基于python的微信好友数据分析_python 微信好友特征数据分析及可视化
#微信好友特征数据分析及可视化
# 1.导包操作
from wxpy import *
import re
import jieba
import numpy as np
from scipy.misc import imread
from wordcloud import WordCloud
import matplotlib.pyplot as plt
from pylab import mpl
import pandas as pd
mpl.rcParams['font.sans-serif'] = ['SimHei']
from pyecharts.charts import Map
from pyecharts import options as opts
2.登录操作
bot = Bot()
列举登录账号的所有好友
all_friends = bot.friends()
print(all_friends)
获取登录账号所关注的所有的公众号
all_maps = bot.mps()
print("所有好友列表", all_maps)
获取当前登录账号的群聊列表
all_groups = bot.groups()
print("所有群聊列表", all_groups)
根据好友的备注名称搜索好友
myfriend = bot.friends().search('许宽')[0]
print("搜索好友:", myfriend)
搜索好友并发送信息
bot.friends().search('许宽')[0].send('你好呀')
向文件传输助手发送信息
bot.file_helper.send("hello")
3.显示男女比例
sex_dict = {'male': 0, 'female': 0, "no_set": 0}
for friend in all_friends:
print(friend, friend.sex)
if friend.sex == 1:
sex_dict['male'] += 1
elif friend.sex == 2:
sex_dict['female'] += 1
elif friend.sex == 0:
sex_dict['no_set'] += 1
print(sex_dict)
4使用matplotlib可视化
slices = [sex_dict["male"], sex_dict["female"], sex_dict["no_set"]]
activities = ["male", "female", "no_set"]
cols = ["r", "m", "g"]
startangle:开始绘图的角度,逆时针旋转
shadow:阴影
%1.1f%%:格式化字符串,整数部分最小1位,小数点后保留一位,%%:转义字符
plt.pie(slices, labels=activities, colors=cols, startangle=90, shadow=True, autopct='%1.1f%%')
plt.title("微信好友比例图")
plt.savefig("WeChat_sex.png")
统计登录账号好友的各省人数
province_dict = {'河北': 0, '山东': 0, '辽宁': 0, '广西': 0, '吉林': 0,
'甘肃': 0, '青海': 0, '河南': 0, '江苏': 0, '湖北': 0,
'湖南': 0, '江西': 0, '浙江': 0, '广东': 0, '云南': 0,
'福建': 0, '台湾': 0, '海南': 0, '山西': 0, '四川': 0,
'陕西': 0, '贵州': 0, '安徽': 0, '北京': 0, '天津': 0,
'重庆': 0, '上海': 0, '香港': 0, '澳门': 0, '新疆': 0,
'内蒙古': 0, '西藏': 0, '黑龙江': 0, '宁夏': 0}
统计省份
for friend in all_friends:
print(friend.province)
if friend.province in province_dict.keys():
province_dict[friend.province] += 1
print("province_dict")
print(province_dict)
为了方便数据呈现,生成JSON Array格式数据
data = []
for key, value in province_dict.items():
data.append({'name': key, 'value': value}) # 在data列表末尾添加一个字典元素
print(data)
data_process = pd.DataFrame(data) # 创建数据框
data_process.columns = ['city', 'popu']
print(data_process)
map = Map().add("微信好友城市分布图", [list(z) for z in zip(data_process['city'], data_process['popu'])],
"china").set_global_opts(
title_opts=opts.TitleOpts(title="Map-VisualMap(连续型)"), visualmap_opts=opts.VisualMapOpts(max_=10))
map.render('map.html')
with...as...语句结束时,自动调用f.close()
a表示:在文件末尾追加
def write_txt_file(path, txt): # 写文件
with open(path, 'a', encoding='gbk') as f:
return f.write(txt)
每次运行程序前,需要删除上一次的文件
默认字符编码为GBK
def read_txt_file(path):
with open(path, 'r', encoding='gbk') as f:
return f.read()
统计登录账号好友个性签名
for friend in all_friends:
print(friend, friend.signature)
对数据进行清洗,将标点符号等对词频率统计造成影响的因素剔除
[...]:匹配中括号任意一个字符
r:防止转义
pattern = re.compile(r'[一-龥]+') # 将正则字符串编译成正则表达式对象,以后在后期的匹配中复用
对某一个签名进行匹配,只匹配中文汉字,结果是列表
filterdata = re.findall(pattern, friend.signature)
print(filterdata)
write_txt_file('signatures.txt', ''.join(filterdata))
读取文件并输出。
content = read_txt_file('signatures.txt')
print(content) # 输出内容,仅汉字
输出分词结果,结果为列表
segment = jieba.lcut(content) # 精确模式:不存在冗余数据,适合文本分析
print(segment)
生成数据框且有一列元素
word_df = pd.DataFrame({'segment': segment}) # 字典类型
print(word_df)
index_col=False:第一行不做为索引
seq=" ":分隔符
names=['stopword']:列名
"stopwords.txt":停止词库
stopwords = pd.read_csv("stopwords.txt", index_col=False, sep=" ", names=['stopword'], encoding='gbk')
print(stopwords)
查看过滤停止词后的数据框
word_df = word_df[~word_df.segment.isin(stopwords.stopword)]
print("过滤后:")
print(word_df)
查看分词的词频
python中的groupby可以看作是基于行或者是基于index的聚合操作
agg函数提供基于列的聚合操作,一般与groupby连用
np.size:numpy库中统计一列中不同值的个数
words_stat = word_df.groupby(by=['segment'])['segment'].agg({"计数": np.size}) # 警告信息
print(words_stat)
根据计数这一列降序排列
words_stat = words_stat.reset_index().sort_values(by=["计数"], ascending=False)
print(words_stat)
读入背景图片
color_mask = imread("black_mask.png")
设置词云属性
wordcloud = WordCloud(font_path="Hiragino.ttf", # 设置字体
background_color="pink", # 设置颜色
max_words=100, # 词云显示的最大词数
mask=color_mask, # 设置背景图片
max_font_size=100 # 字体最大值
)
生成词云字典,获取词云最高的前一百词
word_frequence = {x[0]: x[1] for x in words_stat.head(100).values}
print(word_frequence)
绘制词云图
wordcloud.generate_from_frequencies(word_frequence)
wordcloud.to_file("wordcloud.png")
对图像进行处理
plt.imshow(wordcloud)
plt.axis("off") # 隐藏坐标轴
plt.show()
基于python的微信好友数据分析_python 微信好友特征数据分析及可视化相关推荐
- 【大数据分析专业毕设之基于python爬虫的电影票房大数据预测分析+大屏可视化分析
[大数据分析专业毕设之基于python爬虫的电影票房大数据预测分析+大屏可视化分析-哔哩哔哩https://b23.tv/saIKtBH flask web框架,数据使用requests模块爬取数据, ...
- 【项目实战】:基于python的p2p运营商数据信息的特征挖掘
######[风控建模] 基于python的p2p运营商数据信息的特征挖掘 **@author: sunyaowu** **@datetime: 2018年8月** 说明:利用平台数据和第三方数据建立 ...
- 基于Python的微博大数据舆情分析,舆论情感分析可视化系统
运行效果图 基于Python的微博大数据舆情分析,舆论情感分析可视化系统 系统介绍 微博舆情分析系统,项目后端分爬虫模块.数据分析模块.数据存储模块.业务逻辑模块组成. 先后进行了数据获取和筛选存储, ...
- 基于python的视频监控系统_Python实现微信监控报警系统
概述: 本文主要分享一下博主在学习wxpy 的过程中开发的一个小程序.博主在最近有一个监控报警的需求需要完成,然后刚好在学习wxpy 这个东西,因此很巧妙的将工作和学习联系在一起. 博文中主要使用到的 ...
- python微信消息定时_python微信定时消息
广告关闭 腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! 使用supervisor的具体方法,在我这篇文章中有讲过:https:www.z ...
- python微信加人_Python微信机器人自动添加好友自动回复
编写bot.py代码 from wxpy import * # 本地使用 bot = Bot(cache_path=True) # 服务器使用 需要安装 pillow 模块 (pip3 install ...
- 基于python的视频监控系统_Python远程视频监控程序的实例代码
老板由于事务繁忙无法经常亲临教研室,于是让我搞个监控系统,让他在办公室就能看到教研室来了多少人.o(>﹏<)o||| 最初我的想法是直接去网上下个软件,可是找来找去不是有毒就是收费,无奈技 ...
- 基于python的微信机器人开发_python 微信机器人
[实例简介] [实例截图] [核心代码] from config import TOKEN,XML_STR from flask import Flask, request, make_respons ...
- python微信机器人库_Python微信机器人
1.需要用到的模块: requests:Requests 是用 Itchat:itchat是一个开源的微信个人号接口,使用python调用微信从未如此简单. 使用不到三十行的代码,你就可以完成一个能够 ...
最新文章
- 青源 LIVE 第 20 期 | 复旦大学吴祖煊:高效视频内容识别
- Python 之 matplotlib (十六)Animation动画
- MySQL修改存储过程(ALTER PROCEDURE)
- 千年服务器角色信息在哪个文件,千年服务端文件详解
- caffe编译报错 cudnn.hpp:127:41: error: too few arguments to function ‘cudnnStatus_t cudnnSetPooling2dDe
- Attachment assignment block里选择的文件是如何传到Netweaver服务器的
- swiper5 点击图换下一张_电商小牛教你如何选择点击率超同行三倍的爆品主图!...
- 微信小程序学习笔记-1-环境及基础结构
- Windows下FFmpeg各版本库文件下载
- 微信小程序区分分享到群和好友
- python字典由键插值_SciPyTutorial-一元插值interp1d
- 苹果mac好用的记事本软件:Ulysses 24
- windows 10 彻底卸载windows 易升
- Oracle openv目录,nub备份安装目录/openv由来
- Android开发实践:设计安卓应用以计算BMI指数
- centos7 安装7z压缩命令
- 爱可信携手Marvell展示爱可信Linux平台
- java实现docx文档下载
- 校园歌手信息评分系统(C语言),大一新生期末实训
- mysql 加上天数_MySQL Datetime添加天数?
热门文章
- matlab导出dat,matlab如何生成数据dat文件
- django Email
- Linux 文件系统结构
- Kali Linux 使用远程桌面连接——xrdpxfce
- Android之世面上程序锁的实现
- 【线性代数】7-2:线性变化的矩阵(The Matrix of a Linear Transformation)
- 「LSTM 之父」亲笔万字长文,只为向世人证明:深度学习不是在母语为英语的地方被发明的
- word 2010中设置默认粘贴为 只保留文本粘贴【visio也适用于快捷键方式】
- 2021-11-01 富文本编辑器Vue-Quill-Editor 踩坑之路
- 08-Hibernate3.6.2 查询02 by SQL QBC QBE