一、背景及研究现状
在我国互联网的发展过程中,PC互联网已日趋饱和,移动互联网却呈现井喷式发展。数据显示,截止2013年底,中国手机网民超过5亿,占比达81%。伴随着移动终端价格的下降及wifi的广泛铺设,移动网民呈现爆发趋势。
微信已经成为连接线上与线下、虚拟与现实、消费与产业的重要工具,它提高了O2O类营销用户的转化率。过去开发软件,程序员常要考虑不同开发环境的语言、设备的适配性和成本。现在,开发者可以在一个“类操作底层”去开发应用,打破了过去受限的开发环境。
二、研究意义及目的
随着宽带无线接入技术和移动终端技术的飞速发展,人们迫切希望能够随时随地乃至在移动过程中都能方便地从互联网获取信息和服务,移动互联网应运而生并迅猛发展。然而,移动互联网在移动终端、接入网络、应用服务、安全与隐私保护等方面还面临着一系列的挑战。其基础理论与关键技术的研究,对于国家信息产业整体发展具有重要的现实意义。
三、研究内容及数据获取
普通用户使用手机扫描二维码并在手机上确认后,wxpy自动从用户的网页版微信获取好友列表,包括好友昵称、所在地区、个性签名、性别等信息。
四、python程序设计
#微信好友特征数据分析及可视化 # 1.导包操作 from wxpy import * import re import jieba import numpy as np from scipy.misc import imread from wordcloud import WordCloud import matplotlib.pyplot as plt from pylab import mpl import pandas as pd mpl.rcParams['font.sans-serif'] = ['SimHei'] from pyecharts.charts import Map from pyecharts import options as opts # 2.登录操作 bot = Bot() # 列举登录账号的所有好友 all_friends = bot.friends() print(all_friends) # 获取登录账号所关注的所有的公众号 all_maps = bot.mps() print("所有好友列表", all_maps) # 获取当前登录账号的群聊列表 all_groups = bot.groups() print("所有群聊列表", all_groups) # 根据好友的备注名称搜索好友 #myfriend = bot.friends().search('许宽')[0] #print("搜索好友:", myfriend) # 搜索好友并发送信息 # bot.friends().search('许宽')[0].send('你好呀') # 向文件传输助手发送信息 bot.file_helper.send("hello") # 3.显示男女比例 sex_dict = {'male': 0, 'female': 0, "no_set": 0} for friend in all_friends: print(friend, friend.sex) if friend.sex == 1: sex_dict['male'] += 1 elif friend.sex == 2: sex_dict['female'] += 1 elif friend.sex == 0: sex_dict['no_set'] += 1 print(sex_dict) # 4使用matplotlib可视化 slices = [sex_dict["male"], sex_dict["female"], sex_dict["no_set"]] activities = ["male", "female", "no_set"] cols = ["r", "m", "g"] # startangle:开始绘图的角度,逆时针旋转 # shadow:阴影 # %1.1f%%:格式化字符串,整数部分最小1位,小数点后保留一位,%%:转义字符 plt.pie(slices, labels=activities, colors=cols, startangle=90, shadow=True, autopct='%1.1f%%') plt.title("微信好友比例图") plt.savefig("WeChat_sex.png") # 统计登录账号好友的各省人数 province_dict = {'河北': 0, '山东': 0, '辽宁': 0, '广西': 0, '吉林': 0, '甘肃': 0, '青海': 0, '河南': 0, '江苏': 0, '湖北': 0, '湖南': 0, '江西': 0, '浙江': 0, '广东': 0, '云南': 0, '福建': 0, '台湾': 0, '海南': 0, '山西': 0, '四川': 0, '陕西': 0, '贵州': 0, '安徽': 0, '北京': 0, '天津': 0, '重庆': 0, '上海': 0, '香港': 0, '澳门': 0, '新疆': 0, '内蒙古': 0, '西藏': 0, '黑龙江': 0, '宁夏': 0} # 统计省份 for friend in all_friends: # print(friend.province) if friend.province in province_dict.keys(): province_dict[friend.province] += 1 print("province_dict") print(province_dict) # 为了方便数据呈现,生成JSON Array格式数据 data = [] for key, value in province_dict.items(): data.append({'name': key, 'value': value}) # 在data列表末尾添加一个字典元素 print(data) data_process = pd.DataFrame(data) # 创建数据框 data_process.columns = ['city', 'popu'] print(data_process) map = Map().add("微信好友城市分布图", [list(z) for z in zip(data_process['city'], data_process['popu'])], "china").set_global_opts( title_opts=opts.TitleOpts(title="Map-VisualMap(连续型)"), visualmap_opts=opts.VisualMapOpts(max_=10)) map.render('map.html') # with...as...语句结束时,自动调用f.close() # a表示:在文件末尾追加 def write_txt_file(path, txt): # 写文件 with open(path, 'a', encoding='gbk') as f: return f.write(txt) # 每次运行程序前,需要删除上一次的文件 # 默认字符编码为GBK def read_txt_file(path): with open(path, 'r', encoding='gbk') as f: return f.read() # 统计登录账号好友个性签名 for friend in all_friends: print(friend, friend.signature) # 对数据进行清洗,将标点符号等对词频率统计造成影响的因素剔除 # [...]:匹配中括号任意一个字符 # r:防止转义 pattern = re.compile(r'[一-龥]+') # 将正则字符串编译成正则表达式对象,以后在后期的匹配中复用 # 对某一个签名进行匹配,只匹配中文汉字,结果是列表 filterdata = re.findall(pattern, friend.signature) print(filterdata) write_txt_file('signatures.txt', ''.join(filterdata)) # 读取文件并输出。 content = read_txt_file('signatures.txt') print(content) # 输出内容,仅汉字 # 输出分词结果,结果为列表 segment = jieba.lcut(content) # 精确模式:不存在冗余数据,适合文本分析 print(segment) # 生成数据框且有一列元素 word_df = pd.DataFrame({'segment': segment}) # 字典类型 print(word_df) # index_col=False:第一行不做为索引 # seq=" ":分隔符 # names=['stopword']:列名 # "stopwords.txt":停止词库 stopwords = pd.read_csv("stopwords.txt", index_col=False, sep=" ", names=['stopword'], encoding='gbk') print(stopwords) # 查看过滤停止词后的数据框 word_df = word_df[~word_df.segment.isin(stopwords.stopword)] print("过滤后:") print(word_df) # 查看分词的词频 # python中的groupby可以看作是基于行或者是基于index的聚合操作 # agg函数提供基于列的聚合操作,一般与groupby连用 # np.size:numpy库中统计一列中不同值的个数 words_stat = word_df.groupby(by=['segment'])['segment'].agg({"计数": np.size}) # 警告信息 print(words_stat) # 根据计数这一列降序排列 words_stat = words_stat.reset_index().sort_values(by=["计数"], ascending=False) print(words_stat) # 读入背景图片 color_mask = imread("black_mask.png") # 设置词云属性 wordcloud = WordCloud(font_path="Hiragino.ttf", # 设置字体 background_color="pink", # 设置颜色 max_words=100, # 词云显示的最大词数 mask=color_mask, # 设置背景图片 max_font_size=100 # 字体最大值 ) # 生成词云字典,获取词云最高的前一百词 word_frequence = {x[0]: x[1] for x in words_stat.head(100).values} print(word_frequence) # 绘制词云图 wordcloud.generate_from_frequencies(word_frequence) wordcloud.to_file("wordcloud.png") # 对图像进行处理 plt.imshow(wordcloud) plt.axis("off") # 隐藏坐标轴 plt.show()
五、数据分析及可视化
微信好友男女性别比例
微信好友所在省份比例
声明
祖国领土主权神圣不可侵犯!
部分地区未标注,敬请谅解!
微信好友个性签名词云图
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
《魔兽世界》大逃杀!60人新游玩模式《强袭风暴》3月21日上线
暴雪近日发布了《魔兽世界》10.2.6 更新内容,新游玩模式《强袭风暴》即将于3月21 日在亚服上线,届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。
艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕,并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时,他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中,玩家将会进入一个全新的海盗主题大逃杀式限时活动,其中包含极高的风险和史诗级的奖励。
《强袭风暴》不是普通的战场,作为一个独立于主游戏之外的活动,玩家可以用大逃杀的风格来体验《魔兽世界》,不分职业、不分装备(除了你在赛局中捡到的),光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式,玩家在加入海盗主题的预赛大厅区域前,可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹,《巨龙崛起》和《魔兽世界:巫妖王之怒 经典版》的玩家都可以获得奖励。
更新动态
- DzintraErliha-Dreamscape(2024)[24Bit-96kHz]FLAC
- 群星.1999-上华世纪国语总冠军4CD【上华】【WAV+CUE】
- 叶丽仪.1992-仙鹤神针电视剧原声音乐专辑【星传真】【WAV+CUE】
- 陈柏宇.2011-QUINQUENNIUM【SONY】【WAV+CUE】
- 《51首热门当红歌曲 十大顶级发烧女声 3CD》[WAV+CUE][1.6GB]
- 《赵传 深受摇滚迷青睐的台湾音乐人 约定》[WAV+CUE][320MB]
- 《庄心妍 实力唱将 发烧音乐精选集》[WAV+CUE][380MB]
- [音展纪念碟]2006年《TAA台湾第十六届国际HI-ENDHI-FI音响展》2cd[WAV]
- 中国音乐地图之听见西藏山歌牧歌酒歌2020[WAV分轨]
- 王宏伟2017-永远的红飘带[太平洋影音][WAV+CUE]
- 费翔.1997-NOW现在【第一中国】【WAV+CUE】
- 新格合唱团.1981-我唱你和2辑(滚石新格民歌系列)【新格】【WAV+CUE】
- 陈柏宇.2011-QUINQUENNIUM【SONY】【WAV+CUE】
- 雨果唱片-《金唛系列-蔷薇依韵琼瑶》WAV
- 陈百强《凝望(2012华纳LPCD45限量版)[DMI]》[WAV整轨]