利用Python爬取00-90后的微信昵称，发现如下规律.....

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
 2def 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 =## 标题 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

Python免费资源推荐

'''
小编准备的python学习资料，加群：1136201545即可免费获取！
'''

读取所有微信名，数据分类

(1)读取微信名

 1# 读取文件，取出微信名
 2def 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)数据分为以下六大类

 1# ch ：Chinese
 2ch_name_number = 0
 3ch_name = []
 4# en ：English
 5en_name_number = 0
 6en_name = []
 7# di : digtal
 8di_name_number = 0
 9di_name = []
10# img : image
11img_name_number = 0
12img_name = []
13# ch_di : Chinese and digtal
14ch_di_name = []
15# other : other
16oth_name_number = 0
17oth_name = []

(3)数据分类判断

 1# 昵称全中文判断
 2def 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
10def 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
20def 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
27def 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
40def 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

(4)数据归类计算各类数量

1list_name = get_name()
 2print("总共有："+str(len(list_name))+"个微信名")
 3for 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
24print("纯中文昵称个数："+ str(ch_name_number))
25# print(ch_name)
26print("纯英文昵称个数："+ str(en_name_number))
27#print(en_name)
28print("纯数字昵称个数："+ str(di_name_number))
29# print(di_name)
30print("包含表情图昵称个数："+ str(img_name_number))
31# print(img_name)
32print("中文和数字混合昵称个数："+ str(ch_di_name_number))
33print(ch_di_name)
34print("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

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
 2def 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
220180721-20180819
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}]

来点有趣的，数据清洗、分析

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
 2from pyecharts import Pie
 3# 数据获取自上面代码
 4attr = ["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"]
 5v1 = [1514, 569, 9, 400, 19, 1038]
 6pie = Pie("微信名分类饼图", title_pos='center', width=900)
 7pie.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)
18pie.render("render_01.html")

运行效果：

微信用户年龄段可视化分析

 1# 2.用户年龄段：玫瑰饼图
 2from pyecharts import Pie
 3# 数据获取自上面代码
 4attr = ["未知", "17岁以下", "18-24岁", "25-29岁", "30-39岁", "40-49岁","50岁以上"]
 5v1 = [12, 38, 265, 163, 176, 34,17]
 6pie = Pie("微信用户年龄段饼图", title_pos='center', width=900)
 7pie.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)
18pie.render("render_02.html")

词云分析微信名称哪些词语、表情包更受欢迎

 1# 清洗数据，生成词云图
 2def 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')