使用Power BI 、pandas做微信好友的数据分析

最近学习了使用Power BI、pandas相关知识，一直没有什么好的想法来实践一下，看了下之前写的一片查看微信好友男女比例的文章觉得还可以再继续扩展一下，于是乎有了下文，废话不多说，直接开始。

环境准备：Power BI软件、pandas、itchat、plotly模块，各位可自行百度安装。

大致流程：step1 获取微信好友数据 step2 清洗、整理数据 step3 使用Power BI、plotly实现数据可视化。

step1 获取微信好友数据，代码如下：

import itchat #导入itchat

friends = itchat.get_friends()

print(friends) #获取好友数据并打印结果

结果如图所示：我们获取的数据是一个list型，我们要的数据是从第二个开始的，这些数据内容包括了微信号有的昵称、性别、所在城市、省份、备注名称、昵称、座右铭等等，然后从中获取我需要的数据，并以字典形式保存。代码如下：

使用Power BI 、pandas做微信好友的数据分析

data = {}  #新建一个空字典
'''这里新建的几个空列表并准备作为data中的value值'''
IsOwner = []  
HideInputBarFlag = []
Sex = []
Province = []
RemarkName = []
PYQuanPin = []
City = []
Signature = []
NickName = []

for i in friends[1:]:
    #print(i)
    IsOwner.append(i['IsOwner'])
    HideInputBarFlag.append(i['HideInputBarFlag'])
    Sex.append(i['Sex'])
    Province.append(i['Province'])
    RemarkName.append(i['RemarkName'])
    PYQuanPin.append(i['PYQuanPin'])
    City.append(i['City'])
    Signature.append(i['Signature'])
    NickName.append(i['NickName'])
#print(type(IsOwner))
#print(IsOwner)
data['IsOwner'] = IsOwner
data['HideInputBarFlag'] = HideInputBarFlag
data['Sex'] = Sex
data['Province'] = Province
data['RemarkName'] = 'RemarkName'
data['PYQuanPin'] = 'PYQuanPin'
data['City'] = City
data['Signature'] = Signature
data['NickName'] = NickName

print(data)#打印结果

使用Power BI 、pandas做微信好友的数据分析

这样我们就把微信好友所在省份、城市、性别等获取了下来，并以字典形式保存。

step2 数据保存

import pandas as pd
data2 = pd.DataFrame(data) #使用DataFrame创建二维数组
print(data2)
data2.to_csv('123.csv')把数据保存成csv格式

保存的csv数据如下所示：

使用Power BI 、pandas做微信好友的数据分析

step3 数据分析及可视化

查看每个城市有多少好友

import pandas as pd
from numpy import nan as NaN
import numpy as np

data = pd.read_csv('./123.csv',encoding = 'utf-8') #读取保存的csv文件
print(data.head(5))  #获取前五行数据

friends_number = data.groupby('City').count()['Sex'] #根据City进行分组，查看每个城市有多少名好友
print(friends_number)

这里使用Power BI来做个可视图查看好友城市分布以及好友位置在国内分布情况,图中可以看出我的朋友多分布在江浙沪皖一带，期中杭州朋友最多。

使用Power BI 、pandas做微信好友的数据分析

直方图

使用Power BI 、pandas做微信好友的数据分析

查看微信男女比例：

d = data['Sex'].values
print(d)
u,indices = np.unique(d,return_counts=True)
print(u)
print(indices) #打印去重元素的去重数量

other = indices[0]#其他
male = indices[1]  #男性
female = indices[2] #女性
#print(female)


my_font= matplotlib.font_manager.FontProperties(fname=r'C:\Windows\Fonts\simsun.ttc',size = 18)
labels = ['其他','男性','女性']
layout = go.Layout(title='我的微信好友男女比例图')
trace = [go.Pie(labels=labels, values=indices, hole=0.5, textinfo='label+value+percent')]
config = go.Figure(data=trace, layout=layout)
py.offline.plot(config, filename='男女比例.html')

结果如下：微信好友中男性占62.3%，女性占30.6。

使用Power BI 、pandas做微信好友的数据分析

  以上就是我对自己好友的一些简单分析，大家可以看看啊，明天又要上班了，祝大家工作愉快！ps：全部代码如下。 
获取数据：
# -*- coding:utf-8 -*-

import pandas as pd
import itchat

import matplotlib as mpl

login = itchat.login()
data = {}
IsOwner = []
HideInputBarFlag = []
Sex = []
Province = []
RemarkName = []
PYQuanPin = []
City = []
Signature = []
NickName = []

friends = itchat.get_friends()
print(friends)
for i in friends[1:]:
    #print(i)
    IsOwner.append(i['IsOwner'])
    HideInputBarFlag.append(i['HideInputBarFlag'])
    Sex.append(i['Sex'])
    Province.append(i['Province'])
    RemarkName.append(i['RemarkName'])
    PYQuanPin.append(i['PYQuanPin'])
    City.append(i['City'])
    Signature.append(i['Signature'])
    NickName.append(i['NickName'])
#print(type(IsOwner))
#print(IsOwner)
data['IsOwner'] = IsOwner
data['HideInputBarFlag'] = HideInputBarFlag
data['Sex'] = Sex
data['Province'] = Province
data['RemarkName'] = 'RemarkName'
data['PYQuanPin'] = 'PYQuanPin'
data['City'] = City
data['Signature'] = Signature
data['NickName'] = NickName

print(data)

data2 = pd.DataFrame(data)
print(data2)
data2.to_csv('123.csv')

数据读取及可视化：

import pandas as pd
from numpy import nan as NaN
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
from matplotlib import font_manager
import plotly as py
import plotly.graph_objs as go

data = pd.read_csv('./123.csv',encoding = 'utf-8')
print(data.head(5))
#print(data.describe())

friends_number = data.groupby('City').count()['Sex'] #根据City进行分组，查看每个城市有多少名好友
print(friends_number)

Signature = data['Signature']
print(Signature)
print(Signature.dropna(how = 'all')) #滤除全为Nan的行

# male = data.groupby('Sex').count()
# print(male)
#print(data.groupby('City').count()['Sex'])

# d = data['Sex'].values
# print(d)
# u,indices = np.unique(d,return_counts=True)
# print(u)
# print(indices) #打印去重元素的去重数量
#
# other = indices[0]
# male = indices[1]  #男性
# female = indices[2] #女性
# #print(female)
#
#
# my_font= matplotlib.font_manager.FontProperties(fname=r'C:\Windows\Fonts\simsun.ttc',size = 18)
# labels = ['其他','男性','女性']
# layout = go.Layout(title='我的微信好友男女比例图')
# trace = [go.Pie(labels=labels, values=indices, hole=0.5, textinfo='label+value+percent')]
# config = go.Figure(data=trace, layout=layout)
# py.offline.plot(config, filename='男女比例.html')

使用Power BI 、pandas做微信好友的数据分析

相关推荐