还有其他的?肯定不是其他性别,毕竟微信也不可以设置其他的,应该是没有设置的。
2.3 备注
remarkname_count = df_friends.RemarkName.notnull().value_counts()
ax = plt.figure(figsize=(8, 6)).add_subplot(111)
sns.barplot(remarkname_count.index, remarkname_count.values, alpha=0.7)
ax.set_xticklabels(['没备注', '有备注'])
ax.set_title('好友备注情况', size=26)
plt.show()
才备注了几个,要是别人不让我看朋友圈,改图片和改昵称,这个人就是陌生人了。我还是很懒,主要是以前才加十几个人就没有备注的习惯。
2.4 城市分布
先来看看省份分布
friends_province = df_friends.fillna({'Province': '未设置'})
province_count = friends_province.groupby('Province')['Province'].count()
province_count_order = province_count.sort_values(ascending=False)
ax = plt.figure(figsize=(15, 8)).add_subplot(111)
sns.barplot(province_count_order.index, province_count_order.values, alpha=0.7)
ax.set_xlabel('')
ax.set_ylabel('')
ax.set_title('省份分布情况', size=26)
plt.show()
几乎都是广东的,没有设置还是挺过多的。英文的都是外国的吗?看不懂,还是看看城市分布。
friends_city = df_friends.fillna({'City': '未设置'})
city_count = friends_city.groupby('City')['City'].count()
city_count_order = city_count.sort_values(ascending=False)
ax = plt.figure(figsize=(12, 8)).add_subplot(111)
sns.barplot(city_count_order.index, city_count_order.values, alpha=0.7)
ax.set_xlabel('')
ax.set_ylabel('')
ax.set_title('城市分布情况', size=26)
plt.show()
城市未设置也是挺多的。主要还是集中在广州、珠海、深圳和汕尾。
2.5 签名设置
signature_x = df_friends['Signature'].isnull().value_counts().index
signature_y = df_friends['Signature'].isnull().value_counts().values
ax = plt.figure(figsize=(8, 6)).add_subplot(111)
sns.barplot(x=signature_x, y=signature_y, palette='hls', alpha=0.8)
ax.set_xticklabels(['未设置签名', '有设置签名'])
ax.set_title('签名设置情况', size=20)
plt.show()
没有设置签名的远多于有设置签名,可能微信的签名不像QQ的签名那么明显。
2.6 签名词云图
首先要先处理一下签名的内容,毕竟签名可以有表情。表情保存后是html标签,要先去掉。
signature = df_friends[df_friends['Signature'].notnull()].Signature
regex = re.compile('')
signature = [regex.sub('', signature_) for signature_ in signature]
# 字体
font = r'C:\Windows\Fonts\simli.ttf'
# 使用jieba分词
wl_space_split = ''
for s in signature:
wordlist_after_jieba = jieba.cut(s, cut_all = True)
wl_space_split += ' '.join(wordlist_after_jieba)
# 画图
# 通过图片设置词云形状,字体颜色
coloring = np.array(PIL.Image.open("E:/python/weixin/wechat.jpg"))
my_wordcloud = WordCloud(background_color="white",
max_words=2000,
mask=coloring,
max_font_size=250,
random_state=42,
scale=2,
font_path=font).generate(wl_space_split)
plt.figure(figsize=(8, 8))
plt.imshow(my_wordcloud)
plt.axis("off")
plt.show()
没有多少签名,词频没什么好分析的,词云图看不出什么。
3 总结
其实也没什么好分析的,毕竟好友也太少了。只是之前一直想弄一下,当做练习数据处理和画图,感觉还是很不熟。不过本来目的是要练习excel,数据量不多,还是要练习一下的。
另外itchat还可以做更多,挺想做点其他的,只是现在什么都不会,还是要好好学。
python数据分析微信_Python微信好友数据分析相关推荐
- python祝福语_Python | 微信自动回复祝福语
马上就要过年了,好多小伙伴都已经顺利到家.在这提前祝大家:新年快乐. 昨天发现自己的 itchat 终于可以登陆了(差不多被封了两个月),马上就要过年了,必须用 itchat 搞点事情--实现自动回复 ...
- python土味情话_Python微信机器人,聊天、撩妹、提醒,垃圾分类,它样样精通
看过 pk 哥之前的文章的小伙伴知道,pk 哥写过关于微信机器人的文章(用 Python 玩微信,机器人陪你唠嗑)和定时给心仪的伙伴发送早安或者祝福语录(Python 教你脱单),最近在 GitHub ...
- python爬虫数据_python爬取数据分析
一.python爬虫使用的模块 1.import requests 2.from bs4 import BeautifulSoup 3.pandas 数据分析高级接口模块 二. 爬取数据在第一个请求中 ...
- python金融大数据分析视频_Python金融大数据分析 PDF 全书超清版
给大家带来的一篇关于Python相关的电子书资源,介绍了关于Python金融.大数据分析方面的内容,本书是由人民邮电出版社出版,格式为PDF,资源大小47.8 MB,希尔皮斯科编写,目前豆瓣.亚马逊. ...
- 简单python数据获取分析_python学习——简单数据分析
引入 斜杠青年:即跨界青年 做一个不可替代的数据分析师 介绍几个包: 用于web开发的包:django,flask 包 数据分析常用包:NumPy(数学计算),Pandas(基于NumPy的分析工具) ...
- 用python做数据分析教程_Python运用于数据分析的简单教程
最近,Analysis with Programming加入了Planet Python.作为该网站的首批特约博客,我这里来分享一下如何通过Python来开始数据分析.具体内容如下: 数据导入 导入本 ...
- python棋子判定_python微信跳一跳系列之棋子定位颜色识别
python微信跳一跳,前言 这是python玩跳一跳系列博文中一篇,主要内容是用颜色识别的方法来进行跳跳小人的定位. 颜色识别 过观察,我们可以发现,尽管背景和棋子在不停的变化,但跳跳小人的形状和颜 ...
- python金融数据分析电子版_python 金融大数据分析 pdf
书籍:Python金融大数据分析 Python for Finance_ Mastering Data-Driven Finance 2nd - 2019.pdf 简介 金融业最近以极高的速度采用了P ...
- python与金融数据分析论文_python 金融大数据分析 pdf
python 金融大数据分析 pdf相关的博客 查看更多 写博客 作者: skin778 966人浏览 评论数:0 6个月前 ![5_6_3](https://yqfile.alicdn.com/b5 ...
最新文章
- 智能的源泉,大脑从何而来?
- python3--装饰器
- centos打显卡驱动命令_CentOS7显卡驱动问题
- Fabric--使用多通道
- 将svg文件化成字体图标的步骤
- 一致 先验分布 后验分布_分布式事务常见解决方案与最终一致性
- 数字效率Evernote超效率数字笔记术
- 【黑金原创教程】【TimeQuest】【第二章】TimeQuest模型角色,网表概念,时序报告...
- 什么是抽象类?抽象类的作用_Java面试题amp;和amp;amp;的作用和区别
- 原生js双向数据绑定
- 自搭Ngrok实现内网穿透centos6
- 大学生DW网页设计基础知识
- HDCP认证过程-收集网上的,作为记录
- android游戏地图编辑器
- GA-PH67-UD3-B3换主板
- 取消耳机孔的 4 年后,苹果居然把耳机卖到了四千块
- BP算法推导(python实现)
- 结构有限元分析工具 — Abaqus
- (附源码)计算机毕业设计ssm爱音乐网站
- 电脑外置,笔记本电脑外接显卡,教您笔记本如何外接独显
热门文章
- tinkpad BIOS 超级密码 清除
- Linux系统安装JDK1.8 详细流程
- 2014年网络教育计算机统考,2014年9《计算机应用基础》网络教育统考真题.doc
- 某大型政务网站的优化咨询案例(视频点播VOD+GZIP压缩+静态文件CDN+Redis缓存+全文索引)
- java replaceall函数_你真的会用java replaceAll函数吗?
- javascript实现的数码时钟
- 1+X云计算平台运维与开发认证 数据库管理
- python快速实现10种聚类算法
- 2022高处吊篮安装拆卸工(建筑特殊工种)考题及在线模拟考试
- Mit Mini Cheetah开源代码开发环境搭建