用Python分析了數千個微信暱稱後，我們發現90後和00後是這樣的人！

# 獲取所有使用者數量和相關資訊
def get_json():
    # 獲取入口
    search_url = '英文取名使用者介面，歡迎掃碼使用英文取名，生成一個最適合你的英文名'
    # 傳送http請求,獲取請求頁面
    search_response = requests.get(search_url)
    # 設定編碼
    search_response.encoding = 'UTF-8'
    # 將頁面轉變成json程式碼格式
    search_json = search_response.json()
    # 獲取我們需要的資料,是串列格式
    our_data = search_json['ResponseData']
    list_len = len(our_data)
    print('總使用者數有：' + str(list_len))
    user_visit_numbers = 0
    data_research = 0
    NickName = []
    for x in our_data:
        user_numbers = x['Count'] + user_visit_numbers
        if x['NickName'] == '':
            data_research += 1
        NickName.append(x['NickName'])
    print("微信名獲取失敗量："+str(data_research))
    print(NickName)
    name = ['微信名稱']
    file_test = pd.DataFrame(columns=name, data=NickName)
    file_test.to_csv(r'I:/data.csv', encoding='utf-8',index=False)
    print('總訪問量：' + str(user_visit_numbers))

總使用者數有：3549
微信名獲取失敗量：0
總訪問量：4573

# 讀取檔案，取出微信名
 def get_name():
     NickName = []
     with open('I:/data.csv','r',encoding='utf8') as file :
         i = 0
         for line in file:
             if i == 0:   # 去除表頭
                 i = 1
                 continue
            line = line.strip()    # 去除換行符
            NickName.append(line)
    return NickName

# ch ：Chinese
ch_name_number = 0
ch_name = []
# en ：English
en_name_number = 0
en_name = []
# di : digtal
di_name_number = 0
di_name = []
# img : image
img_name_number = 0
img_name = []
# ch_di : Chinese and digtal
ch_di_name = []
# other : other
oth_name_number = 0
oth_name = []

# 暱稱全中文判斷
def is_all_ch(keyword):
    for c in keyword:
        # 包含常見中文字元
        if not ('\u4e00' <= c <= '\u9fa5'):
            return False
    return True

# 暱稱全英文判斷
def is_all_en(keyword):
    # 不能全部為空格或者首位為空格
    if all(ord(c) == 32 for c in keyword) or keyword[0] == ' ':
        return False
    # 允許空格和英文並存(例如：Xist A)
    if not all(65 128 or ord(c) == 32 for c in keyword):
        return False
    return True

# 暱稱全數字判斷
def is_all_di(keyword):
    for uchar in keyword:
        if not (uchar >= '\u0030' and uchar <= u'\u0039'):
            return False
    return True

# 暱稱包含表情圖判斷
def have_img(keyword):
    # 下麵是大部分圖片的一個unicode編碼集
    # 詳情檢視：https://en.wikipedia.org/wiki/Emoji
    img_re = re.compile(u'['
                      u'\U0001F300-\U0001F64F'
                      u'\U0001F680-\U0001F6FF'
                      u'\u2600-\u2B55]+',
                      re.UNICODE)
    if img_re.findall(keyword) :
        return True
    return False

# 中文+數字暱稱判斷
def is_ch_di(keyword):
    for c in keyword:
        if not ('\u4e00' <= c <= '\u9fa5') and not (c >= '\u0030' and c <= u'\u0039'):
            return False
    return True

list_name = get_name()
 print("總共有："+str(len(list_name))+"個微信名")
 for i in range(len(list_name)):
     result = classification_name(list_name[i])
     if result == 'ch':  # 中文
         ch_name_number +=1
         ch_name.append(list_name[i])
     if result == 'en':  # 英文
         en_name_number +=1
        en_name.append(list_name[i])
    if result == 'di':  # 數字
        di_name_number +=1
        di_name.append(list_name[i])
    if result == 'img': # 含表情
        img_name_number +=1
        img_name.append(list_name[i])
    if result == 'ch_di': # 中文和數字
        ch_di_name_number +=1
        ch_di_name.append(list_name[i])
    if result == 'other': # 其他
        oth_name_number +=1
        oth_name.append(list_name[i])

print("純中文暱稱個數："+ str(ch_name_number))
# print(ch_name)
print("純英文暱稱個數："+ str(en_name_number))
#print(en_name)
print("純數字暱稱個數："+ str(di_name_number))
# print(di_name)
print("包含表情圖暱稱個數："+ str(img_name_number))
# print(img_name)
print("中文和數字混合暱稱個數："+ str(ch_di_name_number))
print(ch_di_name)
print("其他暱稱個數："+ str(oth_name_number))
# print(oth_name)

總共有：3549個微信名
純中文暱稱個數：1514
純英文暱稱個數：569
純數字暱稱個數：9
包含表情圖暱稱個數：400
中文和數字混合暱稱個數：19
其他暱稱個數：1038

 # 獲取使用者年齡段
 def get_data():
     # 獲取token,並處理
     t = get_token().strip('"')
     # 然後將處理後的token值和其他引數作為post方式的引數值，呼叫使用者畫像api
     post_user_api = " https://api.weixin.qq.com/datacube/getweanalysisappiduserportrait?access_token="
     post_user_url = post_user_api + t
     # 訪問獲取概況資料 (近一個月的資料情況)
     data = json.dumps({
    "begin_date" : "2018-07-21",
    "end_date" : "2018-08-19"})
    # 獲取資訊
    user_portrait_data = get_info(post_user_url, data)
    # 時間段
    ref_date = user_portrait_data['ref_date']
    # 新使用者
    visit_uv_new = user_portrait_data['visit_uv_new']
     活躍使用者
    visit_uv = user_portrait_data['visit_uv']
    # 年齡段
    print(ref_date )
    print((visit_uv_new['ages']))
    print((visit_uv['ages']))

# id ： 為年齡段序號  name ：年齡段名稱    value : 該年齡段人數
20180721-20180819
[{'id': 0, 'name': '未知', 'value': 6}, {'id': 1, 'name': '17歲以下', 'value': 18}, {'id': 2, 'name': '18-24歲', 'value': 118}, {'id': 3, 'name': '25-29歲', 'value': 75}, {'id': 4, 'name': '30-39歲', 'value': 81}, {'id': 5, 'name': '40-49歲', 'value': 14}, {'id': 6, 'name': '50歲以上', 'value': 7}]
[{'id': 0, 'name': '未知', 'value': 6}, {'id': 1, 'name': '17歲以下', 'value': 20}, {'id': 2, 'name': '18-24歲', 'value': 147}, {'id': 3, 'name': '25-29歲', 'value': 88}, {'id': 4, 'name': '30-39歲', 'value': 95}, {'id': 5, 'name': '40-49歲', 'value': 20}, {'id': 6, 'name': '50歲以上', 'value': 10}]

# 1.微信名分類：玫瑰餅圖
from pyecharts import Pie
# 資料獲取自上面程式碼
attr = ["純中文暱稱", "純英文暱稱", "純數字暱稱", "包含表情圖暱稱", "中文和數字混合暱稱", "其他暱稱"]
v1 = [1514, 569, 9, 400, 19, 1038]
pie = Pie("微信名分類餅圖", title_pos='center', width=900)
pie.add(
    "佔比",
    attr,
    v1,
    center=[50, 50],
    is_random=True,
    radius=[30, 75],
    rosetype="area",
    is_legend_show=False,
    is_label_show=True,
)
pie.render("render_01.html")

# 2.使用者年齡段：玫瑰餅圖
from pyecharts import Pie
# 資料獲取自上面程式碼
attr = ["未知", "17歲以下", "18-24歲", "25-29歲", "30-39歲", "40-49歲","50歲以上"]
v1 = [12, 38, 265, 163, 176, 34,17]
pie = Pie("微信使用者年齡段餅圖", title_pos='center', width=900)
pie.add(
    "佔比",
    attr,
    v1,
    center=[50, 50],
    is_random=True,
    radius=[30, 75],
    rosetype="area",
    is_legend_show=False,
    is_label_show=True,
)
pie.render("render_02.html")

# 清洗資料，生成詞雲圖
def split_word(test_str):
    test_str = re.sub('[,，。. \r\n]', '', test_str)
    # jieba 詞語
    segment = jieba.lcut(test_str)
    words_df = pd.DataFrame({'segment': segment})
    # quoting=3 表示stopwords.txt裡的內容全部不取用
    stopwords = pd.read_csv(r"H:\PyCoding\ Analysis_wx_name\stopwords.txt", index_col=False, quoting=3, sep="\t", names=['stopword'], encoding='utf-8')
    words_df = words_df[~words_df.segment.isin(stopwords.stopword)]
    words_stat = words_df.groupby(by=['segment'])['segment'].agg({"計數": numpy.size})
    words_stat = words_stat.reset_index().sort_values(by=["計數"], ascending=False)
    test = words_stat.head(200).values
    codes = [test[i][0] for i in range(0,len(test))]
    counts = [test[i][1] for i in range(0,len(test))]
    wordcloud = WordCloud(width=1300, height=620)
    wordcloud.add("微信暱稱", codes, counts, word_size_range=[20, 100])
    wordcloud.render('render_03.html')

# 下下期好好講一下matplotlib繪圖視覺化，挺有意思的
# 呼叫get_name函式獲取全部微信名
text = get_name()
# 呼叫jiebaclearText函式，清洗資料(該函式和上面切詞思想一樣)
text1=jiebaclearText(text)
#產生詞雲圖
bg = plt.imread(r"G:\small_pig.jpg")
#生成詞雲
wc=WordCloud(
    background_color="wathet", #設定背景為白色，預設為黑色
    mask=bg,      # 設定詞雲內容範圍(除指定圖片白色區域的其他區域都將改寫詞雲內容)
    margin=10,               #設定圖片的邊緣
    max_font_size=70,   #顯示的最大的字型大小
    random_state=20,    #為每個單詞傳回一個PIL顏色
    font_path='G:\simkai.ttf'   #中文處理，用系統自帶的字型
    # 可以在這裡下載這個字型：http://www.font5.com.cn/font_download.php?id=534∂=1245067666
    ).generate(text1)
#為圖片設定字型
my_font=fm.FontProperties(fname='G:\simkai.ttf')
# 圖片背景
bg_color = ImageColorGenerator(bg)
# 開始畫圖
plt.imshow(wc.recolor(color_func=bg_color))
# 為雲圖去掉坐標軸
plt.axis("off")
# 儲存雲圖
wc.to_file("render_04.png")