这是一篇技术文，也是一篇not技术文，今天分享的是，当笔者获取了微信小程序英文取名的3500多个微信用户昵称、年龄段后，分析得到下面结果……
01 Let's get it
1. 基本信息获取
访问 英文取名 的用户基本信接口，获取 英文取名 用户微信名（NickName）、访问次数（Count）、总数据集（ResponseData），并将微信名存入文件。
- # 获取所有用户数量和相关信息
- def get_json():
- # 获取入口
- search_url = '英文取名用户接口，欢迎扫码使用英文取名，生成一个最适合你的英文名'
- # 发送http请求,获取请求页面
- search_response = requests.get(search_url)
- # 设置编码
- search_response.encoding = 'UTF-8'
- # 将页面转变成json代码格式
- search_json = search_response.json()
- # 获取我们需要的数据,是列表格式
- our_data = search_json['ResponseData']
- list_len = len(our_data)
- print('总用户数有：' + 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("微信名获取失败量："+str(data_research))
- print(NickName)
- name = ['微信名称']
- file_test = pd.DataFrame(columns=name, data=NickName)
- file_test.to_csv(r'I:/data.csv', encoding='utf-8',index=False)
- print('总访问量：' + str(user_visit_numbers))
运行结果：
- 总用户数有：3549
- 微信名获取失败量：0
- 总访问量：4573
2. 读取所有微信名，数据分类
2.1 读取微信名
- # 读取文件，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: # 去除表头
- i = 1
- continue
- line = line.strip() # 去除换行符
- NickName.append(line)
- return NickName
2.2 数据分为以下六大类
| 中文名 | 变量名 | 数据类型 |
|---|---|---|
| 全中文昵称 | ch_name | list |
| 全英文昵称 | en_name | list |
| 中文和数字混合昵称 | ch_di_name | list |
| 包含图片表情昵称 | img_name | list |
| 其他昵称 | other_name | list |
- # 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 = []
2.3 数据分类判断
- # 昵称全中文判断
- def is_all_ch(keyword):
- for c in keyword:
- # 包含常见中文字符
- if not ('\u4e00' <= c <= '\u9fa5'):
- return False
- return True
- # 昵称全英文判断
- def is_all_en(keyword):
- # 不能全部为空格或者首位为空格
- if all(ord(c) == 32 for c in keyword) or keyword[0] == ' ':
- return False
- # 允许空格和英文并存(例如：Xist A)
- if not all(65 < ord(c) < 128 or ord(c) == 32 for c in keyword):
- return False
- return True
- # 昵称全数字判断
- def is_all_di(keyword):
- for uchar in keyword:
- if not (uchar >= '\u0030' and uchar <= u'\u0039'):
- return False
- return True
- # 昵称包含表情图判断
- def have_img(keyword):
- # 下面是大部分图片的一个unicode编码集
- # 详情查看：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+数字昵称判断
- 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
2.4 数据归类计算各类数量
- list_name = get_name()
- print("总共有："+str(len(list_name))+"个微信名")
- 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': # 数字
- 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': # 中文和数字
- 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("纯中文昵称个数："+ str(ch_name_number))
- # print(ch_name)
- print("纯英文昵称个数："+ str(en_name_number))
- #print(en_name)
- print("纯数字昵称个数："+ str(di_name_number))
- # print(di_name)
- print("包含表情图昵称个数："+ str(img_name_number))
- # print(img_name)
- print("中文和数字混合昵称个数："+ str(ch_di_name_number))
- print(ch_di_name)
- print("其他昵称个数："+ str(oth_name_number))
- # print(oth_name)
运行结果：
- 总共有：3549个微信名
- 纯中文昵称个数：1514
- 纯英文昵称个数：569
- 纯数字昵称个数：9
- 包含表情图昵称个数：400
- 中文和数字混合昵称个数：19
- 其他昵称个数：1038
3. 获取用户画(只获取用户年龄段)
访问 英文取名 用户画像接口，获取近30天 活跃用户 和 新用户 的年龄段：
- # 获取用户年龄段
- def get_data():
- # 获取token,并处理
- t = get_token().strip('"')
- # 然后将处理后的token值和其他参数作为post方式的参数值，调用用户画像api
- post_user_api = " https://api.weixin.qq.com/datacube/getweanalysisappiduserportrait?access_token="
- post_user_url = post_user_api + t
- # 访问获取概况数据 (近一个月的数据情况)
- data = json.dumps({
- "begin_date" : "2018-07-21",
- "end_date" : "2018-08-19"})
- # 获取信息
- user_portrait_data = get_info(post_user_url, data)
- # 时间段
- ref_date = user_portrait_data['ref_date']
- # 新用户
- visit_uv_new = user_portrait_data['visit_uv_new']
- 活跃用户
- visit_uv = user_portrait_data['visit_uv']
- # 年龄段
- print(ref_date )
- print((visit_uv_new['ages']))
- print((visit_uv['ages']))
运行结果：
- # id ： 为年龄段序号 name ：年龄段名称 value : 该年龄段人数
- 20180721-20180819
- [{'id': 0, 'name': '未知', 'value': 6}, {'id': 1, 'name': '17岁以下', 'value': 18}, {'id': 2, 'name': '18-24岁', 'value': 118}, {'id': 3, 'name': '25-29岁', 'value': 75}, {'id': 4, 'name': '30-39岁', 'value': 81}, {'id': 5, 'name': '40-49岁', 'value': 14}, {'id': 6, 'name': '50岁以上', 'value': 7}]
- [{'id': 0, 'name': '未知', 'value': 6}, {'id': 1, 'name': '17岁以下', 'value': 20}, {'id': 2, 'name': '18-24岁', 'value': 147}, {'id': 3, 'name': '25-29岁', 'value': 88}, {'id': 4, 'name': '30-39岁', 'value': 95}, {'id': 5, 'name': '40-49岁', 'value': 20}, {'id': 6, 'name': '50岁以上', 'value': 10}]
02 来点有趣的，数据清洗、分析
1. 微信名称类型数据可视化分析
核心代码：
- # 1.微信名分类：玫瑰饼图
- from pyecharts import Pie
- # 数据获取自上面代码
- attr = ["纯中文昵称", "纯英文昵称", "纯数字昵称", "包含表情图昵称", "中文和数字混合昵称", "其他昵称"]
- v1 = [1514, 569, 9, 400, 19, 1038]
- pie = Pie("微信名分类饼图", title_pos='center', width=900)
- pie.add(
- "占比",
- 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")
运行效果：
从中可以看出，微信昵称为全中文的占比最多，占有42.66%，其次为其他昵称(中英文混合、字符等类型)，占有29.25%，再比较大的类就是纯英文昵称，占有16.03%,和包含表情包昵称，占有11.27%，像纯数字昵称和中文数字混合昵称相对占比较少。
我们常见的中文和数字混合昵称最多的就是机构名/姓名+联系方式，一些营销号常用，相较而言，大多数人还是喜欢用纯中文来作昵称，既体现一种文化情怀，又简明扼要的介绍了自己 ，比如我的微信名就是老表，这是我初中时候的一个绰号，朋友们一说老表，不一定是在说亲戚，有可能在说我，哈哈哈。
2. 微信用户年龄段可视化分析
核心代码：
- # 2.用户年龄段：玫瑰饼图
- from pyecharts import Pie
- # 数据获取自上面代码
- attr = ["未知", "17岁以下", "18-24岁", "25-29岁", "30-39岁", "40-49岁","50岁以上"]
- v1 = [12, 38, 265, 163, 176, 34,17]
- pie = Pie("微信用户年龄段饼图", title_pos='center', width=900)
- pie.add(
- "占比",
- 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")
运行效果：
从中可以看出，年龄段中，18-24岁的95-00后占比最多，达到37.59%，接下来是30-39岁的80-90后，占比达到24.97%，紧随其后的为25-29岁的90-95后，占比达23.12%，其他年龄段可大概分为两类：偏儿童类和偏老人类，一共占比10.21%。
我个人觉得这类人群少的原因是：小孩、老人玩微信的少，更不用说微信小程序了，对于小孩来说微信的作用就是玩游戏（登录账号），对于老人来说，微信主要用来聊天，已经是比较复杂的了，小程序使用可能对老人来说就更复杂了，也缺少必要性。
3. 词云分析微信名称哪些词语、表情包更受欢迎
3.1 继续使用 pyecharts 生成词云图
核心代码：
- # 清洗数据，生成词云图
- def split_word(test_str):
- test_str = re.sub('[,，。. \r\n]', '', test_str)
- # jieba 词语
- segment = jieba.lcut(test_str)
- words_df = pd.DataFrame({'segment': segment})
- # quoting=3 表示stopwords.txt里的内容全部不引用
- 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({"计数": numpy.size})
- words_stat = words_stat.reset_index().sort_values(by=["计数"], 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("微信昵称", codes, counts, word_size_range=[20, 100])
- wordcloud.render('render_03.html')
运行效果：
▲pyecharts词云图
3.2 使用 wordcloud + matplotlib 生成高级一点的词云图
核心代码：
- # 下下期好好讲一下matplotlib绘图可视化，挺有意思的
- # 调用get_name函数获取全部微信名
- text = get_name()
- # 调用jiebaclearText函数，清洗数据(该函数和上面切词思想一样)
- text1=jiebaclearText(text)
- #产生词云图
- bg = plt.imread(r"G:\small_pig.jpg")
- #生成词云
- wc=WordCloud(
- background_color="wathet", #设置背景为白色，默认为黑色
- mask=bg, # 设置词云内容范围(除指定图片白色区域的其他区域都将覆盖词云内容)
- margin=10, #设置图片的边缘
- max_font_size=70, #显示的最大的字体大小
- random_state=20, #为每个单词返回一个PIL颜色
- font_path='G:\simkai.ttf' #中文处理，用系统自带的字体
- # 可以在这里下载这个字体：http://www.font5.com.cn/font_download.php?id=534&part=1245067666
- ).generate(text1)
- #为图片设置字体
- my_font=fm.FontProperties(fname='G:\simkai.ttf')
- # 图片背景
- bg_color = ImageColorGenerator(bg)
- # 开始画图
- plt.imshow(wc.recolor(color_func=bg_color))
- # 为云图去掉坐标轴
- plt.axis("off")
- # 保存云图
- wc.to_file("render_04.png")
词云轮廓原图：
▲这是您的专属社会人
运行效果：
▲wordcloud词云图
由于第二种方法无法解析表情图，所以没有表情出现，除此外这两种方法显示的词云图内容几乎大同小异。
通过词云图，我们一眼看出大家使用最多的，除开中文后，就是表情图了，你的微信朋友圈里是否也有这样的大红嘴唇，我的好像有，哈哈哈~
当我们单纯来看词云中的中文时，发现像太阳、阳光、微笑、可爱、开心、爱、未来等比较积极向上的词语还是比较受大家喜欢的，也体现出大家的内心的积极、乐观，当然还有像丽丽、徐、陈等这样的姓名部分，在昵称中大家也使用的比较多，也不缺乏有像悲伤、凉这样比较冷色的词语。
03 通过昵称进行情绪分析(大胆猜想)
1. 微信昵称为全中文
微信昵称为全中文可以分为两大类：自己的真名和其他昵称。
直接用自己的姓名当微信昵称的人，性格大多是直来直往的那种，待人比较坦诚。
他们的微信一般用于熟人社交和日常办公，平时不会随便加不熟的人，就算用真名也不怕泄露个人信息，来个不恰当的比喻：不做亏心事，不怕鬼敲门，哈哈哈。
为其他昵称的人，大多有自己的看法，也许昵称是自己对未来的一种期望，也许昵称是自己对生活的一种态度，或者是一些无厘头的话语，炫酷的话语。
2. 微信昵称为全英文
出于个人喜好或工作需求，有些人会给自己取一个容易记的、叫着顺口的英文名，比如Tom、Abby、Jason，并常常在自我介绍的时候，让大家可以用英文名字称呼自己。
对他们而言，英文名就相当于自己的第二个名字，用它做微信名，和用本名没什么太大的区别。
也有的人会刻意避开那些常见的英文名，取一些更小众的，他们更在意提高自己的“逼格”，喜欢标新立异，追求时尚和前卫。
3. 微信昵称带有表情符号
有很多女生会在微信名称里加上各种表情符号，从上面分析的词云图中可以看出，一个大红唇大家使用最多，其他的可能是一个爱心，一朵玫瑰，一颗星星，又或是系统自带的emoji表情。
她们可能觉得这是一种特别的装饰，能让自己的名字和别人有明显的区别。
这样的女生，大多有细腻的小心思、浪漫的生活情调，和一颗蓬勃的少女心。
4. 微信昵称带有职业性质
一般来说，会主动在自己微信名前面带一个字母“A”的，大多都是整天在朋友圈里发广告的微商或代购。
比较正式一点的，用的都是“公司名+姓名”的形式，这一类人基本都是销售员或房产中介……或者就是真正的大佬啦~
还有一些人，会根据自己不同的工作阶段不定时更换名字后缀的。
认识一个在某地产公司做人力的朋友，为了能好好享受假期，她会把微信名改成“ΧΧΧ休假中”，以便提醒那些在节假日还私信她询问工作的人。
也有一些人反着来，为了显示自己特别积极，直接把微信名改成“ΧΧΧ加班中”……emmm主要是改给老板看的吧。
5. 微信昵称带偶像名
不用说，这一类都是典型的追星族，而且大多都是女生，比如吴亦凡夫人，蔡徐坤秘密女友，胡歌的小娇妻……不出意外，她们的头像一般就是她们的爱豆本人。
她们平时会在微博给偶像打call，朋友圈也会发很多相关推荐，如果有人夸自己的爱豆，她们会觉得遇到了知音；相反地，如果有人说她们爱豆的坏话，她们会马上拉黑……
切记，在追星的人面前，不要轻易抬杠，对她的爱豆指手画脚……
6. 微信昵称是四字词
仔细观察长辈们的微信名，就会发现他们特别喜欢用四字词作昵称。
这些四字词最大的共同点，就是都传递着一种岁月静好的氛围：“人生如茶”、“花自芬芳”、“上善若水”、“人心依旧”、“云淡风轻”……
年轻人用独特的微信名标记自己，年长点的叔叔阿姨只是想纯粹地寄托一种生活理想。
都说名字是人的第二张脸。微信名取得好，往往会给人留下更好的印象。
你的微信名有什么特别的含义吗？评论区里聊一聊。
04 附录：参考文档
- 微信小程序api帮助文档、wikipedia-emoji(表情图编码介绍)
- Wordcloud官方文档
- 傲娇的草履虫写的 Wordcloud 各参数含义
- 知乎 给谁 写的：微信名字，暴露了你是一个什么样的人
