如何使用Python對Instagram進行數(shù)據(jù)分析？

作者：Nour Galaby 2017-09-26 19:02:09

Instagram是最大的圖片分享社交媒體平臺，每月活躍用戶約五億，每日有九千五百萬的圖片和視頻被上傳到Instagram。其數(shù)據(jù)規(guī)模巨大，具有很大的潛能。本文將給出如何將Instagram作為數(shù)據(jù)源而非一個平臺，并介紹在項目中使用本文所給出的開發(fā)方法。

[[205045]]

我寫此文的目的在于展示以編程的方式使用Instagram的基本方法。我的方法可用于數(shù)據(jù)分析、計算機視覺以及任何你所能想到的酷炫項目中。

API和工具簡介

Instagram提供了官方API，但是這些API有些過時，并且當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。該API支持所有關(guān)鍵特性，例如點贊、加粉、上傳圖片和視頻等。它使用Python編寫，本文中我只關(guān)注數(shù)據(jù)端的操作。

我推薦使用Jupyter Notebook和IPython。使用官方Python雖然沒有問題，但是它不提供圖片顯示等特性。

安裝

你可以使用pip安裝該軟件庫，命令如下：

python -m pip install -e git+https://github.com/LevPasha/Instagram-API-python.git#egg=InstagramAPI

如果系統(tǒng)中尚未安裝ffmpeg，那么在Linux上，可以使用如下命令安裝：

sudo apt-get install ffmpeg

對于Windows系統(tǒng)，需在Python解釋器中運行如下命令：

import imageio 
 
imageio.plugins.ffmpeg.download()

下面使用API，實現(xiàn)登入Instragram：

from InstagramAPI import InstagramAPI 
 
username="YOURUSERNAME" 
 
InstagramAPI = InstagramAPI(username, "YOURPASSWORD") 
 
InstagramAPI.login()

如果登錄成功，那么你會收到“登陸成功”的消息。

基本請求

做好上面的準備工作后，我們可以著手實現(xiàn)首次請求：

InstagramAPI.getProfileData() 
 
result = InstagramAPI.LastJson

{u'status': u'ok', 
 u'user': {u'biography': u'', 
  u'birthday': None, 
  u'country_code': 20, 
  u'email': aaa@hotmail.com', 
  u'external_url': u'', 
  u'full_name': u'Nour Galaby', 
  u'gender': 1, 
  u'has_anonymous_profile_picture': False, 
  u'hd_profile_pic_url_info': {u'height': 1080, 
   u'url': u'https://instagram.fcai2-1.fna.fbcdn.net/t51.2885-1aaa7448121591_1aa.jpg', 
   u'width': 1080}, 
  u'hd_profile_pic_versions': [{u'height': 320, 
    u'url': u'https://instagram.fcai2-1.fna.fbcdn.net/t51.2885-19/s320x320/19aa23237_4337448121591_195310aaa32_a.jpg', 
    u'width': 320}, 
   {u'height': 640, 
    u'url': u'https://instagram.fcai2-1.fna.fbcdn.net/t51.2885-19/s640x640/19623237_45581744812153_44_a.jpg', 
    u'width': 640}], 
  u'is_private': True, 
  u'is_verified': False, 
  u'national_number': 122, 
  u'phone_number': u'+201220', 
  u'pk': 22412229, 
  u'profile_pic_id': u'1550239680720880455_22', 
  u'profile_pic_url': u'https://instagram.fcai2-1.fna.fbcdn.net/t51.2885-19/s150x150/19623237_455817448121591_195310166162_a.jpg', 
  u'show_conversion_edit_entry': False, 
  u'username': u'nourgalaby'}}

如上所示，結(jié)果是以JSON格式給出的，其中包括了所有請求的數(shù)據(jù)。

你可以使用正常的鍵值方式訪問結(jié)果數(shù)據(jù)。例如：

你也可以使用工具(例如Notepad++)查看JSON數(shù)據(jù)，并一探究竟。

獲取并查看Instagram時間線

下面讓我們實現(xiàn)一些更有用的功能。我們將請求排在時間線最后的帖子，并在Jupyter Notebook中查看。

下面代碼實現(xiàn)獲取時間線：

InstagramAPI.timelineFeed()

類似于前面的請求實現(xiàn)，我們同樣使用LastJson()查看結(jié)果。查看結(jié)果JSON數(shù)據(jù)，我們可以看到其中包括一系列稱為“條目”的鍵值。列表中的每個元素保存了時間線上特定帖子的信息，其中包括如下元素：

[text]：保存了標題下的帖子文本內(nèi)容，包括hashtag。
[likes]：帖子中的點贊數(shù)。
[created_at]：帖子創(chuàng)建時間。
[comments]：帖子的評論。
[image_versions]：保存有指向?qū)嶋HJPG文件的鏈接，可使用該鏈接在Jupyter Notebook中顯示圖片。

函數(shù)

函數(shù)Get_posts_from_list()和Get_url()在帖子列表上循環(huán)，查找每個帖子中的URL，并附加到我們的空列表中。

上述函數(shù)完成后，我們將得到一個URL列表，如下所示：

我們可以使用IPython.display模塊查看圖片，代碼如下：

在IPython Notebook中查看圖片是十分有用的功能，我們之后還會使用這些函數(shù)去查看結(jié)果，敬請繼續(xù)。

獲取最受歡迎的帖子

現(xiàn)在我們已經(jīng)知道了如何發(fā)出基本請求，但是如何實現(xiàn)更復雜的請求呢?下面我們要做一些類似的事情，即如何獲取我們的帖子中最受歡迎的。要實現(xiàn)這個目的，首先需要獲取當前登錄用戶的所有帖子，然后將帖子按點贊數(shù)排序。

獲取用戶的所有帖子

要獲取所有帖子，我們將使用next_max_id和more_avialable值在結(jié)果列表上執(zhí)行循環(huán)。

import time 
myposts=[] 
has_more_posts = True 
max_id="" 
 
while has_more_posts: 
    InstagramAPI.getSelfUserFeed(maxid=max_id) 
    if InstagramAPI.LastJson['more_available'] is not True: 
        has_more_posts = False #stop condition 
        print "stopped" 
 
    max_id = InstagramAPI.LastJson.get('next_max_id','') 
    myposts.extend(InstagramAPI.LastJson['items']) #merge lists 
    time.sleep(2) # Slows the script down to avoid flooding the servers  
 
print len(myposts)

保存和加載數(shù)據(jù)到磁盤

因為上面的請求可能需要很長的時間才能完成，我們并不想在沒有必要時運行它，因此好的做法是將結(jié)果保存起來，并在繼續(xù)工作時再次加載。為此，我們將使用Pickle。Pickle可以將任何變量序列化并保存到文件中，進而加載它們。下面給出一個工作例子：

保存：

import pickle 
filename=username+"_posts" 
pickle.dump(myposts,open(filename,"wb"))

加載：

import pickle 
 
filename="nourgalaby_posts" 
 
myposts=pickle.load(file=open(filename))

按點贊數(shù)排序

現(xiàn)在我們得到了一個名稱為“myposts”的有序字典。要實現(xiàn)根據(jù)字典中的某個鍵值排序，我們可以使用Lambda表達式，代碼如下：

myposts_sorted = sorted(myposts, key=lambda k: 
 
k['like_count'],reverse=True) 
 
top_posts=myposts_sorted[:10] 
 
bottom_posts=myposts_sorted[-10:]

如下代碼可以實現(xiàn)和上面一樣的顯示：

image_urls=get_images_from_list(top_posts) 
 
display_images_from_url(image_urls)

過濾圖片

我們可能想要對我們的帖子做一些過濾。例如，可能有的帖子中是視頻，但是我們只想要圖片帖子。我們可以這樣做過濾：

myposts_photos= filter(lambda k: k['media_type']==1, myposts) 
myposts_vids= filter(lambda k: k['media_type']==2, myposts) 
print len(myposts) 
print len(myposts_photos) 
print len(myposts_vids)

當然，你可以對結(jié)果中的任何變量做過濾，發(fā)揮你的創(chuàng)造力吧!

通知

InstagramAPI.getRecentActivity() 
get_recent_activity_response= InstagramAPI.LastJson  
for notifcation in get_recent_activity_response['old_stories']: 
    print notifcation['args']['text']

結(jié)果可能是：

userohamed3 liked your post. 
userhacker32 liked your post. 
user22 liked your post. 
userz77 liked your post. 
userwww77 started following you. 
user2222 liked your post. 
user23553 liked your post.

僅來自特定用戶的通知

現(xiàn)在，我們可以按我們的要求操作并玩轉(zhuǎn)通知。例如，我可以獲得來自于特定用戶的通知列表：

username="diana" 
for notifcation in get_recent_activity_response['old_stories']: 
    text = notifcation['args']['text'] 
    if username  in text: 
        print text

讓我們嘗試一些更有意思的操作，例如：得到你被點贊最多的時刻，一天中何時人們點贊最多。要實現(xiàn)這些操作，我們將繪制一個關(guān)系圖，顯示一天中的時刻和你所收到點贊數(shù)的關(guān)系。

下面的代碼繪制了通知的時間日期：

import pandas as pd 
df = pd.DataFrame({"date":dates}) 
df.groupby(df["date"].dt.hour).count().plot(kind="bar",title="Hour" )

正如在此例中所看到的，我在下午六點到十點間得到的點贊最多。如果你了解社交媒體，你就會知道這是高峰使用時間，大多數(shù)企業(yè)選取此時間段發(fā)帖以獲得最大的認可度。

獲取粉絲和被粉列表

下面我將獲取粉絲和跟帖列表，并在列表上執(zhí)行一些操作。

要使用getUserFollowings和getUserFollowers這兩個函數(shù)，你首先需要取得user_id。下面給出了一種獲取user_id的方式：

現(xiàn)在你可以如下調(diào)用函數(shù)。注意，如果粉絲數(shù)量非常大，你需要做多次請求(下文將詳細介紹)。現(xiàn)在我們做了一次請求去獲取粉絲和被粉列表。JSON結(jié)果中給出了用戶列表，其中包含每個粉絲和被粉者的信息。

InstagramAPI.getUserFollowings(user_id) 
 
print len(InstagramAPI.LastJson['users']) 
 
following_list=InstagramAPI.LastJson['users'] 
 
InstagramAPI.getUserFollowers(user_id) 
 
print len(InstagramAPI.LastJson['users']) 
 
followers_list=InstagramAPI.LastJson['users']

如果粉絲數(shù)量很大，那么給出的結(jié)果可能并非完整列表。

獲得所有的粉絲

獲得所有粉絲列表類似于獲得所有帖子。我們將發(fā)出一個請求，然后對結(jié)果使用next_max_id鍵值做迭代處理。

在此感謝Francesc Garcia所提供的支持。

import time 
 
followers   = [] 
next_max_id = True 
while next_max_id: 
    print next_max_id 
    #first iteration hack 
    if next_max_id == True: next_max_id='' 
    _ = InstagramAPI.getUserFollowers(user_id,maxid=next_max_id) 
    followers.extend ( InstagramAPI.LastJson.get('users',[])) 
    next_max_id = InstagramAPI.LastJson.get('next_max_id','') 
    time.sleep(1)  
 
followers_list=followers

對于被粉列表也可以同樣做，但是我并不會這樣做，因為就我而言，一次請求就足以獲取我的所有被粉者。

現(xiàn)在我們得到了JSON格式的所有粉絲和被粉者的列表數(shù)據(jù)。我將轉(zhuǎn)化該列表為一種對用戶更友好的數(shù)據(jù)類型，即集合，以方便在數(shù)據(jù)上做一系列的操作。

我只取其中的“username”鍵值，并在其上使用set()。

user_list = map(lambda x: x['username'] , following_list) 
following_set= set(user_list) 
print len(following_set) 
 
user_list = map(lambda x: x['username'] , followers_list) 
followers_set= set(user_list) 
print len(followers_set)

這里我選取了所有用戶名的集合。對“full_name”也可同樣操作，并且結(jié)果更為用戶友好。但是結(jié)果可能并非唯一，因為一些用戶可能沒有提供全名。

現(xiàn)在我們得到了兩個集合。我們可以做如下操作：

這里我給出了粉絲的一些統(tǒng)計數(shù)字。你可以做很多事情，例如保存粉絲列表并稍后做對比，以了解掉粉的情況。

上面我們給出了可對Instagram數(shù)據(jù)進行的操作。我希望你已經(jīng)學會了如何使用Instagram API，并具備了一些使用這些API可以做哪些事情的基本想法。敬請關(guān)注一下官方API，它們依然在開發(fā)中，未來你可以使用它們做更多的事情。如有任何疑問或建議，歡迎聯(lián)系我。

責任編輯：龐桂玉來源： 36大數(shù)據(jù)