用了微信几年了，微信号有也不少了，但是真正了解自己的好友吗?好友最多的城市是哪个?好友男女比例是多少?好友签名都是什么?今天我们来充分了解自己的微信好友。

进群：516107834? ?PDF领取十套电子文档书籍

Python 的概念

运行平台：?Windows

Python版本：?Python3.6

IDE：?Sublime Text

1、准备工作

1.1 库介绍

只有登录微信才能获取到微信好友的信息，本文采用wxpy该第三方库进行微信的登录以及信息的获取。

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。

wxpy一些常见的场景：

• 控制路由器、智能家居等具有开放接口的玩意儿
• 运行脚本时自动把日志发送到你的微信
• 加群主为好友，自动拉进群中
• 跨号或跨群转发消息
• 自动陪人聊天
• 逗人玩

总而言之，可用来实现各种微信个人号的自动化操作。

1.2 wxpy库安装

wxpy 支持 Python 3.4-3.6，以及 2.7 版本

将下方命令中的 “pip” 替换为 “pip3” 或 “pip2”，可确保安装到对应的 Python 版本中

从 PYPI 官方源下载安装 (在国内可能比较慢或不稳定):

pip install -U wxpy 

从豆瓣 PYPI 镜像源下载安装 (推荐国内用户选用):

pip install -U wxpy -i "https://pypi.doubanio.com/simple/" 

1.3 登录微信

wxpy中有一个机器人对象，机器人 Bot 对象可被理解为一个 Web 微信客户端。Bot 在初始化时便会执行登陆操作，需要手机扫描登陆。

通过机器人对象 Bot 的 chats(),friends()，groups(),mps() 方法,可分别获取到当前机器人的 所有聊天对象、好友、群聊，以及公众号列表。

本文主要通过friends()获取到所有好友信息，然后进行数据的处理。

from wxpy import * 
初始化机器人，扫码登陆
bot = Bot() 
获取所有好友
my_friends = bot.friends()

print(type(my_friends)) 

以下为输出消息：

Getting uuid of QR code. 
Downloading QR code. 
Please scan the QR code to log in. 
Please press confirm on your phone. 
Loading the contact,this may take a little while. 
 
 

wxpy.api.chats.chats.Chats对象是多个聊天对象的合集，可用于搜索或统计，可以搜索和统计的信息包括sex(性别)、province(省份)、city(城市)和signature(个性签名)等。

2、微信好友男女比例

2.1 数据统计

使用一个字典sex_dict来统计好友中男性和女性的数量。

# 使用一个字典统计好友男性和女性的数量 
sex_dict = {'male': 0,'female': 0} 
for friend in my_friends: 
统计性别
if friend.sex == 1:

sex_dict['male'] += 1

elif friend.sex == 2:

sex_dict['female'] += 1 
print(sex_dict) 

以下为输出结果：

{'male': 255,'female': 104} 

2.2 数据呈现

本文采用 ECharts饼图 进行数据的呈现，打开链接http://echarts.baidu.com/echarts2/doc/example/pie1.html，可以看到如下内容：

1、echarts饼图原始内容

从图中可以看到左侧为数据，右侧为呈现的数据图，其他的形式的图也是这种左右结构。看一下左边的数据：

option = { 
 title : { 
 text: '某站点用户访问来源',subtext: '纯属虚构',x:'center' 
 },tooltip : { 
 trigger: 'item',formatter: "{a} 
{b} : {c} ({d}%)" 
 },legend: { 
 orient : 'vertical',x : 'left',data:['直接访问','邮件营销','联盟广告','视频广告','搜索引擎'] 
 },toolbox: { 
 show : true,feature : { 
 mark : {show: true},dataView : {show: true,readOnly: false},magicType : { 
 show: true,type: ['pie','funnel'],option: { 
 funnel: { 
 x: '25%',width: '50%',funnelAlign: 'left',max: 1548 
 } 
 } 
 },restore : {show: true},saveAsImage : {show: true} 
 } 
 },calculable : true,series : [ 
 { 
 name:'访问来源',type:'pie',radius : '55%',center: ['50%','60%'],data:[ 
 {value:335,name:'直接访问'},{value:310,name:'邮件营销'},{value:234,name:'联盟广告'},{value:135,name:'视频广告'},{value:1548,name:'搜索引擎'} 
 ] 
 } 
 ] 
}; 

可以看到option =后面的大括号里是JSON格式的数据，接下来分析一下各项数据：

• title：标题
• text：标题内容
• subtext：子标题
• x：标题位置
• tooltip：提示，将鼠标放到饼状图上就可以看到提示
• legend：图例
• orient：方向
• x：图例位置
• data：图例内容
• toolbox：工具箱，在饼状图右上方横向排列的图标
• mark：辅助线开关
• dataView：数据视图，点击可以查看饼状图数据
• magicType：饼图(pie)切换和漏斗图(funnel)切换
• restore：还原
• saveAsImage：保存为图片
• calculable：暂时不知道它有什么用
• series：主要数据
• data：呈现的数据

其它类型的图数据格式类似，后面不再详细分析。只需要修改data、legend->data、series->data即可，修改后的数据为：

option = { 
 title : { 
 text: '微信好友性别比例',subtext: '真实数据',data:['男性','女性'] 
 },data:[ 
 {value:255,name:'男性'},{value:104,name:'女性'} 
 ] 
 } 
 ] 
}; 

数据修改完成后，点击页面中绿色的刷新按钮，可以得到饼图如下(可以根据自己的喜好修改主题)：

2、好友性别比例

将鼠标放到饼图上可以看到详细数据：

3、好友性别比例查看数据

3、微信好友全国分布图

3.1 数据统计

# 使用一个字典统计各省好友数量 
province_dict = {'北京': 0,'上海': 0,'天津': 0,'重庆': 0,'河北': 0,'山西': 0,'吉林': 0,'辽宁': 0,'黑龙江': 0,'陕西': 0,'甘肃': 0,'青海': 0,'山东': 0,'福建': 0,'浙江': 0,'台湾': 0,'河南': 0,'湖北': 0,'湖南': 0,'江西': 0,'江苏': 0,'安徽': 0,'广东': 0,'海南': 0,'四川': 0,'贵州': 0,'云南': 0,'内蒙古': 0,'新疆': 0,'宁夏': 0,'广西': 0,'西藏': 0,'香港': 0,'澳门': 0} 
统计省份
for friend in my_friends:

if friend.province in province_dict.keys():

province_dict[friend.province] += 1 
为了方便数据的呈现，生成JSON Array格式数据
data = []

for key,value in province_dict.items():

data.append({'name': key,'value': value}) 
print(data) 

以下为输出结果：

[{'name': '北京','value': 91},{'name': '上海','value': 12},{'name': '天津','value': 15},{'name': '重庆','value': 1},{'name': '河北','value': 53},{'name': '山西','value': 2},{'name': '吉林',{'name': '辽宁',{'name': '黑龙江',{'name': '陕西','value': 3},{'name': '甘肃','value': 0},{'name': '青海',{'name': '山东','value': 7},{'name': '福建',{'name': '浙江','value': 4},{'name': '台湾',{'name': '河南',{'name': '湖北',{'name': '湖南',{'name': '江西',{'name': '江苏','value': 9},{'name': '安徽',{'name': '广东','value': 63},{'name': '海南',{'name': '四川',{'name': '贵州',{'name': '云南',{'name': '内蒙古',{'name': '新疆',{'name': '宁夏',{'name': '广西',{'name': '西藏',{'name': '香港',{'name': '澳门','value': 0}] 

可以看出，好友最多的省份为北京。那么问题来了：为什么要把数据重组成这种格式?因为ECharts的地图需要这种格式的数据。

3.2 数据呈现

采用ECharts地图 来进行好友分布的数据呈现。打开该网址，将左侧数据修改为：

option = { 
 title : { 
 text: '微信好友全国分布图',tooltip : { 
 trigger: 'item' 
 },legend: { 
 orient: 'vertical',x:'left',data:['好友数量'] 
 },dataRange: { 
 min: 0,max: 100,x: 'left',y: 'bottom',text:['高','低'],// 文本，默认为数值文本 
 calculable : true 
 },toolbox: { 
 show: true,orient : 'vertical',x: 'right',y: 'center',roamController: { 
 show: true,mapTypeControl: { 
 'china': true 
 } 
 },series : [ 
 { 
 name: '好友数量',type: 'map',mapType: 'china',roam: false,itemStyle:{ 
 normal:{label:{show:true}},emphasis:{label:{show:true}} 
 },data:[ 
 {'name': '北京','value': 0} 
 ] 
 } 
 ] 
}; 

注意两点：

• dataRange->max 根据统计数据适当调整
• series->data 的数据格式

点击刷新按钮后，可以生成如下地图：

好友全国分布图

从图中可以看出我的好友主要分布在北京、河北和广东。

有趣的是，地图左边有一个滑块，代表地图数据的范围，我们将上边的滑块拉到最下面可以看到没有微信好友分布的省份：

5、没有微信好友的省份

按照这个思路，我们可以在地图上看到确切数量好友分布的省份，读者可以动手试试。

4、好友签名统计

4.1 数据统计

def write_txt_file(path,txt): 
 ''' 
 写入txt文本 
 ''' 
 with open(path,'a',encoding='gb18030',newline='') as f: 
 f.write(txt) 
统计签名
for friend in my_friends: 
对数据进行清洗，将标点符号等对词频统计造成影响的因素剔除
pattern = re.compile(r'[一-龥]+')

filterdata = re.findall(pattern,friend.signature)

write_txt_file('signatures.txt',''.join(filterdata)) 

上面代码实现了对好友签名进行清洗以及保存的功能，执行完成之后会在当前目录生成signatures.txt文件。

4.2 数据呈现

数据呈现采用词频统计和词云展示，通过词频可以了解到微信好友的生活态度。

词频统计用到了 jieba、numpy、pandas、scipy、wordcloud库。如果电脑上没有这几个库，执行安装指令：

pip install jieba 
pip install pandas 
pip install numpy 
pip install scipy 
pip install wordcloud 

4.2.1 读取txt文件

前面已经将好友签名保存到txt文件里了，现在我们将其读出：

def read_txt_file(path): 
 ''' 
 读取txt文本 
 ''' 
 with open(path,'r',newline='') as f: 
 return f.read() 

4.2.2 stop word

下面引入一个概念：stop word， 在网站里面存在大量的常用词比如：“在”、“里面”、“也”、“的”、“它”、“为”这些词都是停止词。这些词因为使用频率过高，几乎每个网页上都存在，所以搜索引擎开发人员都将这一类词语全部忽略掉。如果我们的网站上存在大量这样的词语，那么相当于浪费了很多资源。

在百度搜索stpowords.txt进行下载，放到py文件同级目录。

content = read_txt_file(txt_filename) 
segment = jieba.lcut(content) 
words_df=pd.DataFrame({'segment':segment}) 
stopwords=pd.read_csv("stopwords.txt",index_col=False,quoting=3,sep=" ",names=['stopword'],encoding='utf-8')

words_df=words_df[~words_df.segment.isin(stopwords.stopword)] 

4.2.3 词频统计

重头戏来了，词频统计使用numpy：

import numpy 
words_stat = words_df.groupby(by=['segment'])['segment'].agg({"计数":numpy.size})

words_stat = words_stat.reset_index().sort_values(by=["计数"],ascending=False) 

4.2.4 词频可视化：词云

词频统计虽然出来了，可以看出排名，但是不完美，接下来我们将它可视化。使用到wordcloud库，详细介绍见 github 。

from scipy.misc import imread 
from wordcloud import WordCloud,ImageColorGenerator 
设置词云属性
color_mask = imread('background.jfif')

wordcloud = WordCloud(font_path="simhei.ttf",# 设置字体可以显示中文

background_color="white",# 背景颜色

max_words=100,# 词云显示的最大词数

mask=color_mask,# 设置背景图片

max_font_size=100,# 字体最大值

random_state=42,width=1000,height=860,margin=2,# 设置图片默认的大小,但是如果使用背景图片的话,# 那么保存的图片大小将会按照其大小保存,margin为词语边缘距离

) 
生成词云,可以用generate输入全部文本,也可以我们计算好词频后使用generate_from_frequencies函数
word_frequence = {x[0]:x[1]for x in words_stat.head(100).values}

print(word_frequence)

word_frequence_dict = {}

for key in word_frequence:

word_frequence_dict[key] = word_frequence[key] 
wordcloud.generate_from_frequencies(word_frequence_dict) 
从背景图片生成颜色值
image_colors = ImageColorGenerator(color_mask) 
重新上色
wordcloud.recolor(color_func=image_colors) 
保存图片
wordcloud.to_file('output.png')

plt.imshow(wordcloud)

plt.axis("off")

plt.show() 

运行效果图如下(左图为背景图，右图为生成词云图片)：

6、背景图和词云图对比

从词云图可以分析好友特点：

• 做--------------------行动派
• 人生、生活--------热爱生活
• 快乐-----------------乐观
• 选择-----------------决断
• 专业-----------------专业
• 爱--------------------爱

5、总结

至此，微信好友的分析工作已经完成，wxpy的功能还有很多，比如聊天、查看公众号信息等，有意的读者请自行查阅官方文档。

6、完整代码

上面的代码比较松散，下面展示的完整代码我将各功能模块封装成函数：

#-*- coding: utf-8 -*- 
import re 
from wxpy import * 
import jieba 
import numpy 
import pandas as pd 
import matplotlib.pyplot as plt 
from scipy.misc import imread 
from wordcloud import WordCloud,ImageColorGenerator 
def write_txt_file(path,newline='') as f:

f.write(txt) 
def read_txt_file(path):

'''

读取txt文本

'''

with open(path,newline='') as f:

return f.read() 
def login(): 
初始化机器人，扫码登陆
bot = Bot() 
获取所有好友
my_friends = bot.friends() 
print(type(my_friends))

return my_friends 
def show_sex_ratio(friends): 
使用一个字典统计好友男性和女性的数量
sex_dict = {'male': 0,'female': 0} 
for friend in friends: 
统计性别
if friend.sex == 1:

sex_dict['male'] += 1

elif friend.sex == 2:

sex_dict['female'] += 1 
print(sex_dict) 
def show_area_distribution(friends): 
使用一个字典统计各省好友数量
province_dict = {'北京': 0,'澳门': 0} 
统计省份
for friend in friends:

if friend.province in province_dict.keys():

province_dict[friend.province] += 1 
为了方便数据的呈现，生成JSON Array格式数据
data = []

for key,'value': value}) 
print(data) 
def show_signature(friends): 
统计签名
for friend in friends: 
对数据进行清洗，将标点符号等对词频统计造成影响的因素剔除
pattern = re.compile(r'[一-龥]+')

filterdata = re.findall(pattern,''.join(filterdata)) 
读取文件
content = read_txt_file('signatures.txt')

segment = jieba.lcut(content)

words_df = pd.DataFrame({'segment':segment}) 
读取stopwords
stopwords = pd.read_csv("stopwords.txt",encoding='utf-8')

words_df = words_df[~words_df.segment.isin(stopwords.stopword)]

print(words_df) 
words_stat = words_df.groupby(by=['segment'])['segment'].agg({"计数":numpy.size})

words_stat = words_stat.reset_index().sort_values(by=["计数"],ascending=False) 
设置词云属性
color_mask = imread('background.jfif')

wordcloud = WordCloud(font_path="simhei.ttf",margin为词语边缘距离

) 
生成词云,也可以我们计算好词频后使用generate_from_frequencies函数
word_frequence = {x[0]:x[1]for x in words_stat.head(100).values}

print(word_frequence)

word_frequence_dict = {}

for key in word_frequence:

word_frequence_dict[key] = word_frequence[key] 
wordcloud.generate_from_frequencies(word_frequence_dict) 
从背景图片生成颜色值
image_colors = ImageColorGenerator(color_mask) 
重新上色
wordcloud.recolor(color_func=image_colors) 
保存图片
wordcloud.to_file('output.png')

plt.imshow(wordcloud)

plt.axis("off")

plt.show() 
def main():

friends = login()

show_sex_ratio(friends)

show_area_distribution(friends)

show_signature(friends) 
if name == 'main':

main() 

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!