如何使用Python對Instagram進行數據分析？

作者：Nour Galaby

我寫此文的目的在於展示以編程的方式使用Instagram的基本方法。我的方法可用於數據分析、計算機視覺以及任何你所能想到的酷炫項目中。

Instagram是最大的圖片分享社交媒體平台，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。其數據規模巨大，具有很大的潛能。本文將給出如何將Instagram作為數據源而非一個平台，並介紹在項目中使用本文所給出的開發方法。

API和工具簡介

Instagram提供了官方API，但是這些API有些過時，並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，本文中我只關注數據端的操作。

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安裝該軟體庫，命令如下：

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

如果系統中尚未安裝ffmpeg，那麼在Linux上，可以使用如下命令安裝：

sudo apt-get install ffmpeg

對於Windows系統，需在Python解釋器中運行如下命令：

下面使用API，實現登入Instragram：

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

如果登錄成功，那麼你會收到「登陸成功」的消息。

基本請求

做好上面的準備工作後，我們可以著手實現首次請求：

InstagramAPI.getProfileData() result = InstagramAPI.LastJson, u'hd_profile_pic_versions': [, ], 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，結果是以JSON格式給出的，其中包括了所有請求的數據。

你可以使用正常的鍵值方式訪問結果數據。例如：

你也可以使用工具（例如Notepad++）查看JSON數據，並一探究竟。

獲取並查看Instagram時間線

下面讓我們實現一些更有用的功能。我們將請求排在時間線最後的帖子，並在Jupyter Notebook中查看。

下面代碼實現獲取時間線：

InstagramAPI.timelineFeed()

類似於前面的請求實現，我們同樣使用LastJson()查看結果。查看結果JSON數據，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容，包括hashtag。

[likes]：帖子中的點贊數。

[created_at]：帖子創建時間。

[comments]：帖子的評論。

[image_versions]：保存有指向實際JPG文件的鏈接，可使用該鏈接在Jupyter Notebook中顯示圖片。

函數

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

上述函數完成後，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，我們之後還會使用這些函數去查看結果，敬請繼續。

獲取最受歡迎的帖子

現在我們已經知道了如何發出基本請求，但是如何實現更複雜的請求呢？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。要實現這個目的，首先需要獲取當前登錄用戶的所有帖子，然後將帖子按點贊數排序。

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值在結果列表上執行循環。

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)

保存和載入數據到磁碟

因為上面的請求可能需要很長的時間才能完成，我們並不想在沒有必要時運行它，因此好的做法是將結果保存起來，並在繼續工作時再次載入。為此，我們將使用Pickle。Pickle可以將任何變數序列化並保存到文件中，進而載入它們。下面給出一個工作例子：

保存：

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

載入：

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

按點贊數排序

現在我們得到了一個名稱為「myposts」的有序字典。要實現根據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，你可以對結果中的任何變數做過濾，發揮你的創造力吧！

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

現在，我們可以按我們的要求操作並玩轉通知。例如，我可以獲得來自於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。要實現這些操作，我們將繪製一個關係圖，顯示一天中的時刻和你所收到點贊數的關係。

下面的代碼繪製了通知的時間日期：

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，大多數企業選取此時間段發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，並在列表上執行一些操作。

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

現在你可以如下調用函數。注意，如果粉絲數量非常大，你需要做多次請求（下文將詳細介紹）。現在我們做了一次請求去獲取粉絲和被粉列表。JSON結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']

如果粉絲數量很大，那麼給出的結果可能並非完整列表。

獲得所有的粉絲

獲得所有粉絲列表類似於獲得所有帖子。我們將發出一個請求，然後對結果使用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

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

現在我們得到了JSON格式的所有粉絲和被粉者的列表數據。我將轉化該列表為一種對用戶更友好的數據類型，即集合，以方便在數據上做一系列的操作。

我只取其中的「username」鍵值，並在其上使用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)

這裡我選取了所有用戶名的集合。對「full_name」也可同樣操作，並且結果更為用戶友好。但是結果可能並非唯一，因為一些用戶可能沒有提供全名。

現在我們得到了兩個集合。我們可以做如下操作：

這裡我給出了粉絲的一些統計數字。你可以做很多事情，例如保存粉絲列表並稍後做對比，以了解掉粉的情況。

上面我們給出了可對Instagram數據進行的操作。我希望你已經學會了如何使用Instagram API，並具備了一些使用這些API可以做哪些事情的基本想法。敬請關注一下官方API，它們依然在開發中，未來你可以使用它們做更多的事情。如有任何疑問或建議，歡迎聯繫我。

End.

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！