用Python爬了微信好友，原來他們是這樣的人...

隨著微信的普及，越來越多的人開始使用微信。微信漸漸從一款單純的社交軟件轉變成了一個生活方式，人們的日常溝通需要微信，工作交流也需要微信。微信裡的每一個好友，都代表著人們在社會裡扮演的不同角色。

今天這篇文章會基於Python對微信好友進行數據分析，這裡選擇的維度主要有：性別、頭像、簽名、位置，主要采用圖表和詞雲兩種形式來呈現結果，其中，對文本類信息會采用詞頻分析和情感分析兩種方法。常言道：工欲善其事，必先利其器也。在正式開始這篇文章前，簡單介紹下本文中使用到的第三方模塊：

• itchat：微信網頁版接口封裝Python版本，在本文中用以獲取微信好友信息。

• jieba：結巴分詞的 Python 版本，在本文中用以對文本信息進行分詞處理。

• matplotlib：Python 中圖表繪制模塊，在本文中用以繪制柱形圖和餅圖

• snownlp：一個 Python 中的中文分詞模塊，在本文中用以對文本信息進行情感判斷。

• PIL：Python 中的圖像處理模塊，在本文中用以對圖片進行處理。

• numpy：Python中 的數值計算模塊，在本文中配合 wordcloud 模塊使用。

• wordcloud：Python 中的詞雲模塊，在本文中用以繪制詞雲圖片。

• TencentYoutuyun：騰訊優圖提供的 Python 版本 SDK ，在本文中用以識別人臉及提取圖片標簽信息。

以上模塊均可通過 pip 安裝，關於各個模塊使用的詳細說明，請自行查閱各自文檔。

01

數據分析

分析微信好友數據的前提是獲得好友信息，通過使用 itchat 這個模塊，這一切會變得非常簡單，我們通過下面兩行代碼就可以實現：

itchat.auto_login(hotReload = True) friends = itchat.get_friends(update = True)

同平時登錄網頁版微信一樣，我們使用手機掃描二維碼就可以登錄，這裡返回的friends對象是一個集合，第一個元素是當前用戶。所以，在下面的數據分析流程中，我們始終取friends[1:]作為原始輸入數據，集合中的每一個元素都是一個字典結構，以我本人為例，可以注意到這裡有Sex、City、Province、HeadImgUrl、Signature這四個字段，我們下面的分析就從這四個字段入手：

02

好友性別

分析好友性別，我們首先要獲得所有好友的性別信息，這裡我們將每一個好友信息的Sex字段提取出來，然後分別統計出Male、Female和Unkonw的數目，我們將這三個數值組裝到一個列表中，即可使用matplotlib模塊繪制出餅圖來，其代碼實現如下：

def analyseSex(firends):  sexs = list(map(lambda x:x['Sex'],friends[1:]))  counts = list(map(lambda x:x[1],Counter(sexs).items()))  labels = ['Unknow','Male','Female']  colors = ['red','yellowgreen','lightskyblue']  plt.figure(figsize=(8,5), dpi=80)  plt.axes(aspect=1)  plt.pie(counts, #性別統計結果  labels=labels, #性別展示標簽  colors=colors, #餅圖區域配色  labeldistance = 1.1, #標簽距離圓點距離  autopct = '%3.1f%%', #餅圖區域文本格式  shadow = False, #餅圖是否顯示陰影  startangle = 90, #餅圖起始角度  pctdistance = 0.6 #餅圖區域文本距離圓點距離  )  plt.legend(loc='upper right',)  plt.title(u'%s的微信好友性別組成' % friends[0]['NickName'])  plt.show()

這裡簡單解釋下這段代碼，微信中性別字段的取值有Unkonw、Male和Female三種，其對應的數值分別為0、1、2。通過Collection模塊中的Counter()對這三種不同的取值進行統計，其items()方法返回的是一個元組的集合。

該元組的第一維元素表示鍵，即0、1、2，該元組的第二維元素表示數目，且該元組的集合是排序過的，即其鍵按照0、1、2 的順序排列，所以通過map()方法就可以得到這三種不同取值的數目，我們將其傳遞給matplotlib繪制即可，這三種不同取值各自所占的百分比由matplotlib計算得出。下圖是matplotlib繪制的好友性別分布圖：

03

好友頭像

分析好友頭像，從兩個方面來分析，第一，在這些好友頭像中，使用人臉頭像的好友比重有多大；第二，從這些好友頭像中，可以提取出哪些有價值的關鍵字。

這裡需要根據HeadImgUrl字段下載頭像到本地，然後通過騰訊優圖提供的人臉識別相關的API接口，檢測頭像圖片中是否存在人臉以及提取圖片中的標簽。其中，前者是分類匯總，我們使用餅圖來呈現結果；後者是對文本進行分析，我們使用詞雲來呈現結果。關鍵代碼如下所示：

def analyseHeadImage(frineds):  # Init Path  basePath = os.path.abspath('.')  baseFolder = basePath + '\\HeadImages\\' if(os.path.exists(baseFolder) == False):  os.makedirs(baseFolder)  # Analyse Images  faceApi = FaceAPI()  use_face = 0 not_use_face = 0 image_tags = ''  for index in range(1,len(friends)):  friend = friends[index]  # Save HeadImages  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)  # Detect Faces  time.sleep(1)  result = faceApi.detectFace(imgFile)  if result == True:  use_face += 1 else:  not_use_face += 1  # Extract Tags  result = faceApi.extractTags(imgFile)  image_tags += ','.join(list(map(lambda x:x['tag_name'],result)))  labels = [u'使用人臉頭像',u'不使用人臉頭像']  counts = [use_face,not_use_face]  colors = ['red','yellowgreen','lightskyblue']  plt.figure(figsize=(8,5), dpi=80)  plt.axes(aspect=1)  plt.pie(counts, #性別統計結果  labels=labels, #性別展示標簽  colors=colors, #餅圖區域配色  labeldistance = 1.1, #標簽距離圓點距離  autopct = '%3.1f%%', #餅圖區域文本格式  shadow = False, #餅圖是否顯示陰影  startangle = 90, #餅圖起始角度  pctdistance = 0.6 #餅圖區域文本距離圓點距離  )  plt.legend(loc='upper right',)  plt.title(u'%s的微信好友使用人臉頭像情況' % friends[0]['NickName'])  plt.show()  image_tags = image_tags.encode('iso8859-1').decode('utf-8')  back_coloring = np.array(Image.open('face.jpg'))  wordcloud = WordCloud(  font_path='simfang.ttf',  background_color="white",  max_words=1200,  mask=back_coloring,  max_font_size=75,  random_state=45,  width=800,  height=480,  margin=15 )  wordcloud.generate(image_tags)  plt.imshow(wordcloud)  plt.axis("off")  plt.show()

這裡我們會在當前目錄新建一個HeadImages目錄，用於存儲所有好友的頭像，然後我們這裡會用到一個名為FaceApi類，這個類由騰訊優圖的SDK封裝而來，這裡分別調用了人臉檢測和圖像標簽識別兩個API接口，前者會統計”使用人臉頭像”和”不使用人臉頭像”的好友各自的數目，後者會累加每個頭像中提取出來的標簽。其分析結果如下圖所示：

可以注意到，在所有微信好友中，約有接近1/4的微信好友使用了人臉頭像， 而有接近3/4的微信好友沒有人臉頭像，這說明在所有微信好友中對”顏值 “有自信的人，僅僅占到好友總數的25%，或者說75%的微信好友行事風格偏低調為主，不喜歡用人臉頭像做微信頭像。

其次，考慮到騰訊優圖並不能真正的識別”人臉”，我們這裡對好友頭像中的標簽再次進行提取，來幫助我們了解微信好友的頭像中有哪些關鍵詞，其分析結果如圖所示：

通過詞雲，我們可以發現：在微信好友中的簽名詞雲中，出現頻率相對較高的關鍵字有：女孩、樹木、房屋、文本、截圖、卡通、合影、天空、大海。這說明在我的微信好友中，好友選擇的微信頭像主要有日常、旅游、風景、截圖四個來源。

好友選擇的微信頭像中風格以卡通為主，好友選擇的微信頭像中常見的要素有天空、大海、房屋、樹木。通過觀察所有好友頭像，我發現在我的微信好友中，使用個人照片作為微信頭像的有15人，使用網絡圖片作為微信頭像的有53人，使用動漫圖片作為微信頭像的有25人，使用合照圖片作為微信頭像的有3人，使用孩童照片作為微信頭像的有5人，使用風景圖片作為微信頭像的有13人，使用女孩照片作為微信頭像的有18人，基本符合圖像標簽提取的分析結果。

04

好友簽名

分析好友簽名，簽名是好友信息中最為豐富的文本信息，按照人類慣用的”貼標簽”的方法論，簽名可以分析出某一個人在某一段時間裡狀態，就像人開心了會笑、哀傷了會哭，哭和笑兩種標簽，分別表明了人開心和哀傷的狀態。

這裡我們對簽名做兩種處理，第一種是使用結巴分詞進行分詞後生成詞雲，目的是了解好友簽名中的關鍵字有哪些，哪一個關鍵字出現的頻率相對較高；第二種是使用SnowNLP分析好友簽名中的感情傾向，即好友簽名整體上是表現為正面的、負面的還是中立的，各自的比重是多少。這裡提取Signature字段即可，其核心代碼如下：

def analyseSignature(friends):  signatures = ''  emotions = []  pattern = re.compile("1f\d.+")  for friend in friends:  signature = friend['Signature']  if(signature != None):  signature = signature.strip().replace('span', '').replace('class', '').replace('emoji', '')  signature = re.sub(r'1f(\d.+)','',signature)  if(len(signature)>0):  nlp = SnowNLP(signature)  emotions.append(nlp.sentiments)  signatures += ' '.join(jieba.analyse.extract_tags(signature,5))  with open('signatures.txt','wt',encoding='utf-8') as file:  file.write(signatures)  # Sinature WordCloud  back_coloring = np.array(Image.open('flower.jpg'))  wordcloud = WordCloud(  font_path='simfang.ttf',  background_color="white",  max_words=1200,  mask=back_coloring,  max_font_size=75,  random_state=45,  width=960,  height=720,  margin=15 )  wordcloud.generate(signatures)  plt.imshow(wordcloud)  plt.axis("off")  plt.show()  wordcloud.to_file('signatures.jpg')  # Signature Emotional Judgment  count_good = len(list(filter(lambda x:x>0.66,emotions)))  count_normal = len(list(filter(lambda x:x>=0.33 and x<=0.66,emotions)))  count_bad = len(list(filter(lambda x:x<0.33,emotions)))  labels = [u'負面消極',u'中性',u'正面積極']  values = (count_bad,count_normal,count_good)  plt.rcParams['font.sans-serif'] = ['simHei']  plt.rcParams['axes.unicode_minus'] = False plt.xlabel(u'情感判斷')  plt.ylabel(u'頻數')  plt.xticks(range(3),labels)  plt.legend(loc='upper right',)  plt.bar(range(3), values, color = 'rgb')  plt.title(u'%s的微信好友簽名信息情感分析' % friends[0]['NickName'])  plt.show()

通過詞雲，我們可以發現：在微信好友的簽名信息中，出現頻率相對較高的關鍵詞有：努力、長大、美好、快樂、生活、幸福、人生、遠方、時光、散步。

通過以下柱狀圖，我們可以發現：在微信好友的簽名信息中，正面積極的情感判斷約占到55.56%，中立的情感判斷約占到32.10%，負面消極的情感判斷約占到12.35%。這個結果和我們通過詞雲展示的結果基本吻合，這說明在微信好友的簽名信息中，約有87.66%的簽名信息，傳達出來都是一種積極向上的態度。

05

好友位置

分析好友位置，主要通過提取Province和City這兩個字段。Python中的地圖可視化主要通過Basemap模塊，這個模塊需要從國外網站下載地圖信息，使用起來非常的不便。

百度的ECharts在前端使用的比較多，雖然社區裡提供了pyecharts項目，可我注意到因為政策的改變，目前Echarts不再支持導出地圖的功能，所以地圖的定制方面目前依然是一個問題，主流的技術方案是配置全國各省市的JSON數據。

這裡我使用的是BDP個人版，這是一個零編程的方案，我們通過Python導出一個CSV文件，然後將其上傳到BDP中，通過簡單拖拽就可以制作可視化地圖，簡直不能再簡單，這裡我們僅僅展示生成CSV部分的代碼：

def analyseLocation(friends):  headers = ['NickName','Province','City']  with open('location.csv','w',encoding='utf-8',newline='',) as csvFile:  writer = csv.DictWriter(csvFile, headers)  writer.writeheader()  for friend in friends[1:]:  row = {}  row['NickName'] = friend['NickName']  row['Province'] = friend['Province']  row['City'] = friend['City']  writer.writerow(row)

下圖是BDP中生成的微信好友地理分布圖，可以發現：我的微信好友主要集中在寧夏和陝西兩個省份。

06

總結

這篇文章是我對數據分析的又一次嘗試，主要從性別、頭像、簽名、位置四個維度，對微信好友進行了一次簡單的數據分析，主要采用圖表和詞雲兩種形式來呈現結果。總而言之一句話，”數據可視化是手段而並非目的”，重要的不是我們在這裡做了這些圖出來，而是從這些圖裡反映出來的現象，我們能夠得到什麼本質上的啟示，希望這篇文章能讓大家有所啟發。

【python學習】
學Python的伙伴,歡迎加入新的交流【君羊】：1020465983
一起探討編程知識,成為大神,群裡還有軟件安裝包，實戰案例、學習資料