利用python进行微信好友数据分析

昨天无意中看到一篇文章《基于Python实现的微信好友数据分析》，感觉很有趣，就想自己尝试一下。也不太清楚原作者是谁了，也是公众号转载的，基于原问题进行了代码的优化。
    微信是目前我们用的最多的社交软件，古语云“观其友而知其人”。对微信好友的数据分析也是对自身的一种分析。

一、本文将引用多个第三方模块，引用如下：import itchat
import numpy as np
import os
from collections import Counter
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']#绘图时可以显示中文
plt.rcParams['axes.unicode_minus']=False#绘图时可以显示中文
import TencentYoutuyun
from wordcloud import WordCloud,STOPWORDS,ImageColorGenerator
from PIL import Image
import time
import re
import snownlp
import jieba
import jieba.analyse

import pandas as pd

本人用的python3，以上模块除了TencentYoutuyun和wordcloud,均可以通过pip install 安装。
（1）TencentYoutuyun安装：点击打开链接
（2）wordcloud安装：
访问https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud下载对应版本的安装包，将下载的安装包保存在工作目录下，直接使用pip install 文件名
二、登录微信，获取好友数据：if __name__ == "__main__":
itchat.auto_login(hotReload=True)
friends = itchat.get_friends(update=True)三、微信好友数据分析：
1、性别分析
    
def fun_analyse_sex(friends):
sexs = list(map(lambda x:x['Sex'],friends[1:]))#收集性别数据
counts = list(map(lambda x:x[1],Counter(sexs).items()))#统计不同性别的数量
counts = sorted(counts)
labels = ['保密','男','女']#2:女，1：男，0：保密
colors = ['red','yellow','blue']
plt.figure(figsize=(8,5), dpi=80)
plt.axes(aspect=1)
plt.pie(counts, #性别统计结果
labels=labels, #性别展示标签
colors=colors, #饼图区域配色
labeldistance = 1.1, #标签距离圆点距离
autopct = '%3.1f%%', #饼图区域文本格式
shadow = False, #饼图是否显示阴影
startangle = 90, #饼图起始角度
pctdistance = 0.6 #饼图区域文本距离圆点距离
)
plt.legend(loc='upper left')#标签位置
plt.title(u'%s的微信好友性别比例' % friends[0]['NickName'])
plt.show()结果如下：


男女比例还是均衡的。
2、头像分析
头像分析有两部分，（1）头像是否是人脸；（2）头像标签的词云
（1）第一部分将会用到腾讯优图提供的人脸识别API，需要自己注册获得appid。详细使用文档：点击打开链接def fun_analyse_HeadImage(friends):
basePath = os.path.abspath('.')#程序的存储位置
baseFolder = basePath + '\\HeadImages\\'#创建存储图片的文件夹的位置
if(os.path.exists(baseFolder) == False):
os.makedirs(baseFolder)
else:
pass
use_face = 0#使用人脸
not_use_face = 0#未使用人脸
appid = '你的appid'
secret_id = '你的secret_id'
secret_key = '你的secret_key'
end_point = TencentYoutuyun.conf.API_YOUTU_END_POINT
youtu = TencentYoutuyun.YouTu(appid, secret_id, secret_key,end_point)
image_tags = ""
for index in range(1,len(friends)):
friend = friends[index]
#保存头像文件
imgFile = baseFolder + '//Image%s.jpg' %str(index)
imgData = itchat.get_head_img(userName=friend['UserName'])
if (os.path.exists(imgFile) == False):
with open(imgFile,'wb') as file:
file.write(imgData)
#检测人脸
time.sleep(1)
result = youtu.DetectFace(imgFile)
if result['face']:
use_face += 1
else:
not_use_face += 1
#头像分类,做词云
result2 = youtu.imagetag(imgFile)#调用图像标签接口
image_tags += (",".join(list(map(lambda x:x['tag_name'],result2['tags'])))+',')#将标签文件连接到一起
labels = [u'使用人脸头像',u'未使用人脸头像']
counts = [use_face,not_use_face]
colors = ['red','blue','yellow']
plt.figure(figsize=(8,5), dpi=120)
plt.axes(aspect=1)#此处的aspect=1表示正圆，取不同的值，表示的圆形状不同
plt.pie(counts,#计数
labels=labels,
colors = colors,
labeldistance = 1.1,#标签距离圆心的距离
autopct = '%3.1f%%', #饼图区域文本格式
shadow = False,#饼图是否有阴影
startangle = 90,
pctdistance = 0.6)
plt.legend(loc = 'upper right')
plt.title(u'%s的微信好友使用人脸头像的情况' %friends[0]['NickName'])
plt.show()
#绘制头像标签词云
image_tags = image_tags.encode('iso8859-1').decode('utf-8')#加密解密
plt.figure(figsize=(8,5), dpi=160)
back_coloring = np.array(Image.open('face.jpg'))
word_cloud = WordCloud(font_path = 'simkai.ttf',
background_color = 'white',
max_words = 1200,
mask = back_coloring,
max_font_size = 75,
stopwords = STOPWORDS.add('写真照'),#ps：这个词有点太露骨了。
random_state=45,
width=600,
height = 300,
margin = 15)
word_cloud.generate(image_tags)
plt.imshow(word_cloud)
plt.axis("off")
plt.show()结果如下：



大部分人还是没有使用人脸头像的。



女孩这个词十分显眼，推断是女生更喜欢是用个人头像或女星为头像。词云选择的乔布斯为底图背景。
3、签名分析：
好友签名分析，也分为两部分：（1）切词构造词云；（2）文本分析，生活态度
代码如下：def fun_analyse_Signature(friends):
signatures = ''
emotions = []
for friend in friends:
signature = friend['Signature']
if signature != None:
signature = signature.strip().replace("span","").replace("class","").replace("emoji","")#去除无关数据
signature = re.sub(r'1f(\d.+)',"",signature)
if len(signature) > 0:
nlp = snownlp.SnowNLP(signature)
emotions.append(nlp.sentiments)#nlp.sentiments：权值
signatures += " ".join(jieba.analyse.extract_tags(signature,5))#关键字提取
back_coloring = np.array(Image.open("xiaohuangren.jpg"))#图片可替换
word_cloud2 = WordCloud(font_path = 'simkai.ttf',
background_color = 'white',
max_words = 1200,
mask = back_coloring,
margin = 15)
word_cloud2.generate(signatures)
image_colors = ImageColorGenerator(back_coloring)
plt.figure(figsize=(8,5),dpi=160)
plt.imshow(word_cloud2.recolor(color_func=image_colors))
plt.axis("off")
plt.show()
word_cloud2.to_file("signatures.jpg")
#人生观
count_positive = len(list(filter(lambda x:x>0.66,emotions)))#大于0.66为积极
count_negative = len(list(filter(lambda x:x<0.33,emotions)))#小于0.33为消极
count_neutral = len(list(filter(lambda x:x>=0.33 and x <= 0.66,emotions)))
labels = [u'积极',u'中性',u'消极']
values =(count_positive,count_neutral,count_negative)
plt.rcParams['font.sans-serif'] = ['simHei']
plt.rcParams['axes.unicode_minus'] = False
plt.xlabel("情感判断")
plt.ylabel("频数")
plt.xticks(range(3),labels)
plt.legend(loc='upper right')
plt.bar(range(3),values,color='rgb')
plt.title(u'%s的微信好友签名信息情感分析情况' % friends[0]['NickName'])
plt.show()结果如下：





看来好友还都是蛮积极乐观的。4、好友位置分析：今天弄懂了pyecharts，就想起来可以用来做位置分析。再分析之前，还要安装pychart库，直接pip。pip install pyecharts不懂得地方参考本篇文章：http://blog.csdn.net/xxzj_zz2017/article/details/79601135
假设已经配置好环境，接下来进行分析，代码如下：from pyecharts import Map
def get_attr(friends, key):
return list(map(lambda user: user.get(key), friends))
def fun_pos(friends)
users = dict(province=get_attr(friends, "Province"),
city=get_attr(friends, "City"),
nickname=get_attr(friends, "NickName"))
provinces = pd.DataFrame(users)
provinces_count = provinces.groupby('province', as_index=True)['province'].count().sort_values()
attr = list(map(lambda x: x if x != '' else '未知', list(provinces_count.index)))#未填写地址的改为未知
value = list(provinces_count)
map_1 = Map("微信好友位置分布图",title_pos="center",width=1000, height=500)
map_1.add('', attr, value, is_label_show=True, is_visualmap=True, visual_text_color='#000',visual_range=[0,120])
map_1


看来还是在北京的朋友多。暂时只对好友进行了以上几方面的分析，感觉还是很有意思的。