完整源码可在公众号：「01 二进制」后台回复：「公众号数据分析」获取
1. 前言 在同学的影响下，我在 18 年 9 月注册了一个公众号「01 二进制」，因为种种原因（其实就是懒）直到 11 月 11 日才在这个公众号上发布了第一篇文章。到写这篇文的时候，我已经发布过 21 篇文章，用户也只有 86 人，这不禁引发了我深深的思考。为啥我的公号没有用户？
为此我还特地请教了我的好友 🐔 哥，他告诉我，文笔是一方面，另一方面还要能抓住热点，说完便给我发了一份某知名公众号的相关数据，让我给安排安排。
这不，一分析才发现原来想让公众号有阅读量也是要讲究套路的，接下来就让我们以一个 coder 的角度去分析下究竟是哪些套路吧。
2. 分析目的 笔者在本项目中的分析目的主要有 3 个：
（1）对某知名公众号内容运营方面的若干分析，主要是对发文量、点赞量、发文时间等方面的描述性分析；
（2）通过对标题的分析，来说明什么样标题更受人喜欢；
（3）将冗杂无序的结构化数据和非结构化数据进行可视化，展现数据之美。
3. 实验环境 工欲善其事，必先利其器，在开始分析之前，我先说明此次分析所处的实验环境，以免出现异常：
MacOS 10.14.3 Python 3.6.8（Anaconda） Visual Studio Code（开发） Jupyter Notebook（调试环境） 使用的包有： pkuseg（分词） pyecharts（绘图） numpy（数学计算） pandas（数据计算） 4. 数据获取及预览 4.1 数据获取 本次数据集是通过网络爬虫爬取某公众号的所以文章整理而成，该部分不进行阐述，需要数据集可以直接下载源码查看或者在公众号：「01 二进制」后台回复：「公众号数据集」获取。
4.2 数据预览 在该项目中，我使用了 Pandas 进行数据的读取和预览，Pandas 在数据科学中使用非常广泛，有兴趣的小伙伴可以去搜索相关资料了解下。...
临近毕业，慢慢的也感伤起来，回想大学这几年，除了技术的成长，最值得庆幸的就是结交了一帮志同道合的好友。后期自己做了公众号，微信好友的数量也越来越多，身边人所扮演的角色也越来越丰富，有早已结婚生子为人父母的同学，有沉迷科研学术的教师，当然也少不了一众还在 996 的程序猿。事实上，你所处圈子的质量很大程度上就决定了你的人生质量，那么今天我们就来看看当 Python 遇到了你的微信好友后能擦出怎样的火花。
完整代码可在公众号：「01 二进制」后台回复：「微信好友」获取_
前言 这次我们直奔主题，本文要做的是以下几件事：
分析微信好友的总人数、男生数、女生数、男女比 分析好友的地域分布 利用 自然语言处理 的方法分析出你好友的情感倾向 获取微信好友的头像并拼接成指定图片 准备 还是老样子，做实验前，先做好准备工作，实验环境如下：
Python 3.6 （虚拟环境的管理为 Pipenv）
Pycharm
主要使用到的包有：
itchat pyecharts baidu-aip photomosaic pillow 对 Pipenv 这个虚拟环境管理工具不熟悉的可以去看我之前的文章：《Python 管理哪家强？》，里面对于 Pipenv 这个虚拟环境管理工具有一些介绍。
itchat 是一个开源的微信个人号接口，可以让我们使用 python 来调用微信
pyecharts 是 python+echarts 的结合，用于进行数据的可视化
baidu-aip 是百度推出的一个 nlp 的包
photomosaic 是用来生成蒙太奇马赛克图片的
大家获取到源码之后只需要将 Pipfile 复制到你们的项目根路径下，然后再终端执行 pipenv install 即可创建一个安装好所有包的虚拟环境了（前提是你的电脑上已经安装了 pipenv 了）...
完整源码可在公众号：「01 二进制」后台回复：「翟天临」获取
昨天是元宵节，在南京，元宵节一到也意味着这个年过完了，我们也该回到自己的工作岗位上了。都说今年的瓜特别多（葫芦娃的那种），但是过年期间最甜的我想非翟天临的“知网是什么？”莫属了吧。
前段时间，微博上开始不断爆出翟天临学术不端，论文抄袭的消息，以至于牵扯到其导师、院长甚至整个北京电影学院。
我平常不怎么关注娱乐圈，所以刚开始并没有把这件事放在心上，直到网上爆出翟的论文大篇幅抄袭陈坤论文的消息，我才对这位娱乐圈博士的文章起了兴趣。接下来就让我们以一个 coder 的角度来硬核分析下翟的论文吧。
实验环境 工欲善其事，必先利其器，在开始分析之前，我先说明此次分析所处的实验环境，以免出现异常：
MacOS 10.14.3 Python 3.6.8（Anaconda） Visual Studio Code 使用的包有： pkuseg（分词） matplotlib（绘图） wordcloud（词云） numpy（数学计算） sklearn（机器学习） 数据获取 说实话，起初我以为就算翟不知“知网”为何物，“知网”也该收录翟的文章吧，可我在知网搜了好久也没能找到翟的论文，好在我在今日头条上找到了他的文章，保存在data/zhai.txt中。说到这，还真要感谢翟天临啊，都是因为他，大家才变得这么有学术精神，开始研究起本科硕士博士论文了。
数据清理 上一节我们已经将他的论文保存到一个 txt 中了，所以我们需要先将文章加载到内存中：
# 数据获取（从文件中读取） def readFile(file_path): content = [] with open(file_path, encoding="utf-8") as f: content = f.read() return content 我统计了下，除去开头的标题和末尾的致谢，总共 25005 个字。
接下来我们来进行数据清理，在这里我用了pkuseg对内容进行分词处理，同时去掉停用词后输出分词的结果。
所谓停用词就是在语境中没有具体含义的文字，例如这个、那个，你我他，的得地，以及标点符合等等。因为没人在搜索的时候去用这些没意义的停用词搜索，为了使得分词效果更好，我就要把这些停用词过滤掉。
# 数据清理（分词和去掉停用词） def cleanWord(content): # 分词 seg = pkuseg....