本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.
随着现代⼈的“⼿机依赖症”越来越深⼊⾻髓，微信⼀定是⼤家每天离不开的⼀款app。通讯，社交，⽀付……
⽽我们的python⼀如既往地强⼤。这篇⽂章就会⼿把⼿地拆解如何利⽤python来爬取微信好友的数据并对它们进⾏分析。
本⽂中使⽤到 的python第三⽅模块主要有：
·itchat 获取微信好友数据
·pyecharts 绘图
·snownlp⽂本情感分析
·jieba 分词
·wordcloud 绘制词云
·百度 ⼈脸 api ⼈脸识别
话不多说，立刻开干！
获取数据
俗话说得好，巧妇难为⽆⽶之炊。因此⾸先我们需要爬取到微信好友的数据，这⾥使⽤到的是 itchat 模块。
itchat 是⼀个开源的微信个⼈号接⼝。安装 itchat ⼗分简单，⽼样⼦，在终端使⽤以下命令即可。
pip install itchat
⽹页爬⾍可能会写长长的代码，然⽽使⽤以下三⾏代码，即可爬取到微信好友数据，so easy。
import itchat itchat.auto_login(hotReload=True) friends =itchat.get_friends(update=True)
通过 itchat.get_friends ⽅法返回来完整的好友列表，其中每个好友为⼀个字典。先来看看它返 回的数据：
这样的数据形式实在是有点辣眼睛，我们再使⽤⼤名⿍⿍的 pandas 将所需要好友信息转化为数据 框的格式存储起来。
长舒⼀⼝⽓，瞬间顺眼了很多。
好友地理位置分析
拿到数据后，我们对微信好友的地理位置进⾏分析。
为了更直观地展⽰数据，我们进⾏了如下的可视化。这⾥我使⽤的是 pyecharts 模块。
pyecharts 的功能强⼤，⽽且作出的图⼗分美观，实在是可视化必备之良品。
from pyecharts import Map
provinces_count =data.groupby('province',as_index=True)['province'].coun t().sort_values()
attr=list(map(lambda x: x if x !=''else '未知',list(provinces_count.i ndex)))#未填写地址的改为未知
value = list(provinces_count)map_1=Map("微信好友位置分布图",title_pos="center",width=1000,height=500)
map_1.add('',attr,value,is_label_show=True,is_visualmap=True,visual_t ext_color='#000',visual_range=[0,120])
map_1.render(path='your own path/微信好友分布.html')
颜⾊越趋近于红⾊的地⽅说明好友越多。
可以看到我的好友主要集中在四川，北京，⼴东这三个省 份。
这正是⼩编出⽣，上学，⼯作的⼏个省份，完全契合了我的⽣活轨迹。
再来统计⼀下我的微信好友主要都分布在哪些城市。
from pyecharts import Bar
from collections import Counter
city_5=Counter(city).most_common(5)
bar=Bar('好友所在城市TOP5','',title_pos='center',width=800, height=500)attr,value=bar.cast(city_5)
bar.add('',attr,value,is_visualmap=True,visual_text_color='#fff',is_m ore_utils=True,is_label_show=True)
bar
emmmm…… 排在第⼀位的是空⽩，也就是说有很多好友并没有标明⾃⼰所在的城市。
当然也许每个⼈的微信⾥都有⼏个位于“安道尔”，“阿布扎⽐”的好友，毕竟城市是⽤户随便填的⽽不是微信定位来的。
排在后⾯的分别为成都，朝阳，海淀，深圳。与上⾯的地图也可以对得上号。
但是微信为何将朝阳和海淀定义为城市⽽不是地区。我不由得陷⼊沉思。
好友性别分析
对好友的性别进⾏分析，来看看我的微信好友男⼥⽐例为多少。同样地这⾥使⽤到了 pyecharts 中的饼图。
from pyecharts import Pie
sexs=list(map(lambda x:x['Sex'],friends[1:])) #提取好友性别
value =[sexs.count(1),sexs.count(2),sexs.count(0)]#对性别进⾏计数
sex_attr=['male','female','unknown']
pie=Pie('好友性别⽐例','好友总⼈数：%d'% len(sex),title_pos='center')
pie.add('',sex_attr,value,radius=[30,75],rosetype='area',is_label_show=True,is_legend_show=True,legend_top='bottom')
pie
如下图所⽰，⼩编的男性好友为51.68%，⼥性好友43.17%，还有少部分没有填写性别的，基本上 算是⼀半⼀半，可以说是⼗分均衡了。
好友签名分析
好友签名是我们获取到的数据中最为丰富的⽂本信息。
毕竟，我们⼤部分⼈都会通过签名来装个⽂艺，提升⼀下逼格，⽐如“缟仙扶醉跨残虹”
或者来个搞笑的，⽐如说“⼤家好，我是性感的贝贝”。
当然也少不了秀恩爱的，⽐如“爱你，只在你在⾝边都是幸福”
对好友签名进⾏分析，这⾥主要使⽤了 jieba , snownlp ， wordcloud 等python包。
⾸先，对签名⽂本进⾏清洗，因为签名⽂本中含有emoji表情以及其他⼀些不能识别的字符，因此先 去掉emoji，span等字符。
然后，使⽤ jieba 对个性签名进⾏分词，使⽤ snownlp 进⾏词性的情感 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)
signatures +="".join(jieba.analyse.extract_tags(signature,5))# 关键字提取
然后开始绘制词云
back_coloring=np.array(Image.open("1.jpg"))#图⽚可替换你⾃⼰的图⽚
word_cloud2=WordCloud(font_path ='zt.ttf',background_color ='white',max_words=1200,mask=back_coloring，margin=15)
word_cloud2.generate(signatures)
image_colors=ImageColorGenerator(back_coloring)
plt.figure(figsize=(6,5),dpi=160)
plt.imshow(word_cloud2.recolor(color_func=image_colors))
plt.axis("off")
plt.show()
word_cloud2.to_file("signatures.jpg")
可以看到，词云中⽐较明显的包括“努⼒”，“⼈⽣”，“幸福”等等。
正可谓是物以类聚⼈以群分，正能量的我也拥有正能量的朋友（⼤误）。
再来看看 snownlp 分析好友签名中的情感倾向。代码如下：
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)))
value=[count_positive,count_negative,count_neutral]
att_attr=['积极','消极','中性']
bar=Bar('个性签名情感分析',title_pos='center',width=800,height=500)
bar.add('',att_attr,value,visual_range=[0,200],is_visualmap=True,is_ label_show=True)
bar
其中积极和中性的占据了⼤部分，消极的只占据了⼀部分，这个分析结果跟词云给我们的印象也是 吻合的。
好友头像分析
itchat 返回的数据中包括好友头像的url，我们可以通过url将好友头像下载下来，再进⾏分析。
使⽤如下代码可以下载所有的好友头像保存到本地。
basePath=os.path.abspath('.')
baseFolder=basePath+'\\HeadImages\\'
if(os.path.exists(baseFolder)== False):
os.makedirs(baseFolder)
image_tags = ''
for index in range(1,2):
friend = friends[index]
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)
下载完所有的好友头像后，我们就能够对头像图⽚进⾏分析了。
由于这种图像分析涉及到了⼈脸识别等内容。为了⽅便起见，我们这⾥直接使⽤造好的轮⼦——百度⼈脸识别。
⾸先需要安装百度⼈脸识别sdk，直接输⼊以下命令即可：
pip install baidu-aip
然后，需要在百度应⽤⾥申请开发者账号并创建应⽤，拿到APP_ID, API_KEY以及SECRET_KEY。
接下来就可以在python中调别百度⼈脸识别的服务了。
为了隐私起见，⼩编在这⾥就不⽤微信好友头像来做演⽰了，⽽是使⽤⼀张明星合影来展⽰，原图如下：
百度⼈脸识别服务可以识别出图中的⼈脸，并返回相应的⼈脸信息。代码如下：
from aip import AipFace
import base64
APP_ID ="your app_id"
API_KEY ="your api_key"
SECRET_KEY="your secret_key"
client =AipFace(APP_ID,API_KEY,SECRET_KEY)#初始化aipface对象
filepath="your own filepath"
with open(filepath,"rb") as fp:
base64_data=base64.b64encode(fp.read())
image=str(base64_data,'utf-8')
imageType="BASE64" options={}
options["face_field"]="age,gender,beauty,expression"
options["max_face_num"] =10
options["face_type"]="LIVE"
result =client.detect(image,imageType,options)
通过以上代码，我们就能够识别出图⽚中的⼈脸位置，还可以根据 option 选项，可以选择识别返 回⼈脸的年龄，性别，颜值，表情，⼈种等⽅⾯的信息。
我们先来根据返回的⼈脸位置信息，⽤opencv模块作图标识出⼈脸位置：
返回的信息中，即 result 中的信息，⼩编选取了年龄，性别，颜值，和表情这四个维度。
其中， 年龄和颜值都是确定的值，表情和性别均为⼀个值以及对应的概率。
虽然粉丝经常为idol们的颜值⾼低battle到天荒地⽼，也有⼈说“各花⼊各眼”，不过可以看到，在五位⼥明星中，百度⼈脸识别对李冰冰的颜值作出了最⾼评分。
另外expression的判定上，所有⼈的表情均为none，并且概率都为1，果然是时尚杂志都偏爱⾯⽆表情的⾼冷范⼉幺。
最后
⽤python对微信好友进⾏数据分析就告⼀段落。
事实上 itchat 有趣的应⽤还不只这⼀些，还可以利⽤它做聊天机器⼈,⽂件的定时发送等等。
同样的，⽂中所使⽤的其他包都有强⼤应⽤。希望这篇⽂章能给⼤家⼀些⼩⼩的启发，⽐芯〜:heartpulse:
Be First to Comment