一、前言
大家好，首先说明的是，这是一篇技术文，也是一篇not技术文，今天分享的是，当我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，分析得到下面解果。。。
二、Let's get it
1.基本信息获取
1.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
(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)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 |
# 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 = []
(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
(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)
3.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}]
三、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：
微信昵称类别玫瑰饼图
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：
用户年龄段分布玫瑰饼图
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
(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
(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, #显示的最大的字体大小
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。
四、通过昵称进行情绪分析(大胆猜想)
01 | 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。(猜测)
02 | 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。(猜测)