摘要：隨著機(jī)器學(xué)習(xí)在分析社交媒體趨勢(shì)的數(shù)據(jù)科學(xué)家中風(fēng)靡一時(shí)，在這一領(lǐng)域變得非常流行的一種特殊技術(shù)是網(wǎng)絡(luò)分析。一個(gè)場(chǎng)景，例如，很明顯誰(shuí)將贏得總統(tǒng)職位，或英國(guó)投票退出歐盟?？梢酝ㄟ^(guò)使用機(jī)器學(xué)習(xí)技術(shù)來(lái)分析來(lái)自社交網(wǎng)絡(luò)的流數(shù)據(jù)并從該數(shù)據(jù)進(jìn)行有意義的預(yù)測(cè)。

來(lái)源 | 愿碼(ChainDesk.CN)內(nèi)容編輯
愿碼Slogan | 連接每個(gè)程序員的故事
網(wǎng)站 | http://chaindesk.cn

愿碼愿景 | 打造全學(xué)科IT系統(tǒng)免費(fèi)課程，助力小白用戶、初級(jí)工程師0成本免費(fèi)系統(tǒng)學(xué)習(xí)、低成本進(jìn)階，幫助BAT一線資深工程師成長(zhǎng)并利用自身優(yōu)勢(shì)創(chuàng)造睡后收入。
官方公眾號(hào) | 愿碼 | 愿碼服務(wù)號(hào) | 區(qū)塊鏈部落
免費(fèi)加入愿碼全思維工程師社群 | 任一公眾號(hào)回復(fù)“愿碼”兩個(gè)字獲取入群二維碼

本文閱讀時(shí)長(zhǎng)：9min

本文說(shuō)明了如何運(yùn)用Python API使用Twitter庫(kù)連接到Twitter帳戶。具體來(lái)說(shuō)，此API允許用戶提取與特定Twitter帳戶相關(guān)的大量數(shù)據(jù)，以及通過(guò) Python 管理 Twitter 的帖子（例如一次發(fā)布多個(gè)推文）。

即使你是 Python 的初學(xué)者， 使用 Twitter Python 依賴包在分析方面也非常有用。例如，雖然Web開(kāi)發(fā)人員可能更傾向于使用PHP等語(yǔ)言來(lái)連接API，但Python可以更靈活地分析數(shù)據(jù)的趨勢(shì)和統(tǒng)計(jì)數(shù)據(jù)。因此，數(shù)據(jù)科學(xué)家和其他分析師會(huì)發(fā)現(xiàn)Python更適合這個(gè)目的。

我們將從Python連接到Twitter API的一些基本步驟開(kāi)始，然后查看如何流式傳輸所需的數(shù)據(jù)。需要注意的是，雖然Twitter庫(kù)（以及其他Python庫(kù)，如Tweepy和Twython）可以使用數(shù)據(jù)執(zhí)行大量不同的任務(wù)，但我們將專注于本文中的一些更基本（和有用）的查詢，解決以下問(wèn)題：

使用適當(dāng)?shù)膽{據(jù)將Python連接到Twitter API

下載與特定帳戶關(guān)聯(lián)的推文

下載帳戶的所有關(guān)注和關(guān)注用戶的列表

一次發(fā)布多條推文

在Twitter上自定義搜索特定術(shù)語(yǔ)的實(shí)例。

本教程使用iPython作為Python接口連接到Twitter。為了連接到API，我們需要獲取Consumer Key，Consumer Secret和Access Token Secret。

要獲得這些，您需要在apps.twitter.com上登錄您的帳戶。到那里后，系統(tǒng)會(huì)提示您創(chuàng)建一個(gè)應(yīng)用程序：

創(chuàng)建應(yīng)用程序后，您將在Keys and Access Tokens部分下找到相關(guān)的密鑰和令牌。

首先，我們?cè)诮K端中安裝python-twitter庫(kù)，如下所示：

pip install python twitter

完成后，我們導(dǎo)入Twitter庫(kù)并輸入憑據(jù)，如下所示：

import twitter
api = twitter.Api(consumer_key="your_consumer_key",
  consumer_secret="your_consumer_secret",
    access_token_key="your_access_token_key",
    access_token_secret="your_access_token_secret")

print(api.VerifyCredentials())

輸入正確的憑證后，與API的連接即告完成，我們現(xiàn)在可以通過(guò)Python平臺(tái)控制我們的Twitter帳戶！

現(xiàn)在我們已經(jīng)將Python連接到Twitter API，我們可以繼續(xù)開(kāi)始遠(yuǎn)程使用不同的Twitter功能。例如，如果我們希望下載推文的用戶時(shí)間線，我們使用如下方法（并指定相應(yīng)帳戶的屏幕名稱），然后使用該功能顯示結(jié)果：

statuses = api.GetUserTimeline(screen_name="Michael Grogan")
print([s.text for s in statuses])

一旦我們輸入了上述內(nèi)容，我們就會(huì)在Python界面中看到相應(yīng)的時(shí)間軸：

Twitter庫(kù)還使我們能夠下載特定用戶正在關(guān)注的帳戶列表，以及作為該特定用戶的關(guān)注者的帳戶。為此，我們使用前者，后者使用：

users = api.GetFriends()
print([u.name for u in users])

followers = api.GetFollowers()
print([f.name for f in followers])

請(qǐng)注意，我們還可以設(shè)置我們希望獲取的用戶數(shù)的上限。例如，如果我們希望為任何特定帳戶獲取100個(gè)關(guān)注者，我們可以通過(guò)向total_count函數(shù)添加變量來(lái)實(shí)現(xiàn)，如下所示：

followers = api.GetFollowers(total_count=100)
print([f.name for f in followers])

使用Twitter API的一個(gè)巧妙之處是能夠一次發(fā)布多條推文。例如，我們可以使用該命令同時(shí)發(fā)布以下兩條推文（同樣，使用該功能進(jìn)行確認(rèn)）。一旦我們轉(zhuǎn)到相關(guān)的Twitter帳戶，我們就會(huì)看到這兩條推文都已發(fā)布：

status = api.PostUpdate("How to calculate the Variance Inflation Factor in R: http://www.michaeljgrogan.com/ordinary-least-squares-an-analysis-of-stock-returns/ #rstats #datascience #programming")
print(status.text)

status = api.PostUpdate("#BigData Scientists Earn 10X to 15X More Money Compared to Engineers, CAs http://bit.ly/1NoAgto  #datascience")
print(status.text)

Twitter庫(kù)中包含的getsearch（）函數(shù)是一個(gè)特別強(qiáng)大的工具。此功能允許我們?cè)赥witter上搜索特定術(shù)語(yǔ)。請(qǐng)注意，這適用于已輸入特定術(shù)語(yǔ)的所有用戶，而不僅僅是我們?cè)赑ython中提供憑據(jù)的帳戶。

例如，讓我們?cè)赑ython中搜索術(shù)語(yǔ)“bigdata”。我們?cè)O(shè)置的參數(shù)是自2016年11月21日起包含該術(shù)語(yǔ)的推文，我們選擇限制流式傳輸?shù)耐莆臄?shù)量為10：

api.GetSearch(term="bigdata", since=2016-11-21, count=10)

請(qǐng)注意，我們可以通過(guò)各種方式自定義GetSearch()函數(shù)，具體取決于我們希望如何提取數(shù)據(jù)。例如，如果沒(méi)有指定日期，這將花費(fèi)更長(zhǎng)的時(shí)間來(lái)流式傳輸，我們也可以選擇在2016年11月21日之前收集包含術(shù)語(yǔ)“bigdata”的推文，如下所示：

api.GetSearch(term="bigdata", until=2016-11-21, count=10)

值得注意的是，此函數(shù)在我們?cè)趗ntil變量下指定的日期之前下載最多7天的數(shù)據(jù)。

此外，我們不僅限于僅通過(guò)術(shù)語(yǔ)搜索GetSearch。例如，假設(shè)我們希望通過(guò)地理位置搜索推文 - 特別是自11月18日以來(lái)在紐約時(shí)代廣場(chǎng)1英里范圍內(nèi)發(fā)送的推文（請(qǐng)注意，距離可以使用mi或km分別以英里或公里格式化）：

api.GetSearch(geocode="40.758896,-73.985130,1mi", since=2016-11-18)

運(yùn)行該函數(shù)后，我們看到Python返回以下推文（當(dāng)然，還有什么更好的地方可以找到Donald Trump?。篏etSearch()

如前所述，Python對(duì)流式社交網(wǎng)絡(luò)數(shù)據(jù)極具吸引力的一個(gè)特殊原因是能夠?qū)ξ覀兪占男畔⑦M(jìn)行深入的數(shù)據(jù)分析。

例如，我們已經(jīng)看到了如何使用位置搜索推文GetSearch。隨著機(jī)器學(xué)習(xí)在分析社交媒體趨勢(shì)的數(shù)據(jù)科學(xué)家中風(fēng)靡一時(shí)，在這一領(lǐng)域變得非常流行的一種特殊技術(shù)是網(wǎng)絡(luò)分析。這種技術(shù)實(shí)際上可以顯示分散的數(shù)據(jù)（或節(jié)點(diǎn)）以形成緊密的網(wǎng)絡(luò)，通常某些節(jié)點(diǎn)被證明是一個(gè)焦點(diǎn)。例如，假設(shè)我們要分析全球十個(gè)不同地點(diǎn)的1000條最受歡迎的推文。

在隨機(jī)的某一天，盡管我們看到網(wǎng)絡(luò)中不同推文之間存在一些相關(guān)性，但我們可能仍會(huì)發(fā)現(xiàn)倫敦推文上的主題標(biāo)簽與紐約推文的主題標(biāo)簽差別很大。然而，在美國(guó)大選之夜或英國(guó)退歐這樣的重大世界事件中，當(dāng)Twitter對(duì)這一特定主題發(fā)展趨勢(shì)時(shí)，發(fā)現(xiàn)網(wǎng)絡(luò)往往更加緊密，因此，在這種情況下，情感分析的機(jī)會(huì)更多。一個(gè)場(chǎng)景，例如，很明顯誰(shuí)將贏得總統(tǒng)職位，或英國(guó)投票退出歐盟。人們通常會(huì)看到網(wǎng)絡(luò)以不同的方式聚集，這取決于趨勢(shì)推文，因?yàn)榭梢垣@得更多的實(shí)時(shí)信息。

這只是Python的優(yōu)勢(shì)之一。雖然使用API連接到Twitter（可以在許多編程語(yǔ)言中完成）是一回事，但是能夠使用分析以有意義的方式對(duì)數(shù)據(jù)進(jìn)行排序是另一回事。可以通過(guò)Python使用機(jī)器學(xué)習(xí)技術(shù)來(lái)分析來(lái)自社交網(wǎng)絡(luò)的流數(shù)據(jù)并從該數(shù)據(jù)進(jìn)行有意義的預(yù)測(cè)。

模塊文檔提供了可用于Python下載，過(guò)濾和操作數(shù)據(jù)的不同功能的非常詳細(xì)的描述。最后，雖然我們還研究了使用API直接發(fā)布到Twitter的方法，但上述技術(shù)在分析趨勢(shì)時(shí)尤其有用，例如標(biāo)簽流行度，按位置搜索術(shù)語(yǔ)的頻率等等。在這方面，通過(guò)Python與Twitter交互對(duì)于那些希望對(duì)收集的信息實(shí)施數(shù)據(jù)分析技術(shù)的人特別有用。

當(dāng)然，與Twitter的API交互可以使用多種語(yǔ)言完成，具體取決于您的最終目標(biāo)。如果目標(biāo)是Web開(kāi)發(fā)或設(shè)計(jì)，那么PHP或Ruby可能是您最好的選擇。但是，如果您的目標(biāo)是使用從Twitter獲得的數(shù)據(jù)進(jìn)行有意義的分析，那么Python就是不二之選。