Python数据分析：一年微信，情深几许？

点击蓝字 · 关注我们

大家好，我是Bryce~

你们好不好奇，过去一年时间里，都和对象聊了些什么…（啥？你没对象 ）

作为数据分析师，绝不能靠印象说话，要用数据。所以本文 用Python分析过去一年和媳妇的微信聊天记录 ，从月、周、日、小时等时间维度做出一些统计分析及可视化，然后通过jieba分词、统计词频来绘制词云图。

有点意思呦，一起来看看吧！

一、获取数据并处理

1. 首先，通过工具把微信聊天记录导出来，形成csv文件。
   

# 看看数据长啥样msg_data = pd.read_csv('微信聊天记录.csv')msg_data.head()

2.然后，取出2023年的数据，做一些前处理工作。

# 只取2023年的数据msg_data['date'] = msg_data['StrTime'].str[:10]msg_data['year'] = msg_data['StrTime'].str[:4]msg_data['month'] = msg_data['StrTime'].str[5:7]msg_data['hour'] = msg_data['StrTime'].str[11:13]msg_data_2023 = msg_data[msg_data['year'] == '2023']msg_data_2023.reset_index(drop=True, inplace=True)# 计算是周几msg_data_2023 = msg_data_2023.copy()msg_data_2023.loc[:, 'time_datetime'] = pd.to_datetime(msg_data_2023.loc[:,'StrTime']) msg_data_2023.loc[:, 'day_of_week_number'] = msg_data_2023.loc[:, 'time_datetime'].dt.dayofweek day_names_zh = {0: '周一', 1: '周二', 2: '周三', 3: '周四', 4: '周五', 5: '周六', 6: '周日'} msg_data_2023['day_of_week'] = msg_data_2023['day_of_week_number'].map(day_names_zh) del msg_data_2023['time_datetime']msg_data_2023['StrContent'] = msg_data_2023['StrContent'].astype(str)msg_data_2023.head()

3. 对Type列和IsSender列做一些转换

Type列为消息类型，比如1表示文本，3表示图片，49表示文件等。IsSender列，1表示自己，0表示对方。

二、简单的数据统计

1. 2023年365天，我们聊了355天 。

msg_data_2023['date'].nunique() # 355

2.2023年 一共发了23784条消息，共161869字 ，平均每条消息8个字。其中，我发了11554条消息，她发了12230条消息。

# 行数统计msg_data_2023.shape[0]# 字数统计total_chars_and_punctuation = msg_data_2023['StrContent'].apply(count_chinese_chars_and_punctuation).sum()

3.对各种消息类型进行统计

可以看出， 她爱发文本消息，而我更爱打视频电话 ，足足多了73次，差不多是她的两倍，哈哈哈！另外，我好像特别特别爱发表情，她的6倍…

# 各自发的消息类型msg_type_stat = msg_data_2023.groupby(['IsSender', 'Type'])['StrContent'].size().reset_index(name='count')msg_type_stat = msg_type_stat.reset_index(drop=True)msg_type_stat = msg_type_stat.pivot_table(index = ['Type'], columns= 'IsSender', values='count', fill_value=0)msg_type_stat.reset_index(inplace=True)sorted_msg_type_stat = msg_type_stat.sort_values(by='Q', ascending=False) sorted_msg_type_stat.reset_index(drop=True, inplace=True)sorted_msg_type_stat['Q-T'] = sorted_msg_type_stat['Q'] - sorted_msg_type_stat['T']sorted_msg_type_stat

4.很好奇，哪次聊得最久
设定5分钟内回的消息都为1次聊天，超过了就不算。经计算发现：最长的时长为2368秒，即39分钟，发生在2023-04-20 22:00:12 ~ 2023-04-20 22:39:40。看来还是晚上有得聊些…

三、数据可视化

1. 消息数按月统计
   

msg_month = msg_data_2023.groupby(['month'])['StrContent'].size().reset_index(name='count')# 绘制柱状图plt.figure(figsize=(10, 6)) plt.bar(msg_month['month'], msg_month['count'], color='orange', width=0.5, edgecolor='black', label='Values') plt.legend() plt.title('消息数按月统计')plt.xlabel('月份')plt.ylabel('消息数量') plt.grid(axis='y', alpha=0.75) 

10月份聊得最少，因为有个国庆节，天天在一起，消息数自然少，数据正常。而12月消息数最多，也是非常合理的，因为那时快临近我们的婚期了，太多的事情需要沟通了。

2.消息数按周统计

msg_week = msg_data_2023.groupby(['day_of_week', 'day_of_week_number'])['StrContent'].size().reset_index(name='count')sorted_msg_week = msg_week.sort_values(by='day_of_week_number', ascending=True) sorted_msg_week.reset_index(drop=True, inplace=True)# 雷达图labels = sorted_msg_week['day_of_week'].valuesdata_week = list(sorted_msg_week['count'].values)angles = np.linspace(0, 2 * np.pi, len(labels), endpoint=False).tolist() data = np.concatenate((data_week, [data_week[0]])) angles = np.concatenate((angles, [angles[0]])) fig = plt.figure() ax = fig.add_subplot(111, polar=True) ax.plot(angles, data, 'o-', linewidth=2) ax.fill(angles, data, alpha=0.25) ax.set_thetagrids((angles * 180/np.pi)[:7], labels) ax.set_title("消息数按周几统计") plt.show()

可以看到，周一到周五消息数非常平均，周末数量骤减。是的，你没猜错，我们是 周末夫妻 ，工作日在两地上班，周末才会相聚。

3.消息数按日统计

msg_day = msg_data_2023.groupby(['date'])['StrContent'].size().reset_index(name='count')msg_day.loc[:, 'date_datetime'] = pd.to_datetime(msg_day.loc[:,'date']) del msg_day['date']# 设置日期为索引msg_day.set_index('date_datetime', inplace=True) date_range = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D') msg_day_resampled = msg_day.asfreq(freq='D', fill_value=0) msg_day_resampled.reset_index(inplace=True) # 绘制每日热力图，没聊天的日期置为0 year = msg_day_resampled['date_datetime'].dt.year.unique()[0] # 假设所有日期都在同一年 week_number = msg_day_resampled['date_datetime'].dt.isocalendar().week day_of_week = msg_day_resampled['date_datetime'].dt.dayofweek # 0代表周一，6代表周日 heatmap_data = msg_day_resampled.pivot_table(index=week_number, columns=day_of_week, values='count', aggfunc='sum').fillna(0) fig = plt.figure(figsize=(12, 6)) pink_cmap = sns.diverging_palette(240, 10, as_cmap=True) sns.heatmap(heatmap_data, cmap=pink_cmap, annot=False, fmt='d', linewidths=0.5) plt.xlabel('周几 (0=Mon, 6=Sun)') plt.ylabel('周数') plt.title('消息数每日热力图') plt.show()

4.消息数按小时统计

msg_hour = msg_data_2023.groupby(['hour'])['StrContent'].size().reset_index(name='count')categories = list(msg_hour['hour'].values) values = list(msg_hour['count'].values) # 创建颜色映射并提取颜色 colormap = cm.get_cmap('Reds', 24) colors = [colormap(i / 23) for i in range(24)] N = len(categories) angles = np.linspace(0, 2 * np.pi, N, endpoint=False).tolist() values = values + values[:1] angles = angles + angles[:1] # 创建极坐标图 fig, ax = plt.subplots(figsize=(6, 6), subplot_kw=dict(polar=True)) for i in range(N): ax.bar(angles[i], values[i], width=0.20, bottom=0.0, color=colors[i % len(colors)]) ax.set_yticklabels([]) ax.set_xticks(angles[:-1]) ax.set_xticklabels(categories) plt.gca().spines['polar'].set_visible(False) plt.title('消息数按小时统计', va='bottom') plt.show()

这里采用了 南丁格尔玫瑰图 ！

四、最有趣的词云

1. 先把聊天记录合在一起

msg_T = filtered_df[filtered_df['IsSender'] == 'T'].loc[:, 'StrContent'].to_frame()msg_Q = filtered_df[filtered_df['IsSender'] == 'Q'].loc[:, 'StrContent'].to_frame()msg_all = '，'.join(map(str, filtered_df['StrContent'])) msg_join_T = '，'.join(map(str, msg_T['StrContent']))msg_join_Q = '，'.join(map(str, msg_Q['StrContent']))

2.先绘制总的词云，然后绘制各自的词云

# 使用jieba进行分词words_list_jieba = jieba.lcut(msg_all)words_list = [x for x in words_list_jieba if x not in excluded_words]# 使用Counter进行词频统计word_counter = Counter(words_list)sorted_file = word_counter.most_common()mask = np.array(Image.open("7.jpg"))# 生成词云时指定遮罩tmp_wordcloud = WordCloud(font_path='C:\Windows\Fonts\simhei.ttf', background_color='white', mask=mask)wordcloud = tmp_wordcloud.generate_from_frequencies(dict(sorted_file))# 显示词云图plt.figure(figsize=(10, 8))plt.imshow(wordcloud, interpolation='bilinear')plt.axis('off')plt.show()

所有聊天记录的词云， 我们 是最大的两个字，划重点，要考！

她聊天记录的词云，我们依然是第一位，然后是…… 买买买，哈哈哈 。和我了解的她一模一样，爱购物，乐观积极。

最后再来看看我的词云，重点词： 我们、下班、买 。看来下班真是件幸福的事，几乎每次下班都说一声！

关于 买 字，我需要 狡辩 解释一下 一般都是我让她买，不是我买，毕竟经济大权在她那。

以上就是本次分享的全部内容。 如果你有兴趣，后台回复【聊天分析】，即可获得完整的代码。

我是Bryce，我们下期见~

你好！我是Bryce，自学从机械专业转行大厂数据分析。转正半年被主管破格提拔晋升一级，目前是某项目数据业务负责人。日常输出数分技术、AI编程、职场认知相关内容，欢迎交流！

关注我

常进步

关注下方公众号，回复【数据分析书籍】，即可获取SQL、Python、机器学习等方面的电子书合集。