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

defget_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 = []

forxinour_data:

user_numbers = x['Count'] + user_visit_numbers

ifx['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

一个人可以走的更快，一群人一个走的更远。

欢迎加入我的QQ群`923414804`与我一起学习，群里有我学习过程中整理的大量学习资料。加群即可免费获取

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

defget_name():

NickName

= []

withopen('I:/data.csv','r',encoding='utf8')asfile :

i

=0

forlineinfile:

ifi ==0:# 去除表头

i =1

continue

line = line.strip()# 去除换行符

NickName.append(line)

returnNickName

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_namelist

全英文昵称en_namelist

中文和数字混合昵称ch_di_namelist

包含图片表情昵称img_namelist

其他昵称other_namelist

# 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

defis_all_ch(keyword):

forcinkeyword:

# 包含常见中文字符

ifnot('\u4e00'<= c <='\u9fa5'):

returnFalse

returnTrue

# 昵称全英文判断

defis_all_en(keyword):

# 不能全部为空格或者首位为空格

ifall(ord(c) ==32forcinkeyword)orkeyword[0] ==' ':

returnFalse

# 允许空格和英文并存(例如：Xist A)

ifnotall(65< ord(c) <128orord(c) ==32forcinkeyword):

returnFalse

returnTrue

# 昵称全数字判断

defis_all_di(keyword):

forucharinkeyword:

ifnot(uchar >='\u0030'anduchar <=u'\u0039'):

returnFalse

returnTrue

# 昵称包含表情图判断

defhave_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)

ifimg_re.findall(keyword) :

returnTrue

returnFalse

# 中文+数字昵称判断

defis_ch_di(keyword):

forcinkeyword:

ifnot('\u4e00'<= c <='\u9fa5')andnot(c >='\u0030'andc <=u'\u0039'):

returnFalse

returnTrue

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 inrange(len(list_name)):

result = classification_name(list_name[i])

ifresult =='ch':  # 中文

ch_name_number +=1

ch_name.append(list_name[i])

ifresult =='en':  # 英文

en_name_number +=1

en_name.append(list_name[i])

ifresult =='di':  # 数字

di_name_number +=1

di_name.append(list_name[i])

ifresult =='img': # 含表情

img_name_number +=1

img_name.append(list_name[i])

ifresult =='ch_di': # 中文和数字

ch_di_name_number +=1

ch_di_name.append(list_name[i])

ifresult =='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

defget_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

frompyechartsimportPie

# 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

frompyechartsimportPie

# 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

defsplit_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]foriinrange(0,len(test))]

counts = [test[i][1]foriinrange(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。