社交媒体用户行为分析代码

社交媒体用户行为分析通常涉及到数据收集、处理、挖掘和可视化，目的是理解用户的兴趣、活动模式、互动行为等。以下是一个简单的Python代码框架，使用Pandas库进行数据预处理，然后可能用到像NetworkX或Gephi进行网络分析，以及matplotlib或seaborn进行可视化：

# 导入必要的库
import pandas as pd
import numpy as np
from collections import Counter
import networkx as nx
import matplotlib.pyplot as plt

# 1. 数据加载和清洗
def load_data(file_path):
    df = pd.read_csv(file_path, parse_dates=['timestamp'])
    # 进行缺失值处理、异常值检测等
    df = df.dropna(subset=['user_id', 'activity'])
    return df

# 2. 数据统计与分析
def user_behavior_analysis(df):
    user_activity_counts = df['activity'].value_counts()
    most_common_activities = user_activity_counts.head(10)
    
    # 3. 创建社交网络图（如果有用户间的互动）
    if 'friend_id' in df.columns:
        G = nx.from_pandas_edgelist(df, source='user_id', target='friend_id')
        # 计算度中心性等网络指标
        degree_centrality = nx.degree_centrality(G)

    # 4. 可视化结果
    fig, axs = plt.subplots(2, 1, figsize=(10, 8))
    most_common_activities.plot(kind='bar', ax=axs)
    axs.set_title('Top 10 User Activities')
    if 'G' in locals():
        pos = nx.spring_layout(G)
        nx.draw_networkx_nodes(G, pos, with_labels=True)
        nx.draw_networkx_edges(G, pos, alpha=0.5)
        axs.axis('off')
        axs.set_title('Social Network of Users')

# 示例
data_file = 'social_media_data.csv'
df = load_data(data_file)
user_behavior_analysis(df)