大數(shù)據(jù)如何使用Python分析微信數(shù)據(jù)

　　截至2020年第二季度，微信擁有超過(guò)27億活躍用戶。這意味著，如果你正在閱讀大數(shù)據(jù)如何使用Python分析微信數(shù)據(jù)，那么你很可能是微信用戶。但是，你到底有多少微信用戶?你實(shí)際發(fā)布了多少?我們可以使用Python找出答案!
 

　　具體來(lái)說(shuō)，我們將使用Python創(chuàng)建此圖表，該圖表顯示了我們每月隨時(shí)間發(fā)布的頻率：
 

　　出于大數(shù)據(jù)如何使用Python分析微信數(shù)據(jù)的目的，我們假設(shè)你熟悉Python和Jupyter Notebook的基礎(chǔ)知識(shí)-如果不熟悉，請(qǐng)首先閱讀大數(shù)據(jù)如何使用Python分析微信數(shù)據(jù)以分析你的Amazon支出。
 

　　步驟1：下載你的微信數(shù)據(jù)
 

　　微信實(shí)際上允許我們下載我們?cè)谠摼W(wǎng)站上所做的幾乎所有事情。你可以在此處下載數(shù)據(jù)，但你可能不想下載所有數(shù)據(jù)-該文件可能很大，具體取決于你使用微信的頻率以及使用該文件的時(shí)間。
 

　　對(duì)于大數(shù)據(jù)如何使用Python分析微信數(shù)據(jù)，我們將專門研究我們自己的個(gè)人微信帖子，并嘗試回答以下問(wèn)題：
 

　　1)我多久發(fā)布一次?

　　2)我使用微信的次數(shù)比以前多還是少?
 

　　要僅獲取與帖子有關(guān)的數(shù)據(jù)，請(qǐng)轉(zhuǎn)到數(shù)據(jù)下載頁(yè)面。將請(qǐng)求的文件格式從HTML更改為JSON，然后從以下選項(xiàng)中取消選擇所有內(nèi)容，僅選中帖子，然后點(diǎn)擊創(chuàng)建文件。
 

　　創(chuàng)建文件并準(zhǔn)備下載文件時(shí)，微信會(huì)通知你-這可能需要一段時(shí)間，具體取決于你的微信歷史記錄和選項(xiàng)。
 

　　下載zip文件，解壓縮，然后查找posts文件夾和名為的文件your_posts_1.json。這就是我們將在大數(shù)據(jù)如何使用Python分析微信數(shù)據(jù)中使用的文件。
 

　　步驟2：導(dǎo)入和格式化數(shù)據(jù)
 

　　接下來(lái)，我們必須將這些數(shù)據(jù)放入pandas數(shù)據(jù)框中，因此啟動(dòng)Jupyter Notebooks(如果需要復(fù)習(xí)，這里是Jupyter Notebooks的初學(xué)者指南)。我們將從導(dǎo)入數(shù)據(jù)并將其讀取到DataFrame開(kāi)始。
 

　　內(nèi)置pd.read_json()函數(shù)將能夠自動(dòng)解釋DataFrame中的JSON數(shù)據(jù)。(你會(huì)看到，它并不完美，但是在這里可以滿足我們的目的)。

　　如我們所見(jiàn)，這并不完美。我們的某些列在每一行中都有嵌套的子列，這些子列仍為JSON格式。如果我們想使用這些數(shù)據(jù)，則需要處理。
 

　　但是要在這里回答我們的問(wèn)題- 我們?cè)谖⑿派习l(fā)布的內(nèi)容比以前更多還是更少?-我們確實(shí)不需要處理實(shí)際的帖子內(nèi)容或其他信息，例如附加的媒體文件。我們只關(guān)心頻率 -新帖的發(fā)布頻率。
 

　　接下來(lái)，我們將確保timestamp列的格式正確，然后使用將其轉(zhuǎn)換為datetime對(duì)象to_datetime()。'date'為了清楚起見(jiàn)，我們還將重命名它并刪除一些不必要的列-嚴(yán)格來(lái)說(shuō)這不是必須的步驟，但這有助于我們更輕松地進(jìn)行查看。

　　現(xiàn)在，我們有了一些更清潔的東西可以使用!如果我們要檢查正在分析的帖子df.shape數(shù)，可以用來(lái)計(jì)算行數(shù)。
 

　　df.tail()檢查數(shù)據(jù)框的結(jié)尾也可能是一個(gè)好主意，以確保它確實(shí)涵蓋了我們整個(gè)微信的使用情況：

　　以我的個(gè)人微信數(shù)據(jù)為例，我總共發(fā)布了4,000多次。我的數(shù)據(jù)可以追溯到2005年初，當(dāng)時(shí)我顯然發(fā)布了一些有關(guān)“ 美國(guó)夏季熱天氣”的信息。我在2005年上大學(xué)，所以時(shí)間安排得很。
 

　　你可能會(huì)注意到有些行顯示為NaN-這些帖子僅包含圖片，不包含文字。圖片將在該'attachments'列中鏈接，但是我們已將其刪除，因此在此處不可見(jiàn)。
 

　　第3步：計(jì)算月度帖子計(jì)數(shù)
 

　　現(xiàn)在我們有了數(shù)據(jù)，我們需要將其轉(zhuǎn)換成一種可以告訴我們有關(guān)發(fā)布頻率的格式。鑒于我們?cè)谶@里已有多年的歷史，所以逐月查看它是最有意義的。這意味著我們需要'date'按月對(duì)列進(jìn)行分組，并計(jì)算每個(gè)月與多少行(即帖子)相關(guān)聯(lián)。
 

　　幸運(yùn)的是，pandas的設(shè)計(jì)使使用時(shí)間序列數(shù)據(jù)變得相對(duì)簡(jiǎn)單。我們需要在這里做兩件事：
 

　　1)將date列設(shè)置為我們的DataFrame的索引。

　　2)按月重新采樣數(shù)據(jù)，計(jì)算每個(gè)月有多少帖子。
 

　　第一步，我們可以使用set_index()。第二步比較復(fù)雜，所以讓我們將其分為四個(gè)單獨(dú)的步驟，以分解我們需要編寫的代碼：
 

　　1)選擇我們要重采樣的列-在這種情況下，就是該data列。

　　2)將.resample()函數(shù)與參數(shù)一起使用'MS'(“月開(kāi)始”)，可以按月對(duì)數(shù)據(jù)進(jìn)行重新采樣。

　　3)使用.size()指定我們想要每個(gè)月來(lái)衡量-在這種情況下，行(即職位)具有落入該月內(nèi)的一個(gè)發(fā)布日期的數(shù)量。

　　4)將結(jié)果系列分配給名為的變量post_counts。
 

　　這是實(shí)際的情況：
 

　　看起來(lái)很棒!我們按月細(xì)分了發(fā)帖計(jì)數(shù)，如果我們檢查原始數(shù)據(jù)集，我們可以很快看到計(jì)數(shù)是正確的。
 

　　請(qǐng)注意，沒(méi)有帖子的月份被正確地計(jì)為0而不是被略過(guò)。這就是為什么使用resample()，旨在與時(shí)間序列配合使用的原因，比起使用類似的東西更好的原因，使用，groupby()如果我們不小心，很容易跳過(guò)沒(méi)有數(shù)據(jù)的月份。
 

　　步驟4：可視化你的微信使用情況
 

　　無(wú)論如何，既然我們已經(jīng)完成了棘手的部分，剩下的就是樂(lè)趣：可視化!為此，我們將導(dǎo)入matplotlib(并使用%matplotlib inline魔術(shù)使圖表顯示在Jupyter Notebook中。還將導(dǎo)入Seaborn和NumPy，這將有助于我們制作更具可讀性的圖表。
 

　　導(dǎo)入完成后，將用于sns.set()設(shè)置圖表的大小和字體大小。由于我們?cè)诖颂幪幚泶罅繑?shù)據(jù)，因此我們將使圖表很大，并確保字體大小足夠大以便可讀。
 

　　然后，我們將設(shè)置x標(biāo)簽以使用post_counts(日期)的索引，并用于sns.barplot()創(chuàng)建條形圖。在的參數(shù)中sns.barplot()，我們將告訴函數(shù)使用定義的x標(biāo)簽，在中繪制數(shù)據(jù)post_counts，并使條形變?yōu)樗{(lán)色。
 

　　僅此一項(xiàng)就足以創(chuàng)建基本圖表，但是在這種情況下，我們將要采取一些其他步驟來(lái)使圖表更具可讀性。具體來(lái)說(shuō)，我們希望將x軸上的刻度位置安排為每24個(gè)月一次，以便在結(jié)果圖表中每隔一年查看一次刻度。我們還希望重新格式化圖表中的日期，以便僅顯示年份。
 

　　(由于這不是關(guān)于數(shù)據(jù)可視化的教程，因此，在大數(shù)據(jù)如何使用Python分析微信數(shù)據(jù)中，我們不會(huì)對(duì)其進(jìn)行深入研究。但是，如果你想了解更多有關(guān)如何使用Python進(jìn)行出色的數(shù)據(jù)可視化的信息，我們你可以免費(fèi)嘗試探索性數(shù)據(jù)可視化和通過(guò)數(shù)據(jù)可視化講故事的課程)。

　　我們?nèi)匀豢梢酝ㄟ^(guò)某些方法使此圖表更加美觀，但是出于我們的目的，這足以理解數(shù)據(jù)并分析我們的微信發(fā)布?xì)v史記錄。
 

　　就我而言-上面的圖表是我的個(gè)人微信數(shù)據(jù)-我們可以看到我很少在初期發(fā)布在微信上。我有大量的帖子-每月數(shù)百個(gè)!-在2007年夏季和2009年春季，這與旅行相吻合。
 

　　我的常規(guī)使用量在2011年左右開(kāi)始回升，并在2016年左右達(dá)到峰值。此后，它逐漸消失，從2019年開(kāi)始我完全停止使用微信。在高峰期，我每個(gè)月發(fā)布近100次!
 

　　記住，那只是帖子，不是評(píng)論!還有其他用于評(píng)論的JSON文件，但是我很尷尬。如果你想進(jìn)一步分析，那么深入研究注釋文件將是一個(gè)不錯(cuò)的下一步!
 

　　讓我們?cè)?a href="http://5wd995.cn/data/2617.html" target="_blank">大數(shù)據(jù)如何使用Python分析微信數(shù)據(jù)上稱贊它，并回顧一下我們已完成的工作：
 

　　1)我們從微信下載了個(gè)人使用數(shù)據(jù)

　　2)我們將JSON文件讀入pandas DataFrame中

　　3)我們按月細(xì)分了數(shù)據(jù)，并統(tǒng)計(jì)了每個(gè)月的帖子數(shù)

　　4)我們可視化了微信的用法并學(xué)到了一些東西：查理(Charlie)過(guò)去在微信上花費(fèi)了太多時(shí)間。
 

　　如果你喜歡做這樣的項(xiàng)目，請(qǐng)查看AAA教育的交互式瀏覽器內(nèi)課程!與我們?cè)诖私榻B的內(nèi)容相比，它們更具沉浸感和方式，更深入。實(shí)際上，我們提供了無(wú)縫的課程序列，可以使你從初學(xué)者到合格的數(shù)據(jù)分析師，數(shù)據(jù)科學(xué)家或數(shù)據(jù)工程師。