Python分析 | 從00-90後的微信暱稱，發現如下規律。。。

# 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 = []

(3)資料分類判斷

# 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

(4)資料歸類計算各類數量

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)

執行結果：

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

3.獲取使用者畫(只獲取使用者年齡段)

3.訪問英文取名使用者畫像介面，獲取近30天活躍使用者和新使用者的年齡段

# 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']))

執行結果：

# 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}]

三、來點有趣的，資料清洗、分析

1.微信名稱型別資料視覺化分析

核心程式碼：

# 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")

執行效果：