洞悉群聊众生相：Python揭秘QQ群成员发言全景图

2023-12-05 12:46:50

在当今社交媒体时代，QQ群已成为人们交流、学习和娱乐的重要平台。群成员的发言内容、情绪状态和互动模式等，都蕴藏着丰富的信息和洞察。本文将利用Python强大的NLP能力，从QQ群成员发言入手，全面解读群聊生态，揭秘群聊众生相。

群成员发言总次数分析

首先，让我们从群成员发言总次数入手，看看谁是群聊中的活跃分子。我们可以使用Python的re正则表达式来提取群成员的发言记录，并统计发言次数。

import re

# 读取QQ群聊天记录文件
with open('qq_group_chat.txt', 'r') as f:
    chat_log = f.read()

# 提取群成员发言记录
pattern = r'\[([0-9]{10})\] (.*): (.*)'
members = {}
for match in re.finditer(pattern, chat_log):
    member_id = match.group(1)
    member_name = match.group(2)
    message = match.group(3)
    if member_id not in members:
        members[member_id] = {'name': member_name, 'count': 0}
    members[member_id]['count'] += 1

# 按发言次数排序
sorted_members = sorted(members.values(), key=lambda x: x['count'], reverse=True)

# 输出发言总次数前10的群成员
print('发言总次数前10的群成员：')
for member in sorted_members[:10]:
    print(f'{member["name"]}：{member["count"]}次')

运行以上代码，即可输出发言总次数前10的群成员。通过这个排名，我们可以发现哪些群成员在群聊中最为活跃，也能够反映群成员的参与度和影响力。

群成员情绪对比分析

接下来，我们来分析群成员的情绪状态。我们可以使用Python的snownlp库来对群成员的发言进行情感分析，并对结果进行可视化。

import snownlp

# 情感分析
for member_id, member_info in members.items():
    member_info['sentiments'] = []
    for message in member_info['messages']:
        s = snownlp.SnowNLP(message)
        member_info['sentiments'].append(s.sentiments)

# 情绪对比可视化
import matplotlib.pyplot as plt

plt.figure(figsize=(10, 5))
plt.bar(members.keys(), [member_info['sentiments'] for member_info in members.values()])
plt.xlabel('群成员')
plt.ylabel('平均情感得分')
plt.title('群成员情绪对比')
plt.show()

运行以上代码，即可生成群成员情绪对比的可视化图表。从图表中，我们可以看到群成员的情感分布情况，以及哪些群成员的情绪最为正面或负面。

单个群成员的发言词云状况分析

除了群成员整体的发言情况，我们还可以对单个群成员的发言内容进行更深入的分析。我们可以使用Python的jieba分词库来对群成员的发言进行分词，并生成词云图来展示群成员的发言重点。

import jieba
from wordcloud import WordCloud

# 分词
for member_id, member_info in members.items():
    member_info['words'] = []
    for message in member_info['messages']:
        words = jieba.cut(message)
        member_info['words'].extend(words)

# 生成词云图
for member_id, member_info in members.items():
    wordcloud = WordCloud().generate(' '.join(member_info['words']))
    plt.figure(figsize=(10, 5))
    plt.imshow(wordcloud)
    plt.axis('off')
    plt.title(f'{member_info["name"]}的发言词云')
    plt.show()

运行以上代码，即可生成单个群成员的发言词云图。从词云图中，我们可以看到群成员的发言重点和兴趣所在。

单个同学的发言情感走势分析

最后，我们还可以对单个群成员的发言情感进行走势分析。我们可以使用Python的numpy库来计算群成员发言情感的平均值，并生成折线图来展示群成员情感的变化趋势。

import numpy as np

# 情感走势分析
for member_id, member_info in members.items():
    member_info['sentiments_avg'] = np.average(member_info['sentiments'])

# 情感走势可视化
plt.figure(figsize=(10, 5))
plt.plot(members.keys(), [member_info['sentiments_avg'] for member_info in members.values()])
plt.xlabel('群成员')
plt.ylabel('平均情感得分')
plt.title('单个同学的发言情感走势')
plt.show()