Python数据分析：一年微信，情深几许？

大家好，我是蛋挞~

你们好不好奇，过去一年时间里，都和对象聊了些什么…（啥？你没对象）

作为数据分析师，绝不能靠印象说话，要用数据。所以本文用Python分析过去一年和媳妇的微信聊天记录，从月、周、日、小时等时间维度做出一些统计分析及可视化，然后通过jieba分词、统计词频来绘制词云图。

有点意思呦，一起来看看吧！

一、获取数据并处理

1. 首先，通过工具把微信聊天记录导出来，形成csv文件。

# 看看数据长啥样
msg_data = pd.read_csv('微信聊天记录.csv')
msg_data.head()

2.然后，取出2023年的数据，做一些前处理工作。

# 只取2023年的数据
msg_data['date'] = msg_data['StrTime'].str[:10]
msg_data['year'] = msg_data['StrTime'].str[:4]
msg_data['month'] = msg_data['StrTime'].str[5:7]
msg_data['hour'] = msg_data['StrTime'].str[11:13]
msg_data_2023 = msg_data[msg_data['year'] == '2023']
msg_data_2023.reset_index(drop=True, inplace=True)

# 计算是周几
msg_data_2023 = msg_data_2023.copy()
msg_data_2023.loc[:, 'time_datetime'] = pd.to_datetime(msg_data_2023.loc[:,'StrTime'])    
msg_data_2023.loc[:, 'day_of_week_number'] = msg_data_2023.loc[:, 'time_datetime'].dt.dayofweek  
day_names_zh = {0: '周一', 1: '周二', 2: '周三', 3: '周四', 4: '周五', 5: '周六', 6: '周日'}  
msg_data_2023['day_of_week'] = msg_data_2023['day_of_week_number'].map(day_names_zh)  
del msg_data_2023['time_datetime']
msg_data_2023['StrContent'] = msg_data_2023['StrContent'].astype(str)
msg_data_2023.head()

3.对Type列和IsSender列做一些转换

Type列为消息类型，比如1表示文本，3表示图片，49表示文件等。IsSender列，1表示自己，0表示对方。

二、简单的数据统计

1.2023年365天，我们聊了355天。

msg_data_2023['date'].nunique()  # 355

2.2023年一共发了23784条消息，共161869字，平均每条消息8个字。其中，我发了11554条消息，她发了12230条消息。

# 行数统计
msg_data_2023.shape[0]
# 字数统计
total_chars_and_punctuation = msg_data_2023['StrContent'].apply(count_chinese_chars_and_punctuation).sum()

3.对各种消息类型进行统计

可以看出，她爱发文本消息，而我更爱打视频电话，足足多了73次，差不多是她的两倍，哈哈哈！另外，我好像特别特别爱发表情，她的6倍…

# 各自发的消息类型
msg_type_stat = msg_data_2023.groupby(['IsSender', 'Type'])['StrContent'].size().reset_index(name='count')
msg_type_stat = msg_type_stat.reset_index(drop=True)
msg_type_stat = msg_type_stat.pivot_table(index = ['Type'], columns= 'IsSender', values='count', fill_value=0)
msg_type_stat.reset_index(inplace=True)
sorted_msg_type_stat = msg_type_stat.sort_values(by='Q', ascending=False) 
sorted_msg_type_stat.reset_index(drop=True, inplace=True)
sorted_msg_type_stat['Q-T'] = sorted_msg_type_stat['Q'] - sorted_msg_type_stat['T']
sorted_msg_type_stat

4.很好奇，哪次聊得最久
设定5分钟内回的消息都为1次聊天，超过了就不算。经计算发现：最长的时长为2368秒，即39分钟，发生在2023-04-20 22:00:12 ~ 2023-04-20 22:39:40。看来还是晚上有得聊些…

三、数据可视化

1. 消息数按月统计

msg_month = msg_data_2023.groupby(['month'])['StrContent'].size().reset_index(name='count')
# 绘制柱状图
plt.figure(figsize=(10, 6)) 
plt.bar(msg_month['month'], msg_month['count'], color='orange', width=0.5, edgecolor='black', label='Values') 
plt.legend()  
plt.title('消息数按月统计')
plt.xlabel('月份')
plt.ylabel('消息数量')  
plt.grid(axis='y', alpha=0.75) 

10月份聊得最少，因为有个国庆节，天天在一起，消息数自然少，数据正常。而12月消息数最多，也是非常合理的，因为那时快临近我们的婚期了，太多的事情需要沟通了。

2.消息数按周统计

msg_week = msg_data_2023.groupby(['day_of_week', 'day_of_week_number'])['StrContent'].size().reset_index(name='count')
sorted_msg_week = msg_week.sort_values(by='day_of_week_number', ascending=True) 
sorted_msg_week.reset_index(drop=True, inplace=True)
# 雷达图
labels = sorted_msg_week['day_of_week'].values
data_week = list(sorted_msg_week['count'].values)
angles = np.linspace(0, 2 * np.pi, len(labels), endpoint=False).tolist()   
data = np.concatenate((data_week, [data_week[0]]))  
angles = np.concatenate((angles, [angles[0]]))   
fig = plt.figure()  
ax = fig.add_subplot(111, polar=True)  
ax.plot(angles, data, 'o-', linewidth=2)  
ax.fill(angles, data, alpha=0.25)  
ax.set_thetagrids((angles * 180/np.pi)[:7], labels)  
ax.set_title("消息数按周几统计")   
plt.show()

可以看到，周一到周五消息数非常平均，周末数量骤减。是的，你没猜错，我们是周末夫妻，工作日在两地上班，周末才会相聚。

3.消息数按日统计

msg_day = msg_data_2023.groupby(['date'])['StrContent'].size().reset_index(name='count')
msg_day.loc[:, 'date_datetime'] = pd.to_datetime(msg_day.loc[:,'date']) 
del msg_day['date']
# 设置日期为索引
msg_day.set_index('date_datetime', inplace=True)  
date_range = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')  
msg_day_resampled = msg_day.asfreq(freq='D', fill_value=0)  
msg_day_resampled.reset_index(inplace=True)   
# 绘制每日热力图，没聊天的日期置为0 
year = msg_day_resampled['date_datetime'].dt.year.unique()[0]  # 假设所有日期都在同一年  
week_number = msg_day_resampled['date_datetime'].dt.isocalendar().week 
day_of_week = msg_day_resampled['date_datetime'].dt.dayofweek  # 0代表周一，6代表周日  
heatmap_data = msg_day_resampled.pivot_table(index=week_number, columns=day_of_week, values='count', aggfunc='sum').fillna(0)    
fig = plt.figure(figsize=(12, 6))   
pink_cmap = sns.diverging_palette(240, 10, as_cmap=True)  
sns.heatmap(heatmap_data, cmap=pink_cmap, annot=False, fmt='d', linewidths=0.5)   
plt.xlabel('周几 (0=Mon, 6=Sun)')  
plt.ylabel('周数')   
plt.title('消息数每日热力图')  
plt.show()

工作日每天消息数差不多，偶尔几天会多点，周末的颜色较深，表示消息数明显少些。颜色为红色的几天都聊了些啥，不会是吵架了吧

4.消息数按小时统计

msg_hour = msg_data_2023.groupby(['hour'])['StrContent'].size().reset_index(name='count')
categories = list(msg_hour['hour'].values) 
values = list(msg_hour['count'].values)  
# 创建颜色映射并提取颜色  
colormap = cm.get_cmap('Reds', 24)  
colors = [colormap(i / 23) for i in range(24)]  
N = len(categories)  
angles = np.linspace(0, 2 * np.pi, N, endpoint=False).tolist()   
values = values + values[:1]  
angles = angles + angles[:1] 
# 创建极坐标图  
fig, ax = plt.subplots(figsize=(6, 6), subplot_kw=dict(polar=True))  
for i in range(N):  
    ax.bar(angles[i], values[i], width=0.20, bottom=0.0, color=colors[i % len(colors)])   
ax.set_yticklabels([])  
ax.set_xticks(angles[:-1])  
ax.set_xticklabels(categories)   
plt.gca().spines['polar'].set_visible(False)    
plt.title('消息数按小时统计', va='bottom')  
plt.show()

这里采用了南丁格尔玫瑰图****！

可以看出来，12点，17、18点，21点多的时间聊得比较多，基本都是饭点或者是晚上下班后，非常符合日常的聊天习惯。

四、最有趣的词云

1. 先把聊天记录合在一起

msg_T = filtered_df[filtered_df['IsSender'] == 'T'].loc[:, 'StrContent'].to_frame()
msg_Q = filtered_df[filtered_df['IsSender'] == 'Q'].loc[:, 'StrContent'].to_frame()
msg_all = '，'.join(map(str, filtered_df['StrContent']))  
msg_join_T = '，'.join(map(str, msg_T['StrContent']))
msg_join_Q = '，'.join(map(str, msg_Q['StrContent']))

2.先绘制总的词云，然后绘制各自的词云

# 使用jieba进行分词
words_list_jieba = jieba.lcut(msg_all)
words_list = [x for x in words_list_jieba if x not in excluded_words]
# 使用Counter进行词频统计
word_counter = Counter(words_list)
sorted_file = word_counter.most_common()
mask = np.array(Image.open("7.jpg"))
# 生成词云时指定遮罩
tmp_wordcloud = WordCloud(font_path='C:\Windows\Fonts\simhei.ttf', 
                      background_color='white', 
                      mask=mask)
wordcloud = tmp_wordcloud.generate_from_frequencies(dict(sorted_file))
# 显示词云图
plt.figure(figsize=(10, 8))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()

所有聊天记录的词云，我们是最大的两个字，划重点，要考！

她聊天记录的词云，我们依然是第一位，然后是……买买买，哈哈哈。和我了解的她一模一样，爱购物，乐观积极。

最后再来看看我的词云，重点词：我们、下班、买。看来下班真是件幸福的事，几乎每次下班都说一声！

关于买字，我需要狡辩解释一下一般都是我让她买，不是我买，毕竟经济大权在她那。

以上就是本次分享的全部内容。如果你有兴趣，后台回复【聊天分析】，即可获得完整的代码。

我是蛋挞，我们下期见~

关于Python学习指南

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python！

👉Python所有方向的学习路线👈

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取）

👉Python学习视频600合集👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉Python70个实战练手案例&源码👈

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉Python大厂面试资料👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉Python副业兼职路线&方法👈

学好 Python 不论是就业还是做副业赚钱都不错，但要学会兼职接单还是要有一个学习规划。

👉 这份完整版的Python全套学习资料已经上传，朋友们如果需要可以扫描下方CSDN官方认证二维码或者点击链接免费领取【保证100%免费】