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 *** 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 *** 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'] += 1print(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:
为了方便数据的呈现,生成JsON Array格式数据
if frIEnd.province in province_dict.keys():
province_dict[frIEnd.province] += 1data = []
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)
writetxtfile('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 numpywords_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')
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
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
)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(colorfunc=imagecolors)
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):
@H_301_301@
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总结def writetxtfile(path,newline='') as f:
f.write(txt)def readtxtfile(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_frIEndsdef 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'] += 1print(sex_dict)
def showareadistribution(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:
为了方便数据的呈现,生成JsON Array格式数据
if frIEnd.province in province_dict.keys():
province_dict[frIEnd.province] += 1data = []
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]+')
读取文件
filterdata = re.findall(pattern,''.join(filterdata))content = readtxtfile('signatures.txt')
读取stopwords
segment = jIEba.lcut(content)
words_df = pd.DataFrame({'segment':segment})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})
设置词云属性
words_stat = words_stat.reset_index().sort_values(by=["计数"],ascending=False)color_mask = imread('background.jfif')
生成词云,也可以我们计算好词频后使用generate_from_frequencIEs函数
wordcloud = WordCloud(Font_path="simhei.ttf",margin为词语边缘距离
)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(colorfunc=imagecolors)
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)
showareadistribution(frIEnds)
show_signature(frIEnds)if name == 'main':
main()
以上是内存溢出为你收集整理的如何才能更了解的你微信好友?Python数据分析帮你了解微信好友全部内容,希望文章能够帮你解决如何才能更了解的你微信好友?Python数据分析帮你了解微信好友所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)