导入自己的手机APP使用时长数据，统计各APP使用占比，输出需卸载的高频低价值APP。

完整输出一个可运行的 Python 项目示例，用于导入手机 APP 使用时长数据、统计各 APP 使用占比、输出需卸载的高频低价值 APP。

1. 实际应用场景描述

在智能手机普及的今天，许多人每天会在多个 APP 上花费大量时间，但往往并不清楚哪些 APP 真正带来了价值，哪些只是消耗时间的“低价值应用”。

例如：

- 某些社交或短视频 APP 占用大量时间，但对工作、学习帮助不大。

- 游戏类 APP 在某些时段频繁使用，影响生产力。

本程序基于大数据与智能管理课程中的数据采集、统计分析与决策支持方法，帮助用户导入手机 APP 使用时长数据、自动统计各 APP 使用占比、识别高频但低价值的 APP 并给出卸载建议，从而优化时间管理。

2. 痛点分析

- 数据分散：使用时长数据可能来自 iOS 屏幕使用时间、Android Digital Wellbeing 等不同来源，格式不统一。

- 缺乏统计：无法直观看到各 APP 的时间占比。

- 价值难判：即使知道某个 APP 用时多，也难以判断是否值得保留。

- 手动分析耗时：面对几十个 APP，人工判断非常低效。

3. 核心逻辑讲解

1. 数据导入：从 CSV 文件读取 APP 名称、使用时长（分钟）。

2. 总时长计算：统计所有 APP 的总使用时长。

3. 使用占比计算：

\text{占比} = \frac{\text{APP使用时长}}{\text{总时长}} \times 100\%

4. 低价值 APP 识别：

- 定义“高频”为使用时长排名前 30%。

- 定义“低价值”为不在白名单（如工作相关、学习工具、通讯软件）中的 APP。

5. 建议生成：列出高频低价值 APP，建议卸载或限制使用。

4. 代码模块化

项目结构

app_usage_analyzer/

├── main.py

├── app_data.py

├── analyzer.py

├── advisor.py

└── README.md

"app_data.py"

# APP 数据模块

import csv

DATA_FILE = "app_usage.csv"

def load_app_usage():

"""加载 APP 使用时长数据"""

data = []

try:

with open(DATA_FILE, 'r', encoding='utf-8') as f:

reader = csv.DictReader(f)

for row in reader:

data.append({

"app": row["app"],

"minutes": int(row["minutes"])

})

except FileNotFoundError:

pass

return data

"analyzer.py"

# 分析模块

from collections import Counter

def calculate_usage_percentage(data):

"""计算各 APP 使用占比"""

total_minutes = sum(item["minutes"] for item in data)

if total_minutes == 0:

return []

result = []

for item in data:

percentage = (item["minutes"] / total_minutes) * 100

result.append({

"app": item["app"],

"minutes": item["minutes"],

"percentage": round(percentage, 2)

})

# 按使用时长降序排序

result.sort(key=lambda x: x["minutes"], reverse=True)

return result

def get_high_frequency_apps(data, top_ratio=0.3):

"""获取高频使用的 APP 列表"""

if not data:

return []

sorted_data = sorted(data, key=lambda x: x["minutes"], reverse=True)

cutoff_index = int(len(sorted_data) * top_ratio)

return [item["app"] for item in sorted_data[:cutoff_index]]

"advisor.py"

# 建议模块

def generate_uninstall_advice(high_freq_apps, all_apps_with_percentage):

"""

生成卸载建议

"""

# 白名单：工作、学习、通讯类 APP（可根据需求自定义）

whitelist = {"微信", "钉钉", "企业微信", "邮箱", "WPS Office", "Notion"}

suggestions = []

for item in all_apps_with_percentage:

if item["app"] in high_freq_apps and item["app"] not in whitelist:

suggestions.append({

"app": item["app"],

"minutes": item["minutes"],

"percentage": item["percentage"]

})

if not suggestions:

return "恭喜！没有明显的高频低价值 APP，请继续保持合理的使用习惯。"

advice_text = "检测到以下高频低价值 APP，建议卸载或限制使用：\n"

for s in suggestions:

advice_text += f"- {s['app']}: 使用 {s['minutes']} 分钟/天, 占比 {s['percentage']}%\n"

advice_text += "\n建议：\n"

advice_text += "1. 将此类 APP 移至第二屏或文件夹，减少随手打开的概率。\n"

advice_text += "2. 设置使用时长限制（Screen Time / Digital Wellbeing）。\n"

advice_text += "3. 用更有价值的活动替代刷这些 APP 的时间。\n"

return advice_text

"main.py"

# 主程序入口

from app_data import load_app_usage

from analyzer import calculate_usage_percentage, get_high_frequency_apps

from advisor import generate_uninstall_advice

def main():

data = load_app_usage()

if not data:

print("未找到 APP 使用数据，请检查 app_usage.csv 文件。")

return

usage_stats = calculate_usage_percentage(data)

print("=== 各 APP 使用占比 ===")

for item in usage_stats:

print(f"{item['app']}: {item['minutes']} 分钟/天, 占比 {item['percentage']}%")

high_freq_apps = get_high_frequency_apps(data)

print("\n=== 卸载建议 ===")

print(generate_uninstall_advice(high_freq_apps, usage_stats))

if __name__ == "__main__":

main()

5. README.md

# App Usage Analyzer

一个基于 Python 的手机 APP 使用时长分析工具，可统计各 APP 使用占比并推荐需卸载的高频低价值 APP。

## 功能

- 导入 APP 使用时长数据

- 统计各 APP 使用占比

- 识别高频低价值 APP

- 生成卸载或限制使用建议

## 使用方法

1. 克隆或下载本项目

2. 准备 `app_usage.csv` 文件，格式如下：

app,minutes

抖音,120

微信,60

...

3. 运行：

bash

python main.py

## 项目结构

- `main.py`：主程序入口

- `app_data.py`：数据加载

- `analyzer.py`：统计分析

- `advisor.py`：建议生成

## 扩展方向

- 接入 iOS Screen Time / Android Digital Wellbeing API 自动获取数据

- 增加分类标签（社交、娱乐、工具等）进行更精细分析

- 使用 Matplotlib 绘制饼图或柱状图展示使用占比

6. 使用说明

1. 在项目根目录放置

"app_usage.csv" 文件，确保列名为

"app",

"minutes"。

2. 运行

"main.py"，程序会输出各 APP 使用占比和卸载建议。

3. 可根据需求修改

"whitelist" 白名单，调整低价值 APP 的判断标准。

7. 核心知识点卡片

知识点 说明

CSV 文件读取 用

"csv.DictReader" 读取结构化数据

占比计算 单个值 / 总值 × 100%

排序与筛选 按使用时长排序，取前 N% 作为高频

白名单机制 排除工作、学习、通讯等必要 APP

模块化设计 数据、分析、建议分离，便于维护

大数据思维 从日常使用数据中发现时间管理问题，指导行为优化

8. 总结

本项目将大数据与智能管理课程中的数据采集、统计分析、决策支持方法应用于个人时间管理，解决了APP 使用数据分散、价值难判、手动分析耗时的痛点。

通过模块化设计和清晰的分析逻辑，用户可以快速识别高频低价值 APP 并获得可执行的优化建议。未来可结合机器学习对 APP 进行自动分类，并接入真实设备数据，打造完整的数字生活管理助手。

如果你愿意，可以加上 Matplotlib 饼图展示 APP 使用占比 或 柱状图展示高频低价值 APP，让结果更直观。

利用AI高效解决实际问题，如果你觉得这个工具好用，欢迎关注我！