這篇文章將為大家詳細講解有關(guān)如何使用Python對微信好友進行數(shù)據(jù)分析，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。
1、云計算，典型應用OpenStack。2、WEB前端開發(fā)，眾多大型網(wǎng)站均為Python開發(fā)。3.人工智能應用，基于大數(shù)據(jù)分析和深度學習而發(fā)展出來的人工智能本質(zhì)上已經(jīng)無法離開python。4、系統(tǒng)運維工程項目，自動化運維的標配就是python+Django/flask。5、金融理財分析，量化交易，金融分析。6、大數(shù)據(jù)分析。
1、準備工作1.1 庫介紹只有登錄微信才能獲取到微信好友的信息，本文采用wxpy該第三方庫進行微信的登錄以及信息的獲取。
wxpy 在 itchat 的基礎(chǔ)上，通過大量接口優(yōu)化提升了模塊的易用性，并進行豐富的功能擴展。
wxpy一些常見的場景：
?控制路由器、智能家居等具有開放接口的玩意兒
?運行腳本時自動把日志發(fā)送到你的微信
?加群主為好友，自動拉進群中
?跨號或跨群轉(zhuǎn)發(fā)消息
?自動陪人聊天
?逗人玩
總而言之，可用來實現(xiàn)各種微信個人號的自動化操作。
1.2 wxpy庫安裝wxpy 支持 Python 3.4-3.6，以及 2.7 版本
將下方命令中的 “pip” 替換為 “pip3” 或 “pip2”，可確保安裝到對應的 Python 版本中
1.從 PYPI 官方源下載安裝 (在國內(nèi)可能比較慢或不穩(wěn)定):
pip install -U wxpy1
1.從豆瓣 PYPI 鏡像源下載安裝 (推薦國內(nèi)用戶選用):
pip install -U wxpy -i "https://pypi.doubanio.com/simple/"1
1.3 登錄微信wxpy中有一個機器人對象，機器人 Bot 對象可被理解為一個 Web 微信客戶端。Bot 在初始化時便會執(zhí)行登陸操作，需要手機掃描登陸。
通過機器人對象 Bot 的 chats(), friends()，groups(), mps() 方法, 可分別獲取到當前機器人的 所有聊天對象、好友、群聊，以及公眾號列表。
本文主要通過friends()獲取到所有好友信息，然后進行數(shù)據(jù)的處理。
from wxpy import * # 初始化機器人，掃碼登陸 bot = Bot() # 獲取所有好友 my_friends = bot.friends() print(type(my_friends))
以下為輸出消息：
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對象是多個聊天對象的合集，可用于搜索或統(tǒng)計，可以搜索和統(tǒng)計的信息包括sex(性別)、province(省份)、city(城市)和signature(個性簽名)等。
2、微信好友男女比例2.1 數(shù)據(jù)統(tǒng)計使用一個字典sex_dict來統(tǒng)計好友中男性和女性的數(shù)量。
重慶分公司
重慶分公司
# 使用一個字典統(tǒng)計好友男性和女性的數(shù)量
sex_dict = {'male': 0, 'female': 0}
for friend in my_friends:
# 統(tǒng)計性別
if friend.sex == 1:
sex_dict['male'] += 1
elif friend.sex == 2:
sex_dict['female'] += 1
print(sex_dict)以下為輸出結(jié)果：
2.2 數(shù)據(jù)呈現(xiàn){'male': 255, 'female': 104}
本文采用 ECharts餅圖 進行數(shù)據(jù)的呈現(xiàn)，打開鏈接http://echarts.baidu.com/echarts2/doc/example/pie1.html，可以看到如下內(nèi)容：
1、echarts餅圖原始內(nèi)容
從圖中可以看到左側(cè)為數(shù)據(jù)，右側(cè)為呈現(xiàn)的數(shù)據(jù)圖，其他的形式的圖也是這種左右結(jié)構(gòu)。看一下左邊的數(shù)據(jù)：
option = {
title : {
text: '某站點用戶訪問來源',
subtext: '純屬虛構(gòu)',
x:'center'
},
tooltip : {
trigger: 'item',
formatter: "{a}
: {c} (squ6kqw%)"
},
legend: {
orient : 'vertical',
x : 'left',
data:['直接訪問','郵件營銷','聯(lián)盟廣告','視頻廣告','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:'訪問來源',
type:'pie',
radius : '55%',
center: ['50%', '60%'],
data:[
{value:335, name:'直接訪問'},
{value:310, name:'郵件營銷'},
{value:234, name:'聯(lián)盟廣告'},
{value:135, name:'視頻廣告'},
{value:1548, name:'搜索引擎'}
]
}
]
};可以看到option =后面的大括號里是JSON格式的數(shù)據(jù)，接下來分析一下各項數(shù)據(jù)：
?title：標題
?text：標題內(nèi)容
?subtext：子標題
?x：標題位置
?tooltip：提示，將鼠標放到餅狀圖上就可以看到提示
?legend：圖例
?orient：方向
?x：圖例位置
?data：圖例內(nèi)容
?toolbox：工具箱，在餅狀圖右上方橫向排列的圖標
?mark：輔助線開關(guān)
?dataView：數(shù)據(jù)視圖，點擊可以查看餅狀圖數(shù)據(jù)
?magicType：餅圖(pie)切換和漏斗圖(funnel)切換
?restore：還原
?saveAsImage：保存為圖片
?calculable：暫時不知道它有什么用
?series：主要數(shù)據(jù)
?data：呈現(xiàn)的數(shù)據(jù)
其它類型的圖數(shù)據(jù)格式類似，后面不再詳細分析。只需要修改data、l**egend->data**、series->data即可，修改后的數(shù)據(jù)為：
option = {
title : {
text: '微信好友性別比例',
subtext: '真實數(shù)據(jù)',
x:'center'
},
tooltip : {
trigger: 'item',
formatter: "{a}
: {c} (squ6kqw%)"
},
legend: {
orient : 'vertical',
x : 'left',
data:['男性','女性']
},
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:'訪問來源',
type:'pie',
radius : '55%',
center: ['50%', '60%'],
data:[
{value:255, name:'男性'},
{value:104, name:'女性'}
]
}
]
};數(shù)據(jù)修改完成后，點擊頁面中綠色的刷新按鈕，可以得到餅圖如下（可以根據(jù)自己的喜好修改主題）：
2、好友性別比例
將鼠標放到餅圖上可以看到詳細數(shù)據(jù)：
3、好友性別比例查看數(shù)據(jù)
3、微信好友全國分布圖
3.1 數(shù)據(jù)統(tǒng)計# 使用一個字典統(tǒng)計各省好友數(shù)量
province_dict = {'北京': 0, '上海': 0, '天津': 0, '重慶': 0,
'河北': 0, '山西': 0, '吉林': 0, '遼寧': 0, '黑龍江': 0,
'陜西': 0, '甘肅': 0, '青海': 0, '山東': 0, '福建': 0,
'浙江': 0, '臺灣': 0, '河南': 0, '湖北': 0, '湖南': 0,
'江西': 0, '江蘇': 0, '安徽': 0, '廣東': 0, '海南': 0,
'四川': 0, '貴州': 0, '云南': 0,
'內(nèi)蒙古': 0, '新疆': 0, '寧夏': 0, '廣西': 0, '西藏': 0,
'香港': 0, '澳門': 0}
# 統(tǒng)計省份
for friend in my_friends:
if friend.province in province_dict.keys():
province_dict[friend.province] += 1
# 為了方便數(shù)據(jù)的呈現(xiàn)，生成JSON Array格式數(shù)據(jù)
data = []
for key, value in province_dict.items():
data.append({'name': key, 'value': value})
print(data)以下為輸出結(jié)果：
[{'name': '北京', 'value': 91}, {'name': '上海', 'value': 12}, {'name': '天津', 'value': 15}, {'name': '重慶', 'value': 1}, {'name': '河北', 'value': 53}, {'name': '山西', 'value': 2}, {'name': '吉林', 'value': 1}, {'name': '遼寧', 'value': 1}, {'name': '黑龍江', 'value': 2}, {'name': '陜西', 'value': 3}, {'name': '甘肅', 'value': 0}, {'name': '青海', 'value': 0}, {'name': '山東', 'value': 7}, {'name': '福建', 'value': 3}, {'name': '浙江', 'value': 4}, {'name': '臺灣', 'value': 0}, {'name': '河南', 'value': 1}, {'name': '湖北', 'value': 4}, {'name': '湖南', 'value': 4}, {'name': '江西', 'value': 4}, {'name': '江蘇', 'value': 9}, {'name': '安徽', 'value': 2}, {'name': '廣東', 'value': 63}, {'name': '海南', 'value': 0}, {'name': '四川', 'value': 2}, {'name': '貴州', 'value': 0}, {'name': '云南', 'value': 1}, {'name': '內(nèi)蒙古', 'value': 0}, {'name': '新疆', 'value': 2}, {'name': '寧夏', 'value': 0}, {'name': '廣西', 'value': 1}, {'name': '西藏', 'value': 0}, {'name': '香港', 'value': 0}, {'name': '澳門', 'value': 0}]
可以看出，好友最多的省份為北京。那么問題來了：為什么要把數(shù)據(jù)重組成這種格式？因為ECharts的地圖需要這種格式的數(shù)據(jù)。
采用ECharts地圖 來進行好友分布的數(shù)據(jù)呈現(xiàn)。打開該網(wǎng)址，將左側(cè)數(shù)據(jù)修改為：
option = {
title : {
text: '微信好友全國分布圖',
subtext: '真實數(shù)據(jù)',
x:'center'
},
tooltip : {
trigger: 'item'
},
legend: {
orient: 'vertical',
x:'left',
data:['好友數(shù)量']
},
dataRange: {
min: 0,
max: 100,
x: 'left',
y: 'bottom',
text:['高','低'], // 文本，默認為數(shù)值文本
calculable : true
},
toolbox: {
show: true,
orient : 'vertical',
x: 'right',
y: 'center',
feature : {
mark : {show: true},
dataView : {show: true, readOnly: false},
restore : {show: true},
saveAsImage : {show: true}
}
},
roamController: {
show: true,
x: 'right',
mapTypeControl: {
'china': true
}
},
series : [
{
name: '好友數(shù)量',
type: 'map',
mapType: 'china',
roam: false,
itemStyle:{
normal:{label:{show:true}},
emphasis:{label:{show:true}}
},
data:[
{'name': '北京', 'value': 91},
{'name': '上海', 'value': 12},
{'name': '天津', 'value': 15},
{'name': '重慶', 'value': 1},
{'name': '河北', 'value': 53},
{'name': '山西', 'value': 2},
{'name': '吉林', 'value': 1},
{'name': '遼寧', 'value': 1},
{'name': '黑龍江', 'value': 2},
{'name': '陜西', 'value': 3},
{'name': '甘肅', 'value': 0},
{'name': '青海', 'value': 0},
{'name': '山東', 'value': 7},
{'name': '福建', 'value': 3},
{'name': '浙江', 'value': 4},
{'name': '臺灣', 'value': 0},
{'name': '河南', 'value': 1},
{'name': '湖北', 'value': 4},
{'name': '湖南', 'value': 4},
{'name': '江西', 'value': 4},
{'name': '江蘇', 'value': 9},
{'name': '安徽', 'value': 2},
{'name': '廣東', 'value': 63},
{'name': '海南', 'value': 0},
{'name': '四川', 'value': 2},
{'name': '貴州', 'value': 0},
{'name': '云南', 'value': 1},
{'name': '內(nèi)蒙古', 'value': 0},
{'name': '新疆', 'value': 2},
{'name': '寧夏', 'value': 0},
{'name': '廣西', 'value': 1},
{'name': '西藏', 'value': 0},
{'name': '香港', 'value': 0},
{'name': '澳門', 'value': 0}
]
}
]
};注意兩點：
?dataRange->max 根據(jù)統(tǒng)計數(shù)據(jù)適當調(diào)整
?series->data 的數(shù)據(jù)格式
點擊刷新按鈕后，可以生成如下地圖：
4、好友全國分布圖
從圖中可以看出我的好友主要分布在北京、河北和廣東。
有趣的是，地圖左邊有一個滑塊，代表地圖數(shù)據(jù)的范圍，我們將上邊的滑塊拉到最下面可以看到?jīng)]有微信好友分布的省份：
5、沒有微信好友的省份
按照這個思路，我們可以在地圖上看到確切數(shù)量好友分布的省份，讀者可以動手試試。
4、好友簽名統(tǒng)計4.1 數(shù)據(jù)統(tǒng)計def write_txt_file(path, txt):
'''
寫入txt文本
'''
with open(path, 'a', encoding='gb18030', newline='') as f:
f.write(txt)
# 統(tǒng)計簽名
for friend in my_friends:
# 對數(shù)據(jù)進行清洗，將標點符號等對詞頻統(tǒng)計造成影響的因素剔除
pattern = re.compile(r'[一-龥]+')
filterdata = re.findall(pattern, friend.signature)
write_txt_file('signatures.txt', ''.join(filterdata))上面代碼實現(xiàn)了對好友簽名進行清洗以及保存的功能，執(zhí)行完成之后會在當前目錄生成signatures.txt文件。
4.2 數(shù)據(jù)呈現(xiàn)數(shù)據(jù)呈現(xiàn)采用詞頻統(tǒng)計和詞云展示，通過詞頻可以了解到微信好友的生活態(tài)度。
詞頻統(tǒng)計用到了 jieba、numpy、pandas、scipy、wordcloud庫。如果電腦上沒有這幾個庫，執(zhí)行安裝指令：
?pip install jieba
?pip install pandas
?pip install numpy
?pip install scipy
?pip install wordcloud
4.2.1 讀取txt文件
前面已經(jīng)將好友簽名保存到txt文件里了，現(xiàn)在我們將其讀出：
def read_txt_file(path): ''' 讀取txt文本 ''' with open(path, 'r', encoding='gb18030', newline='') as f: return f.read()
4.2.2 stop word
下面引入一個概念：stop word， 在網(wǎng)站里面存在大量的常用詞比如：“在”、“里面”、“也”、“的”、“它”、“為”這些詞都是停止詞。這些詞因為使用頻率過高，幾乎每個網(wǎng)頁上都存在，所以搜索引擎開發(fā)人員都將這一類詞語全部忽略掉。如果我們的網(wǎng)站上存在大量這樣的詞語，那么相當于浪費了很多資源。
在百度搜索stpowords.txt進行下載，放到py文件同級目錄。
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 詞頻統(tǒng)計
重頭戲來了，詞頻統(tǒng)計使用numpy：
import numpy
words_stat = words_df.groupby(by=['segment'])['segment'].agg({"計數(shù)":numpy.size})
words_stat = words_stat.reset_index().sort_values(by=["計數(shù)"],ascending=False)4.2.4 詞頻可視化：詞云
詞頻統(tǒng)計雖然出來了，可以看出排名，但是不完美，接下來我們將它可視化。使用到wordcloud庫，詳細介紹見 github 。
from scipy.misc import imread
from wordcloud import WordCloud, ImageColorGenerator
# 設(shè)置詞云屬性
color_mask = imread('background.jfif')
wordcloud = WordCloud(font_path="simhei.ttf", # 設(shè)置字體可以顯示中文
background_color="white", # 背景顏色
max_words=100, # 詞云顯示的大詞數(shù)
mask=color_mask, # 設(shè)置背景圖片
max_font_size=100, # 字體大值
random_state=42,
width=1000, height=860, margin=2,# 設(shè)置圖片默認的大小,但是如果使用背景圖片的話, # 那么保存的圖片大小將會按照其大小保存,margin為詞語邊緣距離
)
# 生成詞云, 可以用generate輸入全部文本,也可以我們計算好詞頻后使用generate_from_frequencies函數(shù)
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)
# 從背景圖片生成顏色值
image_colors = ImageColorGenerator(color_mask)
# 重新上色
wordcloud.recolor(color_func=image_colors)
# 保存圖片
wordcloud.to_file('output.png')
plt.imshow(wordcloud)
plt.axis("off")
plt.show()運行效果圖如下（左圖為背景圖，右圖為生成詞云圖片）：
6、背景圖和詞云圖對比
從詞云圖可以分析好友特點：
?做——————–行動派
?人生、生活——–熱愛生活
?快樂—————–樂觀
?選擇—————–決斷
?專業(yè)—————–專業(yè)
?愛——————–愛
至此，微信好友的分析工作已經(jīng)完成，wxpy的功能還有很多，比如聊天、查看公眾號信息等，有意的讀者請自行查閱官方文檔。
6、完整代碼上面的代碼比較松散，下面展示的完整代碼我將各功能模塊封裝成函數(shù)：
#-*- 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, txt):
'''
寫入txt文本
'''
with open(path, 'a', encoding='gb18030', newline='') as f:
f.write(txt)
def read_txt_file(path):
'''
讀取txt文本
'''
with open(path, 'r', encoding='gb18030', newline='') as f:
return f.read()
def login():
# 初始化機器人，掃碼登陸
bot = Bot()
# 獲取所有好友
my_friends = bot.friends()
print(type(my_friends))
return my_friends
def show_sex_ratio(friends):
# 使用一個字典統(tǒng)計好友男性和女性的數(shù)量
sex_dict = {'male': 0, 'female': 0}
for friend in friends:
# 統(tǒng)計性別
if friend.sex == 1:
sex_dict['male'] += 1
elif friend.sex == 2:
sex_dict['female'] += 1
print(sex_dict)
def show_area_distribution(friends):
# 使用一個字典統(tǒng)計各省好友數(shù)量
province_dict = {'北京': 0, '上海': 0, '天津': 0, '重慶': 0,
'河北': 0, '山西': 0, '吉林': 0, '遼寧': 0, '黑龍江': 0,
'陜西': 0, '甘肅': 0, '青海': 0, '山東': 0, '福建': 0,
'浙江': 0, '臺灣': 0, '河南': 0, '湖北': 0, '湖南': 0,
'江西': 0, '江蘇': 0, '安徽': 0, '廣東': 0, '海南': 0,
'四川': 0, '貴州': 0, '云南': 0,
'內(nèi)蒙古': 0, '新疆': 0, '寧夏': 0, '廣西': 0, '西藏': 0,
'香港': 0, '澳門': 0}
# 統(tǒng)計省份
for friend in friends:
if friend.province in province_dict.keys():
province_dict[friend.province] += 1
# 為了方便數(shù)據(jù)的呈現(xiàn)，生成JSON Array格式數(shù)據(jù)
data = []
for key, value in province_dict.items():
data.append({'name': key, 'value': value})
print(data)
def show_signature(friends):
# 統(tǒng)計簽名
for friend in friends:
# 對數(shù)據(jù)進行清洗，將標點符號等對詞頻統(tǒng)計造成影響的因素剔除
pattern = re.compile(r'[一-龥]+')
filterdata = re.findall(pattern, friend.signature)
write_txt_file('signatures.txt', ''.join(filterdata))
# 讀取文件
content = read_txt_file('signatures.txt')
segment = jieba.lcut(content)
words_df = pd.DataFrame({'segment':segment})
# 讀取stopwords
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)]
print(words_df)
words_stat = words_df.groupby(by=['segment'])['segment'].agg({"計數(shù)":numpy.size})
words_stat = words_stat.reset_index().sort_values(by=["計數(shù)"],ascending=False)
# 設(shè)置詞云屬性
color_mask = imread('background.jfif')
wordcloud = WordCloud(font_path="simhei.ttf", # 設(shè)置字體可以顯示中文
background_color="white", # 背景顏色
max_words=100, # 詞云顯示的大詞數(shù)
mask=color_mask, # 設(shè)置背景圖片
max_font_size=100, # 字體大值
random_state=42,
width=1000, height=860, margin=2,# 設(shè)置圖片默認的大小,但是如果使用背景圖片的話, # 那么保存的圖片大小將會按照其大小保存,margin為詞語邊緣距離
)
# 生成詞云, 可以用generate輸入全部文本,也可以我們計算好詞頻后使用generate_from_frequencies函數(shù)
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)
# 從背景圖片生成顏色值
image_colors = ImageColorGenerator(color_mask)
# 重新上色
wordcloud.recolor(color_func=image_colors)
# 保存圖片
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()關(guān)于“如何使用Python對微信好友進行數(shù)據(jù)分析”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。
