使用python对微信好友进行数据分析

微信好友分析

基于 Python 对微信好友进行数据分析，这里选择的维度主要有：性别、头像、签名、位置，主要采用图表和词云两种形式来呈现结果，其中，对文本类信息会采用词频分析和情感分析两种方法。在正式开始这篇文章前，简单介绍下本文中使用到的第三方模块：

• itchat：微信网页版接口封装Python版本，在本文中用以获取微信好友信息。

• jieba：结巴分词的 Python 版本，在本文中用以对文本信息进行分词处理。

• matplotlib： Python 中图表绘制模块，在本文中用以绘制柱形图和饼图

• snownlp：一个 Python 中的中文分词模块，在本文中用以对文本信息进行情感判断。

• PIL： Python 中的图像处理模块，在本文中用以对图片进行处理。

• numpy： Python中 的数值计算模块，在本文中配合 wordcloud 模块使用。

• wordcloud： Python 中的词云模块，在本文中用以绘制词云图片。

• BDP: 可视化数据分析工具

  首先导入用到的第三方模块

   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
   from wordcloud import WordCloud,STOPWORDS,ImageColorGenerator
   from PIL import Image
   import math
   import re
   import snownlp
   import jieba
   import jieba.analyse
   import pandas as pd
  
  

分析微信好友数据的前提是获得好友信息，通过使用 itchat 这个模块

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

同平时登录网页版微信一样，我们使用手机扫描二维码就可以登录，这里返回的friends对象是一个集合

好友性别

分析好友性别，我们首先要获得所有好友的性别信息，这里我们将每一个好友信息的Sex字段提取出来，然后分别统计出男、女 和保密的数目，我们将这三个数值组装到一个列表中，即可使用matplotlib模块绘制出饼图来，其代码实现如下：

def fun_analyse_sex(friends):
     # 性别分析
     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=(20,8), 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：

生成头像

头像分析有两部分，（1）保存好友头像；（2）用所有好友头像生产一张图片

• 下载好友头像

通过用户名找到对应每个好友的头像，写入HeadImages目录中

    def get_HeadImage(friends):
        # 保存好友头像
        if "HeadImages" not in os.listdir():
            os.mkdir('HeadImages')
        os.chdir("HeadImages")
    
        for friend in friends:
            img = itchat.get_head_img(userName=friend["UserName"])
    
            with open(friend['UserName'].replace('|', '') + '.jpg', "wb") as f:
                print("正在下载%s.jpg" % friend["NickName"])
                f.write(img)

• 生产图片

使用PIL模块的Image方法，生成一张图片，再把每一张好友头像缩小贴到这张图片上

    def all_head_images():
        # 把所以好友头像生成一张图片
        x = 0
        y = 0
        images = os.listdir("HeadImages")
        print(len(images))
        new_image = Image.new('RGBA', (640, 640))
        # width = int(math.sqrt(640*640 / len(images)))
        # line_num = int(640 / width)
        line_num = int(math.sqrt(len(images)))
        width = int(640/line_num)
        for i in images:
            image = Image.open('HeadImages/' + i)
            image = image.resize((width, width), Image.ANTIALIAS)
            new_image.paste(image, (x*width, y*width))
            x += 1
            if x == line_num:
                x = 0
                y += 1
        new_image.save('all.png')

• 效果
  

好友签名分析

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

• 构造词云

    def fun_analyse_Signature(friends):
        # 个性签名分析
        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("xiaohuangya.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=(20, 8),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

好友位置

将姓名、省份写入csv文件

    def analyseLocation(friends):
        # 定义数据头
        headers = ['NickName','Province']
        with open('location.csv','w',encoding='utf-8',newline='',) as csvFile:
            # DictWriter以字典的形式写入内容
            # 设置写入格式
            writer = csv.DictWriter(csvFile, headers)
            #  writeheader()实现添加文件头（数据名）
            writer.writeheader()
            for friend in friends[1:]:
                # 定义一个字典
                row = {}
                # 按属性写入
                row['NickName'] = friend['NickName']
                row['Province'] = friend['Province']
                # 将每个字典写入为一行
                writer.writerow(row)

现在当前目录会生成一个location.csv的文件，保存了所有好友的位置信息

然后使用BDP进行分析

最终得到好友位置分布图