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?你實際發(fā)布了多少?我們可以使用Python找出答案!
 

　　具體來說，我們將使用Python創(chuàng)建此圖表，該圖表顯示了我們每月隨時間發(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，我們假設你熟悉Python和Jupyter Notebook的基礎知識-如果不熟悉，請首先閱讀大數(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)
 

　　微信實際上允許我們下載我們在該網(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間。
 

　　對于大數(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人微信帖子，并嘗試回答以下問題：
 

　　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的數(shù)據(jù)，請轉到數(shù)據(jù)下載頁面。將請求的文件格式從HTML更改為JSON，然后從以下選項中取消選擇所有內(nèi)容，僅選中帖子，然后點擊創(chuàng)建文件。
 

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

　　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：導入和格式化數(shù)據(jù)
 

　　接下來，我們必須將這些數(shù)據(jù)放入pandas數(shù)據(jù)框中，因此啟動Jupyter Notebooks(如果需要復習，這里是Jupyter Notebooks的初學者指南)。我們將從導入數(shù)據(jù)并將其讀取到DataFrame開始。
 

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

　　如我們所見，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題- 我們在微信上發(fā)布的內(nèi)容比以前更多還是更少?-我們確實不需要處理實際的帖子內(nèi)容或其他信息，例如附加的媒體文件。我們只關心頻率 -新帖的發(fā)布頻率。
 

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

　　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)，可以用來計算行數(shù)。
 

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

　　以我的個人微信數(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，當時我顯然發(fā)布了一些有關“ 美國夏季熱天氣”的信息。我在2005年上大學，所以時間安排得很。
 

　　你可能會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。
 

　　第3步：計算月度帖子計數(shù)
 

　　現(xiàn)在我們有了數(shù)據(jù)，我們需要將其轉換成一種可以告訴我們有關發(fā)布頻率的格式。鑒于我們在這里已有多年的歷史，所以逐月查看它是最有意義的。這意味著我們需要'date'按月對列進行分組，并計算每個月與多少行(即帖子)相關聯(lián)。
 

　　幸運的是，pandas的設計使使用時間序列數(shù)據(jù)變得相對簡單。我們需要在這里做兩件事：
 

　　1)將date列設置為我們的DataFrame的索引。

　　2)按月重新采樣數(shù)據(jù)，計算每個月有多少帖子。
 

　　第一步，我們可以使用set_index()。第二步比較復雜，所以讓我們將其分為四個單獨的步驟，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'(“月開始”)，可以按月對數(shù)據(jù)進行重新采樣。

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

　　4)將結果系列分配給名為的變量post_counts。
 

　　這是實際的情況：
 

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

　　請注意，沒有帖子的月份被正確地計為0而不是被略過。這就是為什么使用resample()，旨在與時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，很容易跳過沒有數(shù)據(jù)的月份。
 

　　步驟4：可視化你的微信使用情況
 

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

　　導入完成后，將用于sns.set()設置圖表的大小和字體大小。由于我們在此處處理大量數(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，我們將設置x標簽以使用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標簽，在中繪制數(shù)據(jù)post_counts，并使條形變?yōu)樗{色。
 

　　僅此一項就足以創(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使圖表更具可讀性。具體來說，我們希望將x軸上的刻度位置安排為每24個月一次，以便在結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，我們不會對其進行深入研究。但是，如果你想了解更多有關如何使用Python進行出色的數(shù)據(jù)可視化的信息，我們你可以免費嘗試探索性數(shù)據(jù)可視化和通過數(shù)據(jù)可視化講故事的課程)。

　　我們?nèi)匀豢梢酝ㄟ^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)布歷史記錄。
 

　　就我而言-上面的圖表是我的個人微信數(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!-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年左右開始回升，并在2016年左右達到峰值。此后，它逐漸消失，從2019年開始我完全停止使用微信。在高峰期，我每個月發(fā)布近100次!
 

　　記住，那只是帖子，不是評論!還有其他用于評論的JSON文件，但是我很尷尬。如果你想進一步分析，那么深入研究注釋文件將是一個不錯的下一步!
 

　　讓我們在大數(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)我們按月細分了數(shù)據(jù)，并統(tǒng)計了每個月的帖子數(shù)

　　4)我們可視化了微信的用法并學到了一些東西：查理(Charlie)過去在微信上花費了太多時間。
 

　　如果你喜歡做這樣的項目，請查看AAA教育的交互式瀏覽器內(nèi)課程!與我們在此介紹的內(nèi)容相比，它們更具沉浸感和方式，更深入。實際上，我們提供了無縫的課程序列，可以使你從初學者到合格的數(shù)據(jù)分析師，數(shù)據(jù)科學家或數(shù)據(jù)工程師。