運行平臺: Windows
Python版本: Python3.6
IDE: Sublime Text
其他工具: Chrome瀏覽器
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 的基礎上,通過大量接口優化提升了模塊的易用性,並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誌發送到你的微信
- 加羣主爲好友,自動拉進羣中
- 跨號或跨羣轉發消息
- 自動陪人聊天
- 逗人玩
總而言之,可用來實現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” 替換爲 “pip3” 或 “pip2”,可確保安裝到對應的 Python 版本中
- 從 PYPI 官方源下載安裝 (在國內可能比較慢或不穩定):
pip install -U wxpy
- 從豆瓣 PYPI 鏡像源下載安裝 (推薦國內用戶選用):
pip install -U wxpy -i "https://pypi.doubanio.com/simple/"
1.3 登錄微信
wxpy中有一個機器人對象,機器人 Bot
對象可被理解爲一個 Web 微信客戶端。Bot
在初始化時便會執行登陸操作,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、羣聊,以及公衆號列表。
本文主要通過friends()
獲取到所有好友信息,然後進行數據的處理。
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))
以下爲輸出消息:
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.
<Login successfully as 王強?>
<class 'wxpy.api.chats.chats.Chats'>
wxpy.api.chats.chats.Chats
對象是多個聊天對象的合集,可用於搜索或統計,可以搜索和統計的信息包括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 數據統計
使用一個字典sex_dict來統計好友中男性和女性的數量。
# 使用一個字典統計好友男性和女性的數量
sex_dict = {'male': 0, 'female': 0}
for friend in my_friends:
# 統計性別
if friend.sex == 1:
sex_dict['male'] += 1
elif friend.sex == 2:
sex_dict['female'] += 1
print(sex_dict)
以下爲輸出結果:
{'male': 255, 'female': 104}
2.2 數據呈現
本文采用 ECharts餅圖 進行數據的呈現,打開鏈接http://echarts.baidu.com/echarts2/doc/example/pie1.html,可以看到如下內容:
從圖中可以看到左側爲數據,右側爲呈現的數據圖,其他的形式的圖也是這種左右結構。看一下左邊的數據:
option = {
title : {
text: '某站點用戶訪問來源',
subtext: '純屬虛構',
x:'center'
},
tooltip : {
trigger: 'item',
formatter: "{a} <br/>{b} : {c} ({d}%)"
},
legend: {
orient : 'vertical',
x : 'left',
data:['直接訪問','郵件營銷','聯盟廣告','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:'聯盟廣告'},
{value:135, name:'視頻廣告'},
{value:1548, name:'搜索引擎'}
]
}
]
};
可以看到option =
後面的大括號裏是JSON格式的數據,接下來分析一下各項數據:
- title:標題
- text:標題內容
- 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
- dataView:數據視圖,點擊可以查看餅狀圖數據
- magicType:餅圖(pie)切換和漏斗圖(funnel)切換
- restore:還原
- saveAsImage:保存爲圖片
- calculable:暫時不知道它有什麼用
- series:主要數據
- data:呈現的數據
其它類型的圖數據格式類似,後面不再詳細分析。只需要修改data、l**egend->data**、series->data即可,修改後的數據爲:
option = {
title : {
text: '微信好友性別比例',
subtext: '真實數據',
x:'center'
},
tooltip : {
trigger: 'item',
formatter: "{a} <br/>{b} : {c} ({d}%)"
},
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'}
]
}
]
};
數據修改完成後,點擊頁面中綠色的刷新
按鈕,可以得到餅圖如下(可以根據自己的喜好修改主題):
將鼠標放到餅圖上可以看到詳細數據:
3、微信好友全國分佈圖
3.1 數據統計
# 使用一個字典統計各省好友數量
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,
'陝西': 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, '雲南': 0,
'內蒙古': 0, '新疆': 0, '寧夏': 0, '廣西': 0, '西藏': 0,
'香港': 0, '澳門': 0}
# 統計省份
for friend in my_friends:
if friend.province in province_dict.keys():
province_dict[friend.province] += 1
# 爲了方便數據的呈現,生成JSON Array格式數據
data = []
for key, value in province_dict.items():
data.append({'name': key, 'value': value})
print(data)
以下爲輸出結果:
[{'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': '陝西', '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': '雲南', 'value': 1}, {'name': '內蒙古', '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,好友最多的省份爲北京
。那麼問題來了:爲什麼要把數據重組成這種格式?因爲ECharts的地圖需要這種格式的數據。
3.2 數據呈現
採用ECharts地圖 來進行好友分佈的數據呈現。打開該網址,將左側數據修改爲:
- 注意兩點:
- dataRange->max 根據統計數據適當調整
- series->data 的數據格式
點擊刷新
按鈕後,可以生成如下地圖:
從圖中可以看出我的好友主要分佈在北京、河北和廣東。
有趣的是,地圖左邊有一個滑塊,代表地圖數據的範圍,我們將上邊的滑塊拉到最下面可以看到沒有微信好友分佈的省份:
按照這個思路,我們可以在地圖上看到確切數量好友分佈的省份,讀者可以動手試試。
4、好友簽名統計
4.1 數據統計
def write_txt_file(path, txt):
'''
寫入txt文本
'''
with open(path, 'a', encoding='gb18030', newline='') as f:
f.write(txt)
# 統計簽名
for friend in my_friends:
# 對數據進行清洗,將標點符號等對詞頻統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))
上面代碼實現了對好友簽名進行清洗以及保存的功能,執行完成之後會在當前目錄生成signatures.txt
文件。
4.2 數據呈現
數據呈現採用詞頻統計和詞雲展示,通過詞頻可以瞭解到微信好友的生活態度。
詞頻統計用到了 jieba、numpy、pandas、scipy、wordcloud庫。如果電腦上沒有這幾個庫,執行安裝指令:
pip install jieba
pip install pandas
pip install numpy
pip install scipy
pip install wordcloud
4.2.1 讀取txt文件
前面已經將好友簽名保存到txt文件裏了,現在我們將其讀出:
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, 在網站裏面存在大量的常用詞比如:“在”、“裏面”、“也”、“的”、“它”、“爲”這些詞都是停止詞。這些詞因爲使用頻率過高,幾乎每個網頁上都存在,所以搜索引擎開發人員都將這一類詞語全部忽略掉。如果我們的網站上存在大量這樣的詞語,那麼相當於浪費了很多資源。
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 詞頻統計
重頭戲來了,詞頻統計使用numpy:
import numpy
words_stat = words_df.groupby(by=['segment'])['segment'].agg({"計數":numpy.size})
words_stat = words_stat.reset_index().sort_values(by=["計數"],ascending=False)
4.2.4 詞頻可視化:詞雲
詞頻統計雖然出來了,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
# 設置詞雲屬性
color_mask = imread('background.jfif')
wordcloud = WordCloud(font_path="simhei.ttf", # 設置字體可以顯示中文
background_color="white", # 背景顏色
max_words=100, # 詞雲顯示的最大詞數
mask=color_mask, # 設置背景圖片
max_font_size=100, # 字體最大值
random_state=42,
width=1000, height=860, margin=2,# 設置圖片默認的大小,但是如果使用背景圖片的話, # 那麼保存的圖片大小將會按照其大小保存,margin爲詞語邊緣距離
)
# 生成詞雲, 可以用generate輸入全部文本,也可以我們計算好詞頻後使用generate_from_frequencies函數
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(左圖爲背景圖,右圖爲生成詞雲圖片):
從詞雲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—————–專業
- 愛——————–愛
5、總結
至此,微信好友的分析工作已經完成,wxpy的功能還有很多,比如聊天、查看公衆號信息等,有意的讀者請自行查閱官方文檔。
6、完整代碼
上面的代碼比較鬆散,下面展示的完整代碼我將各功能模塊封裝成函數:
#-*- 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):
# 使用一個字典統計好友男性和女性的數量
sex_dict = {'male': 0, 'female': 0}
for friend in friends:
# 統計性別
if friend.sex == 1:
sex_dict['male'] += 1
elif friend.sex == 2:
sex_dict['female'] += 1
print(sex_dict)
def show_area_distribution(friends):
# 使用一個字典統計各省好友數量
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,
'陝西': 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, '雲南': 0,
'內蒙古': 0, '新疆': 0, '寧夏': 0, '廣西': 0, '西藏': 0,
'香港': 0, '澳門': 0}
# 統計省份
for friend in friends:
if friend.province in province_dict.keys():
province_dict[friend.province] += 1
# 爲了方便數據的呈現,生成JSON Array格式數據
data = []
for key, value in province_dict.items():
data.append({'name': key, 'value': value})
print(data)
def show_signature(friends):
# 統計簽名
for friend in friends:
# 對數據進行清洗,將標點符號等對詞頻統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":numpy.size})
words_stat = words_stat.reset_index().sort_values(by=["計數"],ascending=False)
# 設置詞雲屬性
color_mask = imread('background.jfif')
wordcloud = WordCloud(font_path="simhei.ttf", # 設置字體可以顯示中文
background_color="white", # 背景顏色
max_words=100, # 詞雲顯示的最大詞數
mask=color_mask, # 設置背景圖片
max_font_size=100, # 字體最大值
random_state=42,
width=1000, height=860, margin=2,# 設置圖片默認的大小,但是如果使用背景圖片的話, # 那麼保存的圖片大小將會按照其大小保存,margin爲詞語邊緣距離
)
# 生成詞雲, 可以用generate輸入全部文本,也可以我們計算好詞頻後使用generate_from_frequencies函數
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()