一、背景及研究現(xiàn)狀
在我國(guó)互聯(lián)網(wǎng)的發(fā)展過(guò)程中，PC互聯(lián)網(wǎng)已日趨飽和，移動(dòng)互聯(lián)網(wǎng)卻呈現(xiàn)井噴式發(fā)展。數(shù)據(jù)顯示，截止2013年底，中國(guó)手機(jī)網(wǎng)民超過(guò)5億，占比達(dá)81%。伴隨著移動(dòng)終端價(jià)格的下降及wifi的廣泛鋪設(shè)，移動(dòng)網(wǎng)民呈現(xiàn)爆發(fā)趨勢(shì)。
微信已經(jīng)成為連接線上與線下、虛擬與現(xiàn)實(shí)、消費(fèi)與產(chǎn)業(yè)的重要工具，它提高了O2O類營(yíng)銷用戶的轉(zhuǎn)化率。過(guò)去開(kāi)發(fā)軟件，程序員常要考慮不同開(kāi)發(fā)環(huán)境的語(yǔ)言、設(shè)備的適配性和成本。現(xiàn)在，開(kāi)發(fā)者可以在一個(gè)“類操作底層”去開(kāi)發(fā)應(yīng)用，打破了過(guò)去受限的開(kāi)發(fā)環(huán)境。
二、研究意義及目的
隨著寬帶無(wú)線接入技術(shù)和移動(dòng)終端技術(shù)的飛速發(fā)展，人們迫切希望能夠隨時(shí)隨地乃至在移動(dòng)過(guò)程中都能方便地從互聯(lián)網(wǎng)獲取信息和服務(wù)，移動(dòng)互聯(lián)網(wǎng)應(yīng)運(yùn)而生并迅猛發(fā)展。然而，移動(dòng)互聯(lián)網(wǎng)在移動(dòng)終端、接入網(wǎng)絡(luò)、應(yīng)用服務(wù)、安全與隱私保護(hù)等方面還面臨著一系列的挑戰(zhàn)。其基礎(chǔ)理論與關(guān)鍵技術(shù)的研究，對(duì)于國(guó)家信息產(chǎn)業(yè)整體發(fā)展具有重要的現(xiàn)實(shí)意義。
三、研究?jī)?nèi)容及數(shù)據(jù)獲取
普通用戶使用手機(jī)掃描二維碼并在手機(jī)上確認(rèn)后，wxpy自動(dòng)從用戶的網(wǎng)頁(yè)版微信獲取好友列表，包括好友昵稱、所在地區(qū)、個(gè)性簽名、性別等信息。
四、python程序設(shè)計(jì)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
|
#微信好友特征數(shù)據(jù)分析及可視化# 1.導(dǎo)包操作from wxpy import *import reimport jiebaimport numpy as npfrom scipy.misc import imreadfrom wordcloud import WordCloudimport matplotlib.pyplot as pltfrom pylab import mplimport pandas as pdmpl.rcParams['font.sans-serif'] = ['SimHei']from pyecharts.charts import Mapfrom pyecharts import options as opts# 2.登錄操作bot = Bot()# 列舉登錄賬號(hào)的所有好友all_friends = bot.friends()print(all_friends)# 獲取登錄賬號(hào)所關(guān)注的所有的公眾號(hào)all_maps = bot.mps()print("所有好友列表", all_maps)# 獲取當(dāng)前登錄賬號(hào)的群聊列表all_groups = bot.groups()print("所有群聊列表", all_groups)# 根據(jù)好友的備注名稱搜索好友#myfriend = bot.friends().search('許寬')[0]#print("搜索好友：", myfriend)# 搜索好友并發(fā)送信息# bot.friends().search('許寬')[0].send('你好呀')# 向文件傳輸助手發(fā)送信息bot.file_helper.send("hello")# 3.顯示男女比例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'] += 1print(sex_dict)# 4使用matplotlib可視化slices = [sex_dict["male"], sex_dict["female"], sex_dict["no_set"]]activities = ["male", "female", "no_set"]cols = ["r", "m", "g"]# startangle：開(kāi)始繪圖的角度，逆時(shí)針旋轉(zhuǎn)# shadow：陰影# %1.1f%%:格式化字符串，整數(shù)部分最小1位，小數(shù)點(diǎn)后保留一位，%%：轉(zhuǎn)義字符plt.pie(slices, labels=activities, colors=cols, startangle=90, shadow=True, autopct='%1.1f%%')plt.title("微信好友比例圖")plt.savefig("WeChat_sex.png")# 統(tǒng)計(jì)登錄賬號(hào)好友的各省人數(shù)province_dict = {'河北': 0, '山東': 0, '遼寧': 0, '廣西': 0, '吉林': 0, '甘肅': 0, '青海': 0, '河南': 0, '江蘇': 0, '湖北': 0, '湖南': 0, '江西': 0, '浙江': 0, '廣東': 0, '云南': 0, '福建': 0, '臺(tái)灣': 0, '海南': 0, '山西': 0, '四川': 0, '陜西': 0, '貴州': 0, '安徽': 0, '北京': 0, '天津': 0, '重慶': 0, '上海': 0, '香港': 0, '澳門': 0, '新疆': 0, '內(nèi)蒙古': 0, '西藏': 0, '黑龍江': 0, '寧夏': 0}# 統(tǒng)計(jì)省份for friend in all_friends: # print(friend.province) if friend.province in province_dict.keys(): province_dict[friend.province] += 1print("province_dict")print(province_dict)# 為了方便數(shù)據(jù)呈現(xiàn)，生成JSON Array格式數(shù)據(jù)data = []for key, value in province_dict.items(): data.append({'name': key, 'value': value}) # 在data列表末尾添加一個(gè)字典元素print(data)data_process = pd.DataFrame(data) # 創(chuàng)建數(shù)據(jù)框data_process.columns = ['city', 'popu']print(data_process)map = Map().add("微信好友城市分布圖", [list(z) for z in zip(data_process['city'], data_process['popu'])], "china").set_global_opts( title_opts=opts.TitleOpts(title="Map-VisualMap（連續(xù)型）"), visualmap_opts=opts.VisualMapOpts(max_=10))map.render('map.html')# with...as...語(yǔ)句結(jié)束時(shí)，自動(dòng)調(diào)用f.close()# a表示：在文件末尾追加def write_txt_file(path, txt): # 寫文件 with open(path, 'a', encoding='gbk') as f: return f.write(txt)# 每次運(yùn)行程序前，需要?jiǎng)h除上一次的文件# 默認(rèn)字符編碼為GBKdef read_txt_file(path): with open(path, 'r', encoding='gbk') as f: return f.read()# 統(tǒng)計(jì)登錄賬號(hào)好友個(gè)性簽名for friend in all_friends: print(friend, friend.signature) # 對(duì)數(shù)據(jù)進(jìn)行清洗，將標(biāo)點(diǎn)符號(hào)等對(duì)詞頻率統(tǒng)計(jì)造成影響的因素剔除 # [...]:匹配中括號(hào)任意一個(gè)字符 # r:防止轉(zhuǎn)義 pattern = re.compile(r'[一-龥](méi)+') # 將正則字符串編譯成正則表達(dá)式對(duì)象，以后在后期的匹配中復(fù)用 # 對(duì)某一個(gè)簽名進(jìn)行匹配，只匹配中文漢字，結(jié)果是列表 filterdata = re.findall(pattern, friend.signature) print(filterdata) write_txt_file('signatures.txt', ''.join(filterdata))# 讀取文件并輸出。content = read_txt_file('signatures.txt')print(content) # 輸出內(nèi)容，僅漢字# 輸出分詞結(jié)果，結(jié)果為列表segment = jieba.lcut(content) # 精確模式：不存在冗余數(shù)據(jù)，適合文本分析print(segment)# 生成數(shù)據(jù)框且有一列元素word_df = pd.DataFrame({'segment': segment}) # 字典類型print(word_df)# index_col=False:第一行不做為索引# seq=" "：分隔符# names=['stopword']：列名# "stopwords.txt":停止詞庫(kù)stopwords = pd.read_csv("stopwords.txt", index_col=False, sep=" ", names=['stopword'], encoding='gbk')print(stopwords)# 查看過(guò)濾停止詞后的數(shù)據(jù)框word_df = word_df[~word_df.segment.isin(stopwords.stopword)]print("過(guò)濾后：")print(word_df)# 查看分詞的詞頻# python中的groupby可以看作是基于行或者是基于index的聚合操作# agg函數(shù)提供基于列的聚合操作，一般與groupby連用# np.size:numpy庫(kù)中統(tǒng)計(jì)一列中不同值的個(gè)數(shù)words_stat = word_df.groupby(by=['segment'])['segment'].agg({"計(jì)數(shù)": np.size}) # 警告信息print(words_stat)# 根據(jù)計(jì)數(shù)這一列降序排列words_stat = words_stat.reset_index().sort_values(by=["計(jì)數(shù)"], ascending=False)print(words_stat)# 讀入背景圖片color_mask = imread("black_mask.png")# 設(shè)置詞云屬性wordcloud = WordCloud(font_path="Hiragino.ttf", # 設(shè)置字體 background_color="pink", # 設(shè)置顏色 max_words=100, # 詞云顯示的最大詞數(shù) mask=color_mask, # 設(shè)置背景圖片 max_font_size=100 # 字體最大值 )# 生成詞云字典，獲取詞云最高的前一百詞word_frequence = {x[0]: x[1] for x in words_stat.head(100).values}print(word_frequence)# 繪制詞云圖wordcloud.generate_from_frequencies(word_frequence)wordcloud.to_file("wordcloud.png")# 對(duì)圖像進(jìn)行處理plt.imshow(wordcloud)plt.axis("off") # 隱藏坐標(biāo)軸plt.show() |
五、數(shù)據(jù)分析及可視化
微信好友男女性別比例
微信好友所在省份比例
聲明
祖國(guó)領(lǐng)土主權(quán)神圣不可侵犯！
部分地區(qū)未標(biāo)注，敬請(qǐng)諒解！
微信好友個(gè)性簽名詞云圖
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持服務(wù)器之家。
原文鏈接：https://blog.csdn.net/qq_40507857/article/details/103835711
