微信文章数据分析一（阅读点赞评论）

本系列是微信公众号/文章系列中数据分析的第一篇，仅作一个简单的示例展示，可供分析参考。
注：为避免其他影响，这里不放出具体公众号名称。以下为部分数据截图。

广告部分：

如何拿到微信文章相关数据，可见记一次微信公众号爬虫的经历（微信文章阅读点赞的获取）。相关数据获取可见文末联系方式
如何批量关注公众号，可见自动批量关注微信公众号（非逆向）

正文部分：

阅读数

首先，微信文章主要三个数据指标是阅读点赞和评论，其中评论又分为评论内容、评论内容点赞、评论总数。先小试牛刀随便根据阅读点赞评论数据画个图。

# coding: utf-8
import numpy as np
import os
import pandas as pd
import matplotlib.pyplot as plt
from pandas.plotting import register_matplotlib_convertersif __name__ == '__main__':fname = fname # 文件名# 读取数据df = pd.read_excel(fname, index_col=0)plt.cla() # 清空画图register_matplotlib_converters() # 时间序列画图，避免报错或warnning# 阅读、点赞、评论数随日期的变化# 处理日期格式df['date'] = pd.to_datetime(df['date'], format="%Y-%m-%d")date, read_num, like_num, comments = df['date'], df['read_num'], df['like_num'], df['comments']# 由于这里一开始拿到的是评论内容（用--分割），所以这里进行简单的处理，统计评论数comments_num = comments.apply(str).apply(lambda item: 0 if 'nan' in item else len(item.split('--')))df['comments_num'] = comments_num# 先把阅读数画一遍plt.plot(date, read_num, label='read_num')plt.xlabel('date')plt.xticks(rotation=30)plt.ylabel('number')plt.legend()plt.show()

阅读、点赞、评论数

    plt.plot(date, read_num, label='read_num')plt.plot(date, like_num, label='like_num', color='red')plt.scatter(date, comments_num, label='comments_num', color='orange')plt.xlabel('date')plt.xticks(rotation=30)plt.ylabel('number')plt.legend()plt.show()

这里评论数为方便与阅读和点赞区分，故用了散点来表示。但这里发现由于阅读数会远远大于点赞和评论数，所以点赞和评论数的趋势不是很明显。下面单独把点赞和评论画出来。

    plt.plot(date, like_num, label='like_num', color='red')plt.scatter(date, comments_num, label='comments_num', color='orange')plt.xlabel('date')plt.xticks(rotation=30)plt.ylabel('number')plt.legend()plt.show()

当然，这里还有一个方法可以做到把三个指标数据放一起对比。这里对三个数据都取log函数

    plt.plot(date, np.log(read_num), label='read_num')plt.plot(date, np.log(like_num), label='like_num', color='red')plt.scatter(date, np.log(comments_num), label='comments_num', color='orange')plt.xlabel('date')plt.xticks(rotation=30)plt.ylabel('number')plt.legend()plt.show()

小结一

经过上面几张图，有以下发现：

某篇文章的阅读数极其高，远超超出其他文章。后续可单独对其分析，或把其除去再分析
点赞和评论数据并不是正相关，且与阅读数也非绝对正相关。
大部分文章的点赞数和评论数都处于较低水平，后续可把点赞/评论高的拿出来进行二次分析
大部分文章是没有评论的

注：

公众号分是否有留言功能，该公众号是具备留言功能的
这里要处理，获取时间为2020年3月，数据中最近的文章是1月份的。所以在分析的时候降低了最近文章指标低的影响因素
这里没有区分一天发多篇文章的情况，所以在下面要进一步进行处理.

整合分析

这里对同一天/同一个月的文章进行汇总分析。当然也可以自定义改成按季度或者年份来分析

    tmp_df = df[['date', 'read_num', 'like_num', 'comments_num']]tmp_df = tmp_df.set_index(['date'])rule = 'M' # D, 'M', 'Q', 'QS'...tmp_df = tmp_df.resample(rule).sum() # 按天/月汇总date = tmp_df.indexplt.plot(date, np.log(tmp_df['read_num']), label='read_num')plt.plot(date, np.log(tmp_df['like_num']), label='like_num', color='red')plt.scatter(date, np.log(tmp_df['comments_num']), label='comments_num', color='orange')plt.xlabel('date')plt.xticks(rotation=30)plt.ylabel('number')plt.legend()plt.show()

按天分析

按月分析

头条影响

公众号在未认证的情况下，一天只能发表一次文章（但不一定只有一篇）。这里对同一天文章放置在头条的影响进行分析

    toutiao_df = df['toutiao']print(toutiao_df.value_counts())"""[Out]:2    3171    312Name: toutiao, dtype: int64"""

这里分析可以得出，该公众号在这段时间内大部分时间是同时发布两篇文章。所以可以很方便的进行对比分析。这里可以直接将上面的代码二次利用，绘图。

    tmp_df1 = df[df['toutiao'] == 1][['date', 'read_num', 'like_num', 'comments_num']]tmp_df2 = df[df['toutiao'] == 2][['date', 'read_num', 'like_num', 'comments_num']]tmp_df1 = tmp_df1.set_index(['date'])tmp_df2 = tmp_df2.set_index(['date'])rule = 'M' # D, 'M', 'Q', 'QS'...tmp_df1 = tmp_df1.resample(rule).sum() # 按天/月汇总tmp_df2 = tmp_df2.resample(rule).sum() # 按天/月汇总date1 = tmp_df1.indexdate2 = tmp_df2.indexplt.plot(date1, tmp_df1['read_num'], label='is_head')plt.plot(date2, tmp_df2['read_num'], label='no_head')plt.plot(date1, tmp_df1['like_num'], label='is_head')plt.plot(date2, tmp_df2['like_num'], label='no_head')plt.plot(date1, tmp_df1['comments_num'], label='is_head')plt.plot(date2, tmp_df2['comments_num'], label='no_head')plt.xlabel('date')plt.xticks(rotation=30)plt.ylabel('number')plt.legend()plt.show()

阅读数

点赞数

评论数

小结二

经过上面几张图，有以下发现：

该公众号文章在前期发表频率并不高，总体指标也较为稳定。能够在一些时间段内产出较高反响的文章
头条文章在各方面基本上会优于非头条文章，且大部分数据情况好的文章都来自于头条文章
大部分文章的点赞数和评论数都处于较低水平，后续可把点赞/评论高的拿出来进行二次分析

注：
4. 这里发现在最新的时间段，文章指标较低，这个可能是由于近期文章的指标增长较慢，导致结果存在偏差。可根据需求删除或过段时间二次分析。

以上就是第一次对微信文章数据的分析，下一篇会针对标题、评论等文字指标进行讨论，挖掘数据指标高的文章类型及如何产出。