东莞网站制作十强,wordpress权限说明,2022年楼市最新政策,建设部网站城市规划资质标准最近微信迎来了一次重要的更新#xff0c;允许用户对”发现”页面进行定制。不知道从什么时候开始#xff0c;微信朋友圈变得越来越复杂#xff0c;当越来越多的人选择”仅展示最近三天的朋友圈”#xff0c;大概连微信官方都是一脸的无可奈何。逐步泛化的好友关系#xf… 最近微信迎来了一次重要的更新允许用户对”发现”页面进行定制。不知道从什么时候开始微信朋友圈变得越来越复杂当越来越多的人选择”仅展示最近三天的朋友圈”大概连微信官方都是一脸的无可奈何。逐步泛化的好友关系让微信从熟人社交逐渐过渡到陌生人社交而朋友圈里亦真亦幻的状态更新仿佛在努力证明每一个个体的”有趣”。有人选择在朋友圈里记录生活的点滴有人选择在朋友圈里展示观点的异同可归根到底人们无时无刻不在窥探着别人的生活唯独怕别人过多地了解自己的生活。人性中交织着的光明与黑暗像一只浑身长满刺的刺猬离得太远会感觉到寒冷而靠得太近则害怕被刺扎到。朋友圈就像过年走亲戚即便你心中有一万个不痛快总是不愿意撕破脸或屏蔽对方或不给对方看或仅展示最后三天于是通讯录里的联系人越来越多朋友圈越来越大可再不会有能真正触动你内心的”小红点”出现人类让一个产品变得越来越复杂然后说它无法满足人类的需求这大概是一开始就始料不及的吧01 引言有人说人性远比计算机编程更复杂因为即使是人类迄今为止最伟大的发明——计算机在面对人类的自然语言时同样会张惶失措 。人类有多少语言存在着模棱两可的含义我认为语言是人类最大的误解人类时常喜欢揣测语言背后隐藏的含义好像在沟通时表达清晰的含义会让人类没有面子更不用说网络上流行的猜测女朋友真实意图的案例。金庸先生的武侠小说《射雕英雄传》里在信息闭塞的南宋时期江湖上裘千丈的一句鬼话就搅得整个武林天翻地覆。其实一两句话说清楚不好吗黄药师、全真七子、江南六怪间的种种纠葛哪一场不是误会一众儿武功震古烁今的武林高手怎么没有丝毫的去伪存真的能力语言造成了多少误会。可即便人类的语言复杂得像一本无字天书可人类还是从这些语言中寻觅到蛛丝马迹。古人有文王”拘而演周易”、东方朔测字卜卦这种带有”迷信”色彩的原始崇拜就如同今天人们迷信星座运势一般都是人类在上千年的演变中不断对经验进行总结和训练的结果。如此说起来我们的人工智能未尝不是一种更加科学化的”迷信”因为数据和算法让我们在不断地相信这一切都是真实地。生活在数字时代的我们无疑是悲哀的一面努力地在别人面前隐藏真实地自己一面不无遗憾地感慨自己无处遁逃每一根数字神经都紧紧地联系着你和我你不能渴望任何一部数字设备具备真正的智能可你生命里的每个瞬间都在悄然间被数据地折射出来。今天这篇文章会基于 Python 对微信好友进行数据分析这里选择的维度主要有性别、头像、签名、位置主要采用图表和词云两种形式来呈现结果其中对文本类信息会采用词频分析和情感分析两种方法。常言道工欲善其事必先利其器也。在正式开始这篇文章前简单介绍下本文中使用到的第三方模块* itchat微信网页版接口封装Python版本在本文中用以获取微信好友信息。* jieba结巴分词的 Python 版本在本文中用以对文本信息进行分词处理。* matplotlib Python 中图表绘制模块在本文中用以绘制柱形图和饼图* snownlp一个 Python 中的中文分词模块在本文中用以对文本信息进行情感判断。* PIL Python 中的图像处理模块在本文中用以对图片进行处理。* numpy Python中 的数值计算模块在本文中配合 wordcloud 模块使用。* wordcloud Python 中的词云模块在本文中用以绘制词云图片。* TencentYoutuyun腾讯优图提供的 Python 版本 SDK 在本文中用以识别人脸及提取图片标签信息。以上模块均可通过 pip 安装关于各个模块使用的详细说明请自行查阅各自文档。02 数据分析分析微信好友数据的前提是获得好友信息通过使用 itchat 这个模块这一切会变得非常简单我们通过下面两行代码就可以实现itchat.auto_login(hotReload True)friends itchat.get_friends(update True)同平时登录网页版微信一样我们使用手机扫描二维码就可以登录这里返回的friends对象是一个集合第一个元素是当前用户。所以在下面的数据分析流程中我们始终取friends[1:]作为原始输入数据集合中的每一个元素都是一个字典结构以我本人为例可以注意到这里有Sex、City、Province、HeadImgUrl、Signature这四个字段我们下面的分析就从这四个字段入手03 好友性别分析好友性别我们首先要获得所有好友的性别信息这里我们将每一个好友信息的Sex字段提取出来然后分别统计出Male、Female和Unkonw的数目我们将这三个数值组装到一个列表中即可使用matplotlib模块绘制出饼图来其代码实现如下def analyseSex(firends):sexs list(map(lambda x:x[‘Sex’],friends[1:]))counts list(map(lambda x:x[1],Counter(sexs).items()))labels [‘Unknow’,‘Male’,‘Female’]colors [‘red’,‘yellowgreen’,‘lightskyblue’]plt.figure(figsize(8,5), dpi80)plt.axes(aspect1)plt.pie(counts, #性别统计结果labelslabels, #性别展示标签colorscolors, #饼图区域配色labeldistance 1.1, #标签距离圆点距离autopct ‘%3.1f%%’, #饼图区域文本格式shadow False, #饼图是否显示阴影startangle 90, #饼图起始角度pctdistance 0.6 #饼图区域文本距离圆点距离)plt.legend(loc‘upper right’,)plt.title(u‘%s的微信好友性别组成’ % friends[0][‘NickName’])plt.show()这里简单解释下这段代码微信中性别字段的取值有Unkonw、Male和Female三种其对应的数值分别为0、1、2。通过Collection模块中的Counter()对这三种不同的取值进行统计其items()方法返回的是一个元组的集合该元组的第一维元素表示键即0、1、2该元组的第二维元素表示数目且该元组的集合是排序过的即其键按照0、1、2 的顺序排列所以通过map()方法就可以得到这三种不同取值的数目我们将其传递给matplotlib绘制即可这三种不同取值各自所占的百分比由matplotlib计算得出。下图是matplotlib绘制的好友性别分布图看到这个结果我一点都不觉得意外男女比例严重失衡这虽然可以解释我单身的原因可我不觉得通过调整男女比例就能解决问题好多人认为自己单身是因为社交圈子狭小那么是不是扩展了社交圈子就能摆脱单身呢我觉得或许这样会增加脱单的概率可幸运之神应该不会眷顾我因为我的好运气早在我24岁以前就消耗完啦。在知乎上有一个热门的话题现在的男性是否普遍不再对女性展开追求了其实哪里会有人喜欢孤独呢无非是怕一次又一次的失望罢了。有的人并不是我的花儿我只是恰好途径了她的绽放。曾经有人说我是一个多情的人可她永远不会知道我做出的每一个决定都炽热而悲壮。所谓”慧极必伤情深不寿谦谦君子温润如玉”世人苦五毒者大抵如此。04 好友头像分析好友头像从两个方面来分析第一在这些好友头像中使用人脸头像的好友比重有多大第二从这些好友头像中可以提取出哪些有价值的关键字。这里需要根据HeadImgUrl字段下载头像到本地然后通过腾讯优图提供的人脸识别相关的API接口检测头像图片中是否存在人脸以及提取图片中的标签。其中前者是分类汇总我们使用饼图来呈现结果后者是对文本进行分析我们使用词云来呈现结果。关键代码如下 所示def analyseHeadImage(frineds):# Init PathbasePath os.path.abspath(‘.’)baseFolder basePath ‘\\HeadImages\\’if(os.path.exists(baseFolder) False):os.makedirs(baseFolder)# Analyse ImagesfaceApi FaceAPI()use_face 0not_use_face 0image_tags ”for index in range(1,len(friends)):friend friends[index]# Save HeadImagesimgFile baseFolder ‘\\Image%s.jpg’ % str(index)imgData itchat.get_head_img(userName friend[‘UserName’])if(os.path.exists(imgFile) False):with open(imgFile,‘wb’) as file:file.write(imgData)# Detect Facestime.sleep(1)result faceApi.detectFace(imgFile)if result True:use_face 1else:not_use_face 1# Extract Tagsresult faceApi.extractTags(imgFile)image_tags ‘,’.join(list(map(lambda x:x[‘tag_name’],result)))labels [u‘使用人脸头像’,u‘不使用人脸头像’]counts [use_face,not_use_face]colors [‘red’,‘yellowgreen’,‘lightskyblue’]plt.figure(figsize(8,5), dpi80)plt.axes(aspect1)plt.pie(counts, #性别统计结果labelslabels, #性别展示标签colorscolors, #饼图区域配色labeldistance 1.1, #标签距离圆点距离autopct ‘%3.1f%%’, #饼图区域文本格式shadow False, #饼图是否显示阴影startangle 90, #饼图起始角度pctdistance 0.6 #饼图区域文本距离圆点距离)plt.legend(loc‘upper right’,)plt.title(u‘%s的微信好友使用人脸头像情况’ % friends[0][‘NickName’])plt.show()image_tags image_tags.encode(‘iso8859-1’).decode(‘utf-8’)back_coloring np.array(Image.open(‘face.jpg’))wordcloud WordCloud(font_path‘simfang.ttf’,background_color“white”,max_words1200,maskback_coloring,max_font_size75,random_state45,width800,height480,margin15)wordcloud.generate(image_tags)plt.imshow(wordcloud)plt.axis(“off”)plt.show()这里我们会在当前目录新建一个HeadImages目录用以存储所有好友的头像然后我们这里会用到一个名为FaceApi类这个类由腾讯优图的SDK封装而来这里分别调用了人脸检测和图像标签识别两个API接口前者会统计”使用人脸头像”和”不使用人脸头像”的好友各自的数目后者会累加每个头像中提取出来的标签。其分析结果如下图所示可以注意到在所有微信好友中约有接近1/4的微信好友使用了人脸头像 而有接近3/4的微信好友没有人脸头像这说明在所有微信好友中对”颜值 “有自信的人仅仅占到好友总数的25%或者说75%的微信好友行事风格偏低调为主不喜欢用人脸头像做微信头像。这是否说明”好看的皮囊”并非是千篇一律长得好看的人实在是少数中的少数。所以当女生的妆容越来越向着”韩式半永久粗平眉”、”瓜子脸”和”大红唇”靠拢的时候当男生的服饰越来越向着”大背头”、”高领毛衣”和”长款大衣”靠拢的时候我们能不能真正得个性一次。生命中有太多被世俗绑架着的事情既要和别人不一样 同时还要和大多数人一样这是人生在世的无可奈何。考虑到腾讯优图并不能真正得识别”人脸”我们这里对好友头像中的标签再次进行提取来帮助我们了解微信好友的头像中有哪些 关键词其分析结果如图所示通过词云我们可以发现在微信好友中的签名词云中出现频率相对较高的关键字有女孩、树木、房屋、文本、截图、卡通、合影、天空、大海。这说明在我的微信好友中好友选择的微信头像主要有日常、旅游、风景、截图四个来源好友选择的微信头像中风格以卡通为主好友选择的微信头像中常见的要素有天空、大海、房屋、树木。通过观察所有好友头像我发现在我的微信好友中使用个人照片作为微信头像的有15人使用网络图片作为微信头像的有53人使用动漫图片作为微信头像的有25人使用合照图片作为微信头像的有3人使用孩童照片作为微信头像的有5人使用风景图片作为微信头像的有13人使用女孩照片作为微信头像的有18人基本符合图像标签提取的分析结果。05 好友签名分析好友签名签名是好友信息中最为丰富的文本信息按照人类惯用的”贴标签”的方法论签名可以分析出某一个人在某一段时间里状态就像人开心了会笑、哀伤了会哭哭和笑两种标签分别表明了人开心和哀伤的状态。这里我们对签名做两种处理第一种是使用用结巴分词进行分词后生成词云目的是了解好友签名中的关键字有哪些哪一个关键字出现的频率相对较高第二种是使用SnowNLP分析好友签名中的感情倾向即好友签名整体上是表现为正面的、负面的还是中立的各自的比重是多少。这里提取Signature字段即可其核心代码如下def analyseSignature(friends):signatures ”emotions []pattern re.compile(“1f\d.”)for friend in friends:signature friend[‘Signature’]if(signature ! None):signature signature.strip().replace(‘span’, ”).replace(‘class’, ”).replace(’emoji’, ”)signature re.sub(r‘1f(\d.)’,”,signature)if(len(signature)0):nlp SnowNLP(signature)emotions.append(nlp.sentiments)signatures ‘ ‘.join(jieba.analyse.extract_tags(signature,5))with open(‘signatures.txt’,‘wt’,encoding‘utf-8’) as file:file.write(signatures)# Sinature WordCloudback_coloring np.array(Image.open(‘flower.jpg’))wordcloud WordCloud(font_path‘simfang.ttf’,background_color“white”,max_words1200,maskback_coloring,max_font_size75,random_state45,width960,height720,margin15)wordcloud.generate(signatures)plt.imshow(wordcloud)plt.axis(“off”)plt.show()wordcloud.to_file(‘signatures.jpg’)# Signature Emotional Judgmentcount_good len(list(filter(lambda x:x0.66,emotions)))count_normal len(list(filter(lambda x:x0.33 and x0.66,emotions)))count_bad len(list(filter(lambda x:x0.33,emotions)))labels [u‘负面消极’,u‘中性’,u‘正面积极’]values (count_bad,count_normal,count_good)plt.rcParams[‘font.sans-serif’] [‘simHei’]plt.rcParams[‘axes.unicode_minus’] Falseplt.xlabel(u‘情感判断’)plt.ylabel(u‘频数’)plt.xticks(range(3),labels)plt.legend(loc‘upper right’,)plt.bar(range(3), values, color ‘rgb’)plt.title(u‘%s的微信好友签名信息情感分析’ % friends[0][‘NickName’])plt.show()通过词云我们可以发现在微信好友的签名信息中出现频率相对较高的关键词有努力、长大、美好、快乐、生活、幸福、人生、远方、时光、散步。果然我的微信好友都是温暖、正直的好青年啊 :smile:其实签名这个设定从某种程度上是在反映人的一种心态人在年轻时不免”为赋新词强说愁”等到你真正到了这个精神境界突然发现年轻时图样图森破或许这就是我们不愿意让别人了解过去的原因因为伴随着人的成长某一种瞬间的状态简直不忍直视QQ空间陪伴了我们这代人的整个青春令人印象深刻的”那年今日”功能有时让我们感到回忆的温暖有时让我们感到岁月的萧杀”当时只道是寻常”的物是人非”回首向来萧瑟处”的淡定从容”今夕复何夕”的失落惆怅……都在这一行行签名里留下深深浅浅的印记。在知乎上有关于签名的话题讨论对此感兴趣的朋友不妨找时间看看。:smile:通过柱状图我们可以发现在微信好友的签名信息中正面积极的情感判断约占到55.56%中立的情感判断约占到32.10%负面消极的情感判断约占到12.35%。这个结果和我们通过词云展示的结果基本吻合这说明在微信好友的签名信息中约有87.66%的签名信息传达出来都是一种积极向上的态度。朋友圈中基本上有两类用户第一类用户使用朋友圈记录自己的生活第二类用户使用朋友圈输出自己的观点。显然对于第二类用户它并不介意别人了解它的过去它更在乎它从始至终输出的观点是否一致。所以不管朋友圈里别人在或晒美食、或晒旅游、或秀恩爱、或晒宝宝、或煲鸡汤等等在我看来这都是一种生活方式精神层次和物质层次比你高的人群觉得你朋友圈里的内容”无趣”这是符合人类一贯的认知方式的。在大多数情况下反而是那些和你层次差不多的人群对不熟悉的人或者事物妄加判断如果你不喜欢我朋友圈里的内容请直接屏蔽我就好因为这样我们还可以做朋友如果你因为喜欢A而在我这里和我说B不好这就真的是三观不合啦。我相信没有完全兴趣匹配的两个人即使是男女朋友或者情侣之间总之人与人相处嘛真诚和互相尊重是基本要求。06 好友位置分析好友位置主要通过提取Province和City这两个字段。Python中的地图可视化主要通过Basemap模块这个模块需要从国外网站下载地图信息使用起来非常的不便。百度的ECharts在前端使用的比较多虽然社区里提供了pyecharts项目可我注意到因为政策的改变目前Echarts不再支持导出地图的功能所以地图的定制方面目前依然是一个问题主流的技术方案是配置全国各省市的JSON数据这里博主使用的是BDP个人版这是一个零编程的方案我们通过Python导出一个CSV文件然后将其上传到BDP中通过简单拖拽就可以制作可视化地图简直不能再简单这里我们仅仅展示生成CSV部分的代码def analyseLocation(friends):headers [‘NickName’,‘Province’,‘City’]with open(‘location.csv’,‘w’,encoding‘utf-8’,newline”,) as csvFile:writer csv.DictWriter(csvFile, headers)writer.writeheader()for friend in friends[1:]:row {}row[‘NickName’] friend[‘NickName’]row[‘Province’] friend[‘Province’]row[‘City’] friend[‘City’]writer.writerow(row)下图是BDP中生成的微信好友地理分布图可以发现我的微信好友主要集中在宁夏和陕西两个省份。数字时代的神经牵动着每一个社交关系链的人我们想要竭力去保护的那点隐私在这些数据中一点点地折射出来。人类或许可以不断地伪装自己可这些从数据背后抽离出来的规律和联系不会欺骗人类。数学曾经被人称为最没有用的学科因为生活中并不需要神圣而纯粹的计算在不同的学科知识里经验公式永远比理论公式更为常用。可是此时此刻你看这世界就像一只滴滴答答转动着的时钟每一分每一秒都是严丝合缝的。07 本文小结写这篇文章的时候我一直不知道该如何下笔因为微信是一个神奇的存在它是一个国民级别的全民APP所以微信的产品设计一直都是一个有趣的现象从最初底部Tab的数目、每个Tab的名称、”发现”页面的定制、小程序入口、朋友圈入口到朋友圈评论等等一系列的设计细节都是值得我们透过人性和心理去研究的。即使是被人们封神的”张小龙”在面对结构最为复杂的中国用户群体的时候他的潇洒中依旧不免充满无奈从对朋友圈的置之不理就可以看出这是一个怎么做都不会让人满意的功能任何一个生态在面对巨大的用户群体的时候功能的增减就会变成一个难题所谓”林子大了什么鸟都有”知乎面对的是同样的问题营销类公众号在不断消费社会话题的同时引导着一批又一批粉丝的价值取向人类总渴望着别人了解自己可人类真的了解自己吗这篇博客是我对数据分析的又一次尝试主要从性别、头像、签名、位置四个维度对微信好友进行了一次简单的数据分析主要采用图表和词云两种形式来呈现结果。总而言之一句话”数据可视化是手段而并非目的”重要的不是我们在这里做了这些图出来而是从这些图里反映出来的现象我们能够得到什么本质上的启示我一位朋友问我怎么什么都想抓取为什么啊因为我不懂人类啊来源数盟
