前言
这个小demo是为了练手，把2018年我和我五个好朋友的群聊天记录进行分析挖掘，以及可视化。
python3.6
pandas
numpy
pyecharts
预处理：
首先从QQ消息管理器里导出聊天记录：
2019-01-12 20:04:30 秋非凡(100****042)
没定级赛啊
可以看出构成成份是
yyyy-mm-dd hh:mm:ss username(userid)\ntext
所以把txt规范为csv文件：
| 属性 | 解释 |
|---|---|
| year | 年 |
| month | 月 |
| day | 日 |
| hour | 时 |
| minute | 分 |
| second | 秒 |
| userid | 昵称（脱敏把真实QQ号隐藏了） |
| text | 聊天文本 |
从QQ导出的聊天记录的时间是2018-01-01 11:47:04格式的
手贱就把他分成这样的了：
| year | mon | day | hour | min | sec | userid | text |
|---|---|---|---|---|---|---|---|
| 2018 | 1 | 1 | 11 | 47 | 4 | 大头 | 擦 |
于是又另起三列（df[“xxx”] = xxx的赋值方式是在dataframe最右边添加列）
df["date"] = pd.PeriodIndex(year=df["year"], month=df["month"], day=df["day"], freq="D")
df["time"] = df["hour"].astype("str").str.cat(df["minute"].astype("str"),sep=":").str.cat(df["second"].astype("str"),sep=":"）
df["datetime"] = df["date"].astype("str").str.cat(df["time"].astype("str"),sep=" ")
变成
| year | month | day | hour | minute | second | userid | text | date | time | datetime |
|---|---|---|---|---|---|---|---|---|---|---|
| 2018 | 1 | 1 | 11 | 47 | 4 | 大头 | 擦 | 2018-01-01 | 11:47:4 | 2018-01-01 11:47:4 |
参考：
Pandas详解七之DatetimeIndex、PeriodIndex和TimedeltaIndex时间序列
时间
人发言次数和发图占比
在jupyter环境下：获取发言次数和发图次数
df.groupby("userid")["text"].size()#获取发言次数
df[df["text"] == "[图片]"].groupby("userid").size()#获取发图次数
然后绘图：
from pyecharts import options as opts
from pyecharts.charts import Bar,Line,Grid
from pyecharts.globals import ThemeType
userid_list = ['栓二',"二大爷",'摇摆', '大头', '秋豪', '蓝鸡']
pic_num_list = [1264,2793,1810,3823,4660,7314]
word_num_list = sorted([14290, 18716, 14456, 10417, 25606, 38361])
bar = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
.add_xaxis(userid_list)
.add_yaxis("发图次数",pic_num_list,stack = "1")
.add_yaxis("发言次数",list(map(lambda x: x[0]-x[1], zip(word_num_list,pic_num_list))),stack = "1")
.reversal_axis()#坐标翻转
.set_global_opts(
title_opts=opts.TitleOpts(title="Bar-发言次数和发图占比"),
legend_opts=opts.LegendOpts(pos_top="80%",pos_right = "10%"),
)
.set_series_opts(
label_opts=opts.LabelOpts(position = "inside",color = "white")
)
)
bar.render("bar_user.html")
bar.render_notebook()
（考研也不能阻止我水群
month
总览2018年聊天情况：
from pyecharts import options as opts
from pyecharts.charts import Bar,Line,Grid
from pyecharts.globals import ThemeType
#数据准备
bar_data = df.groupby(['userid','month']).size()
x_data = ["{}月".format(i) for i in range(1, 13)]
y_data_yb = bar_data['摇摆']
y_data_dt = bar_data['大头']
y_data_lj = bar_data['蓝鸡']
y_data_qh = bar_data['秋豪']
y_data_se = bar_data['栓二']
y_data_edy = bar_data['二大爷']
#绘图
bar = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
.add_xaxis(x_data)
# 系列数据yaxis_data: Sequence[Numeric, opts.BarItem, dict],这里我们用dict
.add_yaxis("月总数1",list(df.groupby('month')['text'].size()),color = "blue")
.set_global_opts(
title_opts=opts.TitleOpts(title="Bar-2018聊天情况")
#legend_opts=opts.LegendOpts(pos_top="48%"),
)
.set_series_opts(
label_opts=opts.LabelOpts(position = "top"),
)
)
line = (
Line()
.add_xaxis(x_data)
.add_yaxis("平均数", [int(df["text"].count()/12)]*12)
.add_yaxis("月总数",list(y_data_yb+y_data_dt+y_data_lj+y_data_qh+y_data_se+y_data_edy))
.set_series_opts(
label_opts=opts.LabelOpts(is_show=False),
)
)
bar.overlap(line)#line覆盖在bar上
bar.render("bar_month.html")
bar.render_notebook()
可以看到下半年明显比上半年多，估计是大三下半年都没什么事闲了（但是我不是应该在考研么
十月是巅峰，平均数达到了10167条发言/月
week：
df.groupby("week")["text"].count().index#x轴
df.groupby("dayofweek")["text"].count()#y轴
from pyecharts import options as opts
from pyecharts.charts import Bar
def bar_base() -> Bar:
c = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
.add_xaxis(['Sunday','Monday','Tuesday', 'Wednesday', 'Thursday','Friday', 'Saturday'])
.add_yaxis("", [19574,15819,14125,13825,20841,17272,20552])
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-星期聊天情况"))
)
return c
bar_base().render("bar-week.html")
bar_base().render_notebook()
| Monday | Tuesday | Wednesday | Thursday | Friday | Saturday | Sunday |
|---|---|---|---|---|---|---|
| 15819 | 14125 | 13825 | 20841 | 17272 | 20552 | 19574 |
热衷于在星期4聊天
day
参考Github
获取Github日历颜色：
色表：
#ebedf0
#c6e48b
#7bc96f
#239a3b
#196127
import datetime
from pyecharts import options as opts
from pyecharts.charts import Calendar
def calendar_base() -> Calendar:
#起止时间
begin = datetime.date(2018, 1, 1)
end = datetime.date(2018, 12, 31)
#颜色和数据
calendar_color=["#ebedf0","#c6e48b","#7bc96f","#239a3b","#196127"]
calendar_data = [
[df.groupby("date").size().index[i],list(df.groupby("date").size())[i]]
for i in range(len(df.groupby("date").size()))
]
data = daily_data
c = (
Calendar(init_opts = opts.InitOpts(width = "1200px",height = "500px"))
.add("", data, calendar_opts=opts.CalendarOpts(range_=[begin,end]))
#全局配置项
.set_global_opts(
#画幅配置，必须大，不然显示不全
#init_opts = opts.InitOpts(),
#标题配置
title_opts=opts.TitleOpts(title="Calendar-2018年聊天记录情况"),
#视觉映射配置
visualmap_opts=opts.VisualMapOpts(
max_=1200,
min_=0,
orient="horizontal",
pos_top="middle",
pos_left="center",
is_piecewise=True,
pieces = [
{"min": 1000,"color":color[4]},
{"min": 600, "max": 1000,"color":color[3]},
{"min": 300, "max": 600,"color":color[2]},
{"min": 100, "max": 300,"color":color[1]},
{"max": 100,"color":color[0]}
]
),
)
)
return c
c.render("calendar.png")
c.render("calendar.html")
c.render_notebook()
聊的最多的一天，2018-07-08，1522条消息=253条/人=3篇高考作文/人
hour
from pyecharts import options as opts
from pyecharts.charts import Bar
hour_data_list = list(df.groupby("hour")["text"].size())#获取每个小时段的聊天记录数量
hour_data_list.insert(5,0)#凌晨5点无记录
def bar_base() -> Bar:
c = (
Bar()
.add_xaxis([i for i in range(24)])
.add_yaxis("", hour_data_list)
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-时段聊天情况"))
)
return c
bar_base().render("bar-hour.html")
bar_base().render_notebook()
热衷于中午11-13点；晚上21-23点聊天（饭点睡点吹牛逼嗷
#我是今夜熬到最晚的王#
2018-08-02 02:03:05 在DNF下线后，蓝鸡和摇摆哥讨论海豹打团微信小程序
2018-12-05 02:27:09 二大爷因为没电放弃了肖秀荣视频的下载并说了句“吔屎啦！梁非凡！”
2018-09-07 02:41:44 摇摆哥在肚皮痛醒了之后喝了一杯热水睡下并说了句“nice”
2018-12-03 03:28:33 二大爷丝毫不接上下文，发了张图片
2018-12-07 03:47:50 二大爷丝毫不接上下文，又发了张图片
2018-07-07 03:59:09 估计失眠，蓝鸡发了句“哭了”
2018-02-12 04:58:36 二大爷因为头疼醒来
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
