利用python实现微信好友分析（简单）

一、功能介绍

本文主要介绍利用网页端微信获取数据,实现个人微信好友数据的获取,并进行一些简单的数据分析，功能包括：

1.爬取好友列表,显示好友昵称、性别和地域和签名, 文件保存为 xlsx 格式

2.统计好友的地域分布，并且做成词云和可视化展示在地图上

二、依赖库

1、Pyecharts：一个用于生成echarts图表的类库，echarts是百度开源的一个数据可视化库，用echarts生成的图可视化效果非常棒，使用pyechart库可以在python中生成echarts数据图。

2、Itchat：一个开源的微信个人号接口，使用python调用微信从未如此简单。

3、Jieba：简单的分词操作库。

4、Numpy：NumPy 系统是 Python 的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩 阵。

5、Pandas：pandas 是基于 NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

6、Pillow：图像处理。

7、wxpy：wxpy 在 itchat 的基础上，通过大量接口优化提升了模块的易用性，并进行丰富的功能 扩展。 （微信本身提供）

注：Pyecharts可能安装0.5.*的版本比较好

以上的三方库可以通过命令符（cmd）来实现安装，具体命令：pip install ***

三，操作

1 from wxpy import *           #导入模块
2 bot = Bot(cache_path=True)   #初始化机器人，选择扫码登录
3 friend_all = bot.friends()   #获取微信好友信息

首先出现的是一张二维码，然后扫描登录

成功登录好了就是这种显示

 之后就可以进行操作了，好友数量，个人信息

1 print(len(friend_all)) #好友的数量

2 print(friend_all[0].raw) #输出个人信息 

显示的结果

四、接下来把全部的好友信息转化为一个xlsx文件

获取全部好友信息

1 for a_friend in friend_all:
2     NickName = a_friend.raw.get('NickName', None)
3     #昵称
4     #Sex = a_friend.raw.get('Sex', None)
5     Sex = {1: "男", 2: "女", 0: "其它"}.get(a_friend.raw.get('Sex', None), None)
6     #性别（优化）
7     City = a_friend.raw.get('City', None)
8     #城市
9     Province = a_friend.raw.get('Province', None)
10     #省份
11     Signature = a_friend.raw.get('Signature', None)
12     #个性签名
13     HeadImgUrl = a_friend.raw.get('HeadImgUrl', None)
14     #头像地址
15     HeadImgFlag = a_friend.raw.get('HeadImgFlag', None)
16     #小Flag
17     list_0=[NickName, Sex, City, Province, Signature, HeadImgUrl, HeadImgFlag]
18     #存为一维数组
19     lis.append(list_0)
20     #叠加数据

存为xlsx文件

1 def list_excel(filename,lis):
2     '''
3     将列表写入excel中，其中列表中的元素是列表.
4     filename:保存的文件名（含路径）
5     lis：元素为列表的列表，如下：
6     lis = [["名称", "价格", "出版社", "语言"],
7     ["暗时间", "32.4", "人民邮电出版社", "中文"],
8     ["拆掉思维里的墙", "26.7", "机械工业出版社", "中文"]]
9     '''
10     import openpyxl
11     wb = openpyxl.Workbook()   #激活worksheet
12     sheet = wb.active
13     sheet.title = 'sheet1'     #创建一个表格
14     file_name = filename +'.xlsx'
15     for i in range(0, len(lis)):
16         for j in range(0, len(lis[i])):
17             sheet.cell(row=i+1, column=j+1, value=str(lis[i][j]))
18             #每行每列的存入数据
19     wb.save(file_name)
20     print("写入数据成功！")
21 list_excel('wechat',lis)

效果如下：

可以看到其好友基本分布再广东省，个性签名也是非常的杀马特

五、实现词云图（我们也可以从存储在本地的 excel 中读取数据进行分析，并查看数据形式。在执行以 下代码之前，我们需要先把 excel 文件加一个列标题行）

例如nickname sex city province signature headImgUrl headImgFlag

1 #导入模块
2 from wordcloud import WordCloud
3 import matplotlib.pyplot as plt
4 import pandas as pd
5 from pandas import DataFrame
6
7 word_list= df['city'].fillna('0').tolist()
8 #将 dataframe 的列转化为 list，其中的 nan 用“0”替换
9 new_text = ' '.join(word_list)
10 wordcloud = WordCloud(font_path='simhei.ttf',  background_color="black").generate(new_text)
11 #设计图背景颜色，字体
12 plt.imshow(wordcloud)
13 plt.axis("off")
14 plt.show()

还可以将词云图存为HTML形式

1 #利用 pyechart 做词云
2 import pandas as pd
3 #count = df.city.value_counts() #对 dataframe 进行全频率统计，排除了 nan
4 city_list = df['city'].fillna('NAN').tolist()#将 dataframe 的列转化为 list，其中的 nan 用“NAN” 替换
5 count_city = pd.value_counts(city_list)#对 list 进行全频率统计
6 from pyecharts.charts.wordcloud   import WordCloud  #设置对象
7 name = count_city.index.tolist()
8 value = count_city.tolist()
9 wordcloud = WordCloud(width=1300, height=620)
10 wordcloud.add("", name, value, word_size_range=[20, 100])
11 wordcloud.show_config()
12 wordcloud.render(r'D:\python\wechatcloud.html')

再看看效果：

 六、转化为地图形式

注：安装地图数据包：pip install echarts-china-provinces-pypkg        pip install echarts-countries-pypkg 

1 province_list = df['province'].fillna('NAN').tolist()
2 #将 dataframe 的列转化为 list，其中的 nan 用 “NAN”替换
3 count_province = pd.value_counts(province_list)
4 #对 list 进行全频率统计
5
6 from pyecharts import Map
7 value =count_province.tolist()
8 attr =count_province.index.tolist()
9 map=Map("各省微信好友分布", width=1300, height=700)
10 map.add("", attr, value, maptype='china', is_visualmap=True,visual_text_color='#000',is_label_show = True)
11 #显示地图上的省份
12 map.show_config()
13 map.render(r'D:\python\wechatProMap.html')

效果：

好了，以上微信好友分析就介绍到这了。

转载于:https://www.cnblogs.com/liyanyinng/p/10963105.html