1. 首页
  2. 数据挖掘

如何使用Python对Instagram进行数据分析?

如何使用Python对Instagram进行数据分析?

我写此文的目的在于展示以编程的方式使用Instagram的基本方法。我的方法可用于数据分析、计算机视觉以及任何你所能想到的酷炫项目中。

Instagram是最大的图片分享社交媒体平台,每月活跃用户约五亿,每日有九千五百万的图片和视频被上传到Instagram。其数据规模巨大,具有很大的潜能。本文将给出如何将Instagram作为数据源而非一个平台,并介绍在项目中使用本文所给出的开发方法。

API和工具简介

Instagram提供了官方API,但是这些API有些过时,并且当前所提供的功能也非常有限。因此在本文中,我使用了LevPasha提供的非Instagram官方API。该API支持所有关键特性,例如点赞、加粉、上传图片和视频等。它使用Python编写,本文中我只关注数据端的操作。

我推荐使用Jupyter Notebook和IPython。使用官方Python虽然没有问题,但是它不提供图片显示等特性。

安装

你可以使用pip安装该软件库,命令如下:

  1. python-mpipinstall-egit+https://github.com/LevPasha/Instagram-API-python.git#egg=InstagramAPI

如果系统中尚未安装ffmpeg,那么在Linux上,可以使用如下命令安装:

  1. sudoapt-getinstallffmpeg

对于Windows系统,需在Python解释器中运行如下命令:

  1. importimageio

  2. imageio.plugins.ffmpeg.download()

下面使用API,实现登入Instragram:

  1. fromInstagramAPIimportInstagramAPI

  2. username="YOURUSERNAME"

  3. InstagramAPI=InstagramAPI(username,"YOURPASSWORD")

  4. InstagramAPI.login()

如果登录成功,那么你会收到“登陆成功”的消息。

基本请求

做好上面的准备工作后,我们可以着手实现首次请求:

  1. InstagramAPI.getProfileData()

  2. result=InstagramAPI.LastJson

  1. {u'status':u'ok',

  2. u'user':{u'biography':u'',

  3. u'birthday':None,

  4. u'country_code':20,

  5. u'email':aaa@hotmail.com',

  6. u'external_url':u'',

  7. u'full_name':u'NourGalaby',

  8. u'gender':1,

  9. u'has_anonymous_profile_picture':False,

  10. u'hd_profile_pic_url_info':{u'height':1080,

  11. u'url':u'https://instagram.fcai2-1.fna.fbcdn.net/t51.2885-1aaa7448121591_1aa.jpg',

  12. u'width':1080},

  13. u'hd_profile_pic_versions':[{u'height':320,

  14. u'url':u'https://instagram.fcai2-1.fna.fbcdn.net/t51.2885-19/s320x320/19aa23237_4337448121591_195310aaa32_a.jpg',

  15. u'width':320},

  16. {u'height':640,

  17. u'url':u'https://instagram.fcai2-1.fna.fbcdn.net/t51.2885-19/s640x640/19623237_45581744812153_44_a.jpg',

  18. u'width':640}],

  19. u'is_private':True,

  20. u'is_verified':False,

  21. u'national_number':122,

  22. u'phone_number':u'+201220',

  23. u'pk':22412229,

  24. u'profile_pic_id':u'1550239680720880455_22',

  25. u'profile_pic_url':u'https://instagram.fcai2-1.fna.fbcdn.net/t51.2885-19/s150x150/19623237_455817448121591_195310166162_a.jpg',

  26. u'show_conversion_edit_entry':False,

  27. u'username':u'nourgalaby'}}

如上所示,结果是以JSON格式给出的,其中包括了所有请求的数据。

你可以使用正常的键值方式访问结果数据。例如:

如何使用Python对Instagram进行数据分析?

你也可以使用工具(例如Notepad++)查看JSON数据,并一探究竟。

获取并查看Instagram时间线

下面让我们实现一些更有用的功能。我们将请求排在时间线最后的帖子,并在Jupyter Notebook中查看。

下面代码实现获取时间线:

1.InstagramAPI.timelineFeed()

类似于前面的请求实现,我们同样使用LastJson()查看结果。查看结果JSON数据,我们可以看到其中包括一系列称为“条目”的键值。列表中的每个元素保存了时间线上特定帖子的信息,其中包括如下元素:

[text]:保存了标题下的帖子文本内容,包括hashtag。

[likes]:帖子中的点赞数。

[created_at]:帖子创建时间。

[comments]:帖子的评论。

[image_versions]:保存有指向实际JPG文件的链接,可使用该链接在Jupyter Notebook中显示图片。

函数

函数Get_posts_from_list()和Get_url()在帖子列表上循环,查找每个帖子中的URL,并附加到我们的空列表中。

上述函数完成后,我们将得到一个URL列表,如下所示:

如何使用Python对Instagram进行数据分析?

我们可以使用IPython.display模块查看图片,代码如下:

如何使用Python对Instagram进行数据分析?

如何使用Python对Instagram进行数据分析?

在IPython Notebook中查看图片是十分有用的功能,我们之后还会使用这些函数去查看结果,敬请继续。

获取最受欢迎的帖子

现在我们已经知道了如何发出基本请求,但是如何实现更复杂的请求呢?下面我们要做一些类似的事情,即如何获取我们的帖子中最受欢迎的。要实现这个目的,首先需要获取当前登录用户的所有帖子,然后将帖子按点赞数排序。

获取用户的所有帖子

要获取所有帖子,我们将使用next_max_id和more_avialable值在结果列表上执行循环。

  1. importtime

  2. myposts=[]

  3. has_more_posts=True

  4. max_id=""

  5. whilehas_more_posts:

  6. InstagramAPI.getSelfUserFeed(maxid=max_id)

  7. ifInstagramAPI.LastJson['more_available']isnotTrue:

  8. has_more_posts=False#stopcondition

  9. print"stopped"

  10. max_id=InstagramAPI.LastJson.get('next_max_id','')

  11. myposts.extend(InstagramAPI.LastJson['items'])#mergelists

  12. time.sleep(2)#Slowsthescriptdowntoavoidfloodingtheservers

  13. printlen(myposts)

保存和加载数据到磁盘

因为上面的请求可能需要很长的时间才能完成,我们并不想在没有必要时运行它,因此好的做法是将结果保存起来,并在继续工作时再次加载。为此,我们将使用Pickle。Pickle可以将任何变量序列化并保存到文件中,进而加载它们。下面给出一个工作例子:

保存:

  1. importpickle

  2. filename=username+"_posts"

  3. pickle.dump(myposts,open(filename,"wb"))

加载:

  1. importpickle

  2. filename="nourgalaby_posts"

  3. myposts=pickle.load(file=open(filename))

按点赞数排序

现在我们得到了一个名称为“myposts”的有序字典。要实现根据字典中的某个键值排序,我们可以使用Lambda表达式,代码如下:

  1. myposts_sorted=sorted(myposts,key=lambdak:

  2. k['like_count'],reverse=True)

  3. top_posts=myposts_sorted[:10]

  4. bottom_posts=myposts_sorted[-10:]

如下代码可以实现和上面一样的显示:

  1. image_urls=get_images_from_list(top_posts)

  2. display_images_from_url(image_urls)

过滤图片

我们可能想要对我们的帖子做一些过滤。例如,可能有的帖子中是视频,但是我们只想要图片帖子。我们可以这样做过滤:

  1. myposts_photos=filter(lambdak:k['media_type']==1,myposts)

  2. myposts_vids=filter(lambdak:k['media_type']==2,myposts)

  3. printlen(myposts)

  4. printlen(myposts_photos)

  5. printlen(myposts_vids)

当然,你可以对结果中的任何变量做过滤,发挥你的创造力吧!

通知

  1. InstagramAPI.getRecentActivity()

  2. get_recent_activity_response=InstagramAPI.LastJson

  3. fornotifcationinget_recent_activity_response['old_stories']:

  4. printnotifcation['args']['text']

结果可能是:

  1. userohamed3likedyourpost.

  2. userhacker32likedyourpost.

  3. user22likedyourpost.

  4. userz77likedyourpost.

  5. userwww77startedfollowingyou.

  6. user2222likedyourpost.

  7. user23553likedyourpost.

仅来自特定用户的通知

现在,我们可以按我们的要求操作并玩转通知。例如,我可以获得来自于特定用户的通知列表:

  1. username="diana"

  2. fornotifcationinget_recent_activity_response['old_stories']:

  3. text=notifcation['args']['text']

  4. ifusernameintext:

  5. printtext

让我们尝试一些更有意思的操作,例如:得到你被点赞最多的时刻,一天中何时人们点赞最多。要实现这些操作,我们将绘制一个关系图,显示一天中的时刻和你所收到点赞数的关系。

下面的代码绘制了通知的时间日期:

  1. importpandasaspd

  2. df=pd.DataFrame({"date":dates})

  3. df.groupby(df["date"].dt.hour).count().plot(kind="bar",title="Hour")

如何使用Python对Instagram进行数据分析?

正如在此例中所看到的,我在下午六点到十点间得到的点赞最多。如果你了解社交媒体,你就会知道这是高峰使用时间,大多数企业选取此时间段发帖以获得最大的认可度。

获取粉丝和被粉列表

下面我将获取粉丝和跟帖列表,并在列表上执行一些操作。

要使用getUserFollowings和getUserFollowers这两个函数,你首先需要取得user_id。下面给出了一种获取user_id的方式:

如何使用Python对Instagram进行数据分析?

现在你可以如下调用函数。注意,如果粉丝数量非常大,你需要做多次请求(下文将详细介绍)。现在我们做了一次请求去获取粉丝和被粉列表。JSON结果中给出了用户列表,其中包含每个粉丝和被粉者的信息。

  1. InstagramAPI.getUserFollowings(user_id)

  2. printlen(InstagramAPI.LastJson['users'])

  3. following_list=InstagramAPI.LastJson['users']

  4. InstagramAPI.getUserFollowers(user_id)

  5. printlen(InstagramAPI.LastJson['users'])

  6. followers_list=InstagramAPI.LastJson['users']

如果粉丝数量很大,那么给出的结果可能并非完整列表。

获得所有的粉丝

获得所有粉丝列表类似于获得所有帖子。我们将发出一个请求,然后对结果使用next_max_id键值做迭代处理。

在此感谢Francesc Garcia所提供的支持。

  1. importtime

  2. followers=[]

  3. next_max_id=True

  4. whilenext_max_id:

  5. printnext_max_id

  6. #firstiterationhack

  7. ifnext_max_id==True:next_max_id=''

  8. _=InstagramAPI.getUserFollowers(user_id,maxid=next_max_id)

  9. followers.extend(InstagramAPI.LastJson.get('users',[]))

  10. next_max_id=InstagramAPI.LastJson.get('next_max_id','')

  11. time.sleep(1)

  12. followers_list=followers

对于被粉列表也可以同样做,但是我并不会这样做,因为就我而言,一次请求就足以获取我的所有被粉者。

现在我们得到了JSON格式的所有粉丝和被粉者的列表数据。我将转化该列表为一种对用户更友好的数据类型,即集合,以方便在数据上做一系列的操作。

我只取其中的“username”键值,并在其上使用set()。

  1. user_list=map(lambdax:x['username'],following_list)

  2. following_set=set(user_list)

  3. printlen(following_set)

  4. user_list=map(lambdax:x['username'],followers_list)

  5. followers_set=set(user_list)

  6. printlen(followers_set)

这里我选取了所有用户名的集合。对“full_name”也可同样操作,并且结果更为用户友好。但是结果可能并非唯一,因为一些用户可能没有提供全名。

现在我们得到了两个集合。我们可以做如下操作:

如何使用Python对Instagram进行数据分析?

这里我给出了粉丝的一些统计数字。你可以做很多事情,例如保存粉丝列表并稍后做对比,以了解掉粉的情况。

上面我们给出了可对Instagram数据进行的操作。我希望你已经学会了如何使用Instagram API,并具备了一些使用这些API可以做哪些事情的基本想法。敬请关注一下官方API,它们依然在开发中,未来你可以使用它们做更多的事情。如有任何疑问或建议,欢迎联系我。

END.

来源:数盟

原文始发于微信公众号(PPV课数据科学社区):如何使用Python对Instagram进行数据分析?

原创文章,作者:ppvke,如若转载,请注明出处:http://www.ppvke.com/archives/9733

联系我们

4000-51-9191

在线咨询:点击这里给我发消息

工作时间:周一至周五,9:30-18:30,节假日休息