作者| XksA

主题图|车站酷黑路

名字是人的第二张脸，你的微信外号会暴露你吗~

这篇文章是从一个叫Python的公众号上调来的。

前言

你好，首先是技术文和not技术文。今天分享的是我获得以微信小程序的英文名字命名的3500多名微信用户昵称、年龄时的以下结果分析。大卫亚设、Northern Exposure、Not技术文、Not技术文、Not技术文、Not技术文).

Let 's get it

收集基本信息

访问英语命名用户主信件界面，获取英语命名用户微信名称(NickName)、访问次数(Count)、总数据集(ResponseData)，并将微信名称保存到文件中。

1 #获取所有用户数和相关信息

2 def get_json():

导入3 #门户

4 search_url='英语命名用户界面，开始英语命名，生成最合适的英语名称'

5 #发送http请求以获取请求页

6 search _ response=reque(search _ URL)

设置7 #编码

8='UTF-8 '

将第9 #页转换为JSON代码格式

10 search_json=()

11 #以列表格式导入所需数据

12 our _ data=search _ JSON[' response data ']

13 list_len=len(our_data)

14 print('总用户数为' str(list_len))

15 user_visit_numbers=0

16 data_research=0

17 NickName=[]

18个用于X in our _ data :

19 user _ numbers=x[' count ']user _ visit _ numbers

20 if x[' NickName ']=' '

21 data_research=1

22 nickname . append(x[' nickname '])

23 print('获取微信名称失败：' str(data_research))

24 print(NickName)

25 name=['微信名称']

26 file _ test=(columns=name，data=nickname)

27 (r' i:/data.csv 'encoding=' utf-8 'index=false)

28 print('总访问量：' str(user_visit_numbers))

运行结果：

1用户总数为3549人

2获取微信名称失败：0

3总访问次数：4573

读取所有微信名称，对数据进行分类。

(1)读取微信名称

读取1 #文件，签出微信名称

2 def get_name():

3 NickName=[]

4 with open ('i:/data.csv '' r 'encoding=' utf8') as文件3360

5 I=0

6 for line in file:

7 if I==0: #移除标头

8 I=1

9 continue

10 line=line.strip() #删除换行符

11 nickname.append(行)

12 return NickName

(2)数据分为以下六类

1 # ch :Chinese

2 ch_name_number=0

3 ch_name=[]

4 # en:英语

5 en_name_number=0

6 en_name=[]

7 # di : digtal

8 di_name_number=0

9 di_name=[]

10 # img:影像

11 img_name_number=0

12 img_name=[]

13 # ch_di : Chinese and digtal

14 ch_di_name=[]

15 #其他3360其他

16 oth_name_number = 0 17 oth_name = []

（3）数据分类判断

1 # 昵称全中文判断 2 def is_all_ch(keyword): 3 for c in keyword: 4 # 包含常见中文字符 5 if not ('\u4e00' <= c <= '\u9fa5'): 6 return False 7 return True 8 9 # 昵称全英文判断 10 def is_all_en(keyword): 11 # 不能全部为空格或者首位为空格 12 if all(ord(c) == 32 for c in keyword) or keyword[0] == ' ': 13 return False 14 # 允许空格和英文并存(例如：Xist A) 15 if not all(65 < ord(c) < 128 or ord(c) == 32 for c in keyword): 16 return False 17 return True 18 19 # 昵称全数字判断 20 def is_all_di(keyword): 21 for uchar in keyword: 22 if not (uchar >= '\u0030' and uchar <= u'\u0039'): 23 return False 24 return True 25 26 # 昵称包含表情图判断 27 def have_img(keyword): 28 # 下面是大部分图片的一个unicode编码集 29 # 详情查看： 30 img_re = re.compile(u'[' 31 u'\U0001F300-\U0001F64F' 32 u'\U0001F680-\U0001F6FF' 33 u'\u2600-\u2B55]+', 34 re.UNICODE) 35 if img_re.findall(keyword) : 36 return True 37 return False 38 39 # 中文+数字昵称判断 40 def is_ch_di(keyword): 41 for c in keyword: 42 if not ('\u4e00' <= c <= '\u9fa5') and not (c >= '\u0030' and c <= u'\u0039'): 43 return False 44 return True

（4）数据归类计算各类数量

1 list_name = get_name() 2 print("总共有："+str(len(list_name))+"个微信名") 3 for i in range(len(list_name)): 4 result = classification_name(list_name[i]) 5 if result == 'ch': # 中文 6 ch_name_number +=1 7 c(list_name[i]) 8 if result == 'en': # 英文 9 en_name_number +=1 10 en_name.append(list_name[i]) 11 if result == 'di': # 数字 12 di_name_number +=1 13 di_name.append(list_name[i]) 14 if result == 'img': # 含表情 15 img_name_number +=1 16 img_name.append(list_name[i]) 17 if result == 'ch_di': # 中文和数字 18 ch_di_name_number +=1 19 c(list_name[i]) 20 if result == 'other': # 其他 21 oth_name_number +=1 22 ot(list_name[i]) 23 24 print("纯中文昵称个数："+ str(ch_name_number)) 25 # print(ch_name) 26 print("纯英文昵称个数："+ str(en_name_number)) 27 #print(en_name) 28 print("纯数字昵称个数："+ str(di_name_number)) 29 # print(di_name) 30 print("包含表情图昵称个数："+ str(img_name_number)) 31 # print(img_name) 32 print("中文和数字混合昵称个数："+ str(ch_di_name_number)) 33 print(ch_di_name) 34 print("其他昵称个数："+ str(oth_name_number)) 35 # print(oth_name)

运行结果：

1总共有：3549个微信名

2纯中文昵称个数：1514

3纯英文昵称个数：569

4纯数字昵称个数：9

5包含表情图昵称个数：400

6中文和数字混合昵称个数：19

7其他昵称个数：1038

获取用户画(只获取用户年龄段)

访问英文取名用户画像接口，获取近30天活跃用户和新用户的年龄段

1 # 获取用户年龄段 2 def get_data(): 3 # 获取token,并处理 4 t = get_token().strip('"') 5 # 然后将处理后的token值和其他参数作为post方式的参数值，调用用户画像api 6 post_user_api = " ; 7 post_user_url = post_user_api + t 8 # 访问获取概况数据 (近一个月的数据情况) 9 data = j({ 10 "begin_date" : "2018-07-21", 11 "end_date" : "2018-08-19"}) 12 # 获取信息 13 user_portrait_data = get_info(post_user_url, data) 14 # 时间段 15 ref_date = user_portrait_data['ref_date'] 16 # 新用户 17 visit_uv_new = user_portrait_data['visit_uv_new'] 18 活跃用户 19 visit_uv = user_portrait_data['visit_uv'] 20 # 年龄段 21 print(ref_date ) 22 print((visit_uv_new['ages'])) 23 print((visit_uv['ages']))

运行结果：

1 # id ： 为年龄段序号 name ：年龄段名称 value : 该年龄段人数 2 20180721-20180819 3 [{'id': 0, 'name': '未知', 'value': 6}, {'id': 1, 'name': '17岁以下', 'value': 18}, {'id': 2, 'name': '18-24岁', 'value': 118}, {'id': 3, 'name': '25-29岁', 'value': 75}, {'id': 4, 'name': '30-39岁', 'value': 81}, {'id': 5, 'name': '40-49岁', 'value': 14}, {'id': 6, 'name': '50岁以上', 'value': 7}] 4 [{'id': 0, 'name': '未知', 'value': 6}, {'id': 1, 'name': '17岁以下', 'value': 20}, {'id': 2, 'name': '18-24岁', 'value': 147}, {'id': 3, 'name': '25-29岁', 'value': 88}, {'id': 4, 'name': '30-39岁', 'value': 95}, {'id': 5, 'name': '40-49岁', 'value': 20}, {'id': 6, 'name': '50岁以上', 'value': 10}]

▍来点有趣的，数据清洗、分析

微信名称类型数据可视化分析

核心代码：

1 # 1.微信名分类：玫瑰饼图 2 from pyecharts import Pie 3 # 数据获取自上面代码 4 attr = ["纯中文昵称", "纯英文昵称", "纯数字昵称", "包含表情图昵称", "中文和数字混合昵称", "其他昵称"] 5 v1 = [1514, 569, 9, 400, 19, 1038] 6 pie = Pie("微信名分类饼图", title_pos='center', width=900) 7 ( 8 "占比", 9 attr, 10 v1, 11 center=[50, 50], 12 is_random=True, 13 radius=[30, 75], 14 rosetype="area", 15 is_legend_show=False, 16 is_label_show=True, 17) 18 ("render_01.html")

运行效果：

（图片说明：微信昵称类别玫瑰饼图）

从中可以看出，微信昵称为全中文的占比最多，占有42.66%，其次为其他昵称(中英文混合、字符等类型)，占有29.25%，再比较大的类就是纯英文昵称，占有16.03%，和包含表情包昵称，占有11.27%，像纯数字昵称和中文数字混合昵称相对占比较少，我们常见的中文和数字混合昵称最多的就机构名/姓名+联系方式，一些营销号常用。

相较而言，大多数人还是喜欢用纯中文来作昵称，既体现一种文化情怀，又简明扼要地介绍了自己 ，比如我的微信名就是老表，这是我初中时候的一个绰号，朋友们一说老表，不一定是在说亲戚，有可能在说我，哈哈哈。

微信用户年龄段可视化分析

核心代码：

1 # 2.用户年龄段：玫瑰饼图 2 from pyecharts import Pie 3 # 数据获取自上面代码 4 attr = ["未知", "17岁以下", "18-24岁", "25-29岁", "30-39岁", "40-49岁","50岁以上"] 5 v1 = [12, 38, 265, 163, 176, 34,17] 6 pie = Pie("微信用户年龄段饼图", title_pos='center', width=900) 7 ( 8 "占比", 9 attr, 10 v1, 11 center=[50, 50], 12 is_random=True, 13 radius=[30, 75], 14 rosetype="area", 15 is_legend_show=False, 16 is_label_show=True, 17) 18 ("render_02.html")

运行效果：

（图片说明：用户年龄段分布玫瑰饼图）

从中可以看出，年龄段中，18-24岁的95-00后占比最多，达到37.59%，接下来是30-39岁的80-90后，占比达到24.97%,紧随其后的为25-29岁的90-95后，占比达23.12%，其他年龄段可大概分为两类：偏儿童类和偏老人类，一共占比10.21%，我个人觉得这类人群少的原因是：小孩、老人玩微信的少，更不用说微信小程序了，对于小孩来说微信的作用就是玩游戏（登录账号），对于老人来说，微信主要用来聊天，已经是比较复杂的了，小程序使用可能对老人来说就更复杂了，也缺少必要性。

词云分析微信名称哪些词语、表情包更受欢迎

（1）继续使用pyecharts生成词云图

核心代码：

1 # 清洗数据，生成词云图 2 def split_word(test_str): 3 test_str = re.sub('[,，。. \r\n]', '', test_str) 4 # jieba 词语 5 segment = jieba.lcut(test_str) 6 words_df = ({'segment': segment}) 7 # quoting=3 表示里的内容全部不引用 8 stopwords = (r"H:\PyCoding\ Analysis_wx_name\", index_col=False, quoting=3, sep="\t", names=['stopword'], encoding='utf-8') 9 words_df = words_df[~word)] 10 words_stat = word(by=['segment'])['segment'].agg({"计数": num}) 11 words_stat = word().sort_values(by=["计数"], ascending=False) 12 test = word(200).values 13 codes = [test[i][0] for i in range(0,len(test))] 14 counts = [test[i][1] for i in range(0,len(test))] 15 wordcloud = WordCloud(width=1300, height=620) 16 wordcloud.add("微信昵称", codes, counts, word_size_range=[20, 100]) 17 wordcloud.render('render_03.html')

运行效果：

(2) 使用wordcloud+matplotlib生成高级一点的词云图

核心代码：

1 # 下下期好好讲一下matplotlib绘图可视化，挺有意思的 2 # 调用get_name函数获取全部微信名 3 text = get_name() 4 # 调用jiebaclearText函数，清洗数据(该函数和上面切词思想一样) 5 text1=jiebaclearText(text) 6 #产生词云图 7 bg = (r"G:\;) 8 #生成词云 9 wc=WordCloud( 10 background_color="wathet", #设置背景为白色，默认为黑色 11 mask=bg, # 设置词云内容范围(除指定图片白色区域的其他区域都将覆盖词云内容) 12 margin=10, #设置图片的边缘 13 max_font_size=70, #显示的最大的字体大小 14 random_state=20, #为每个单词返回一个PIL颜色 15 font_path='G:\; #中文处理，用系统自带的字体 16 # 可以在这里下载这个字体：;part=1245067666 17 ).generate(text1) 18 #为图片设置字体 19 my_font=(fname='G:\;) 20 # 图片背景 21 bg_color = ImageColorGenerator(bg) 22 # 开始画图 23 (color_func=bg_color)) 24 # 为云图去掉坐标轴 25 ("off") 26 # 保存云图 27 wc.to_file("render_04.png")

词云轮廓原图：

运行效果：

由于第二种方法无法解析表情图，所以没有表情出现，除此外这两种方法显示的词云图内容几乎大同小异。

通过词云图，我们一眼看出大家使用最多的，除开中文后，就是表情图了，你的微信朋友圈里是否也有这样的大红嘴唇，我的好像有，哈哈哈~当我们单纯来看词云中的中文时，发现像太阳、阳光、微笑、可爱、开心、爱、未来等比较积极向上的词语还是比较受大家喜欢的，也体现出大家的内心的积极、乐观，当然还有像丽丽、徐、陈等这样的姓名部分，在昵称中大家也使用的比较多，也不缺乏有像悲伤、凉这样比较冷色的词语。

▍通过昵称进行情绪分析(大胆猜想)

微信昵称为全中文

微信昵称为全中文可以分为两大类：自己的真名和其他昵称。

直接用自己的姓名当微信昵称的人，性格大多是直来直往的那种，待人比较坦诚。

他们的微信一般用于熟人社交和日常办公，平时不会随便加不熟的人，就算用真名也不怕泄露个人信息，来个不恰当的比喻：不做亏心事，不怕鬼敲门，哈哈哈。

为其他昵称的人，大多有自己的看法，也许昵称是自己对未来的一种期望，也许昵称是自己对生活的一种态度，或者是一些无厘头的话语，炫酷的话语。(猜测)

微信昵称为全英文

出于个人喜好或工作需求，有些人会给自己取一个容易记的、叫着顺口的英文名，比如Tom、Abby、Jason，并常常在自我介绍的时候，让大家可以用英文名字称呼自己。

对他们而言，英文名就相当于自己的第二个名字，用它做微信名，和用本名没什么太大的区别。

也有的人会刻意避开那些常见的英文名，取一些更小众的，他们更在意提高自己的“逼格”，喜欢标新立异，追求时尚和前卫。(猜测)

微信昵称带有表情符号

有很多女生会在微信名称里加上各种表情符号，从上面分析的词云图中可以看出，一个大红唇大家使用最多，其他的可能是一个爱心，一朵玫瑰，一颗星星，又或是系统自带的emoji表情。

她们可能觉得这是一种特别的装饰，能让自己的名字和别人有明显的区别。

这样的女生，大多有细腻的小心思、浪漫的生活情调，和一颗蓬勃的少女心。(猜测)

微信昵称带有职业性质

一般来说，会主动在自己微信名前面带一个字母“A”的，大多都是整天在朋友圈里发广告的微商或代购。

比较正式一点的，用的都是“公司名+姓名”的形式，这一类人基本都是销售员或房产中介……或者就是真正的大佬啦~

还有一些人，会根据自己不同的工作阶段不定时更换名字后缀的。

认识一个在某地产公司做人力的朋友，为了能好好享受假期，她会把微信名改成“ΧΧΧ休假中”，以便提醒那些在节假日还私信她询问工作的人。

也有一些人反着来，为了显示自己特别积极，直接把微信名改成“ΧΧΧ加班中”……emmm主要是改给老板看的吧。(猜想)

微信昵称带偶像名

不用说，这一类都是典型的追星族，而且大多都是女生，比如吴亦凡夫人，蔡徐坤秘密女友，胡歌的小娇妻……不出意外，她们的头像一般就是她们的爱豆本人。

她们平时会在微博给偶像打call，朋友圈也会发很多相关推荐，如果有人夸自己的爱豆，她们会觉得遇到了知音；相反地，如果有人说她们爱豆的坏话，她们会马上拉黑……

切记，在追星的人面前，不要轻易抬杠，对她的爱豆指手画脚……(猜想)

微信昵称是四字词

仔细观察长辈们的微信名，就会发现他们特别喜欢用四字词作昵称。

这些四字词最大的共同点，就是都传递着一种岁月静好的氛围：“人生如茶”、“花自芬芳”、“上善若水”、“人心依旧”“云淡风轻”……

年轻人用独特的微信名标记自己，年长点的叔叔阿姨只是想纯粹地寄托一种生活理想。(猜想)

都说名字是人的第二张脸。微信名取得好，往往会给人留下更好的印象。

你的微信名有什么特别的含义吗？评论区里聊一聊吧~

注：内容仅为作者观点，不代表DT数据侠立场。

▍数据侠门派

本文数据侠XksA，人送外号“老表”，一个努力向上的学者，步步为营，个人公众号：简说Python。

▍加入数据侠

“数据侠计划”是由第一财经旗下DT财经发起的数据社群，包含数据侠专栏、数据侠实验室系列活动和数据侠联盟，旨在聚集大数据领域精英，共同挖掘数据价值。了解数据侠计划详情请回复“数据侠计划”，投稿、合作请联系datahero@d。