用Python爬了微信好友,原來他們是這樣的人

2021年12月10日15:16:05 科技 1714

隨著微信的普及,越來越多的人開始使用微信。微信漸漸從一款單純的社交軟體轉變成了一個生活方式,人們的日常溝通需要微信,工作交流也需要微信。微信里的每一個好友,都代表著人們在社會裡扮演的不同角色。

今天這篇文章會 基於Python對微信好友進行數據分析, 這裡選擇的維度主要有:性別、頭像、簽名、位置, 主要採用圖表和詞雲兩種形式來呈現結果, 其中,對文本類信息會採用詞頻分析和情感分析兩種方法。常言道:工欲善其事,必先利其器也。在正式開始這篇文章前,簡單介紹下本文中使用到的第三方模塊:

  • itchat: 微信網頁版介面封裝Python版本,在本文中用以獲取微信好友信息。
  • jieba: 結巴分詞的 Python 版本,在本文中用以對文本信息進行分詞處理。
  • matplotlib: Python 中圖表繪製模塊,在本文中用以繪製柱形圖和餅圖
  • snownlp: 一個 Python 中的中文分詞模塊,在本文中用以對文本信息進行情感判斷。
  • PIL: Python 中的圖像處理模塊,在本文中用以對圖片進行處理。
  • numpy: Python中 的數值計算模塊,在本文中配合 wordcloud 模塊使用。
  • wordcloud: Python 中的詞雲模塊,在本文中用以繪製詞雲圖片。
  • TencentYoutuyun: 騰訊優圖提供的 Python 版本 SDK ,在本文中用以識別人臉及提取圖片標籤信息。

itchat不能用的可以參考:如何用Python查看微信好友撤回的消息?

以上模塊均可通過 pip 安裝,關於各個模塊使用的詳細說明,請自行查閱各自文檔。

01

數據分析

分析微信好友數據的前提是獲得好友信息, 通過使用 itchat 這個模塊,這一切會變得非常簡單,我們通過下面兩行代碼就可以實現:

itchat.auto_login(hotReload = True)

friends = itchat.get_friends(update = True)

同平時登錄網頁版微信一樣,我們使用手機掃描二維碼就可以登錄,這裡返回的friends對象是一個集合,第一個元素是當前用戶。所以,在下面的數據分析流程中,我們始終取friends[1:]作為原始輸入數據,集合中的每一個元素都是一個字典結構,以我本人為例, 可以注意到這裡有Sex、City、Province、HeadImgUrl、Signature這四個欄位, 我們下面的分析就從這四個欄位入手:

用Python爬了微信好友,原來他們是這樣的人 - 天天要聞

02

好友性別

分析好友性別,我們首先要獲得所有好友的性別信息,這裡我們將每一個好友信息的Sex欄位提取出來,然後分別統計出Male、Female和Unkonw的數目,我們將這三個數值組裝到一個列表中,即可使用matplotlib模塊繪製出餅圖來,其代碼實現如下:

def analyseSex(firends):

sexs = list(map(lambda x:x['Sex'],friends[1:]))

counts = list(map(lambda x:x[1],Counter(sexs).items()))

labels = ['Unknow','Male','Female']

colors = ['red','yellowgreen','lightskyblue']

plt.figure(figsize=(8,5), dpi=80)

plt.axes(aspect=1)

plt.pie(counts, #性別統計結果

labels=labels, #性別展示標籤

colors=colors, #餅圖區域配色

labeldistance = 1.1, #標籤距離圓點距離

autopct = '%3.1f%%', #餅圖區域文本格式

shadow = False, #餅圖是否顯示陰影

startangle = 90, #餅圖起始角度

pctdistance = 0.6 #餅圖區域文本距離圓點距離

)

plt.legend(loc='upper right',)

plt.title(u'%s的微信好友性別組成' % friends[0]['NickName'])

plt.show()

這裡簡單解釋下這段代碼,微信中性別欄位的取值有Unkonw、Male和Female三種,其對應的數值分別為0、1、2。 通過Collection模塊中的Counter()對這三種不同的取值進行統計, 其items()方法返回的是一個元組的集合。

元組的第一維元素表示鍵,即0、1、2,該元組的第二維元素表示數目,且該元組的集合是排序過的,即其鍵按照0、1、2 的順序排列,所以通過map()方法就可以得到這三種不同取值的數目,我們將其傳遞給matplotlib繪製即可,這三種不同取值各自所佔的百分比由matplotlib計算得出。下圖是matplotlib繪製的好友性別分布圖:

用Python爬了微信好友,原來他們是這樣的人 - 天天要聞

03

好友頭像

分析好友頭像,從兩個方面來分析,第一,在這些好友頭像中,使用人臉頭像的好友比重有多大;第二,從這些好友頭像中,可以提取出哪些有價值的關鍵字。

這裡需要根據HeadImgUrl欄位下載頭像到本地,然後通過騰訊優圖提供的人臉識別相關的API介面,檢測頭像圖片中是否存在人臉以及提取圖片中的標籤。其中, 前者是分類匯總,我們使用餅圖來呈現結果;後者是對文本進行分析,我們使用詞雲來呈現結果。 關鍵代碼如下所示:

def analyseHeadImage(frineds):

# Init Path

basePath = os.path.abspath('.')

baseFolder = basePath + '\\HeadImages\\'

if(os.path.exists(baseFolder) == False):

os.makedirs(baseFolder)

# Analyse Images

faceApi = FaceAPI()

use_face = 0

not_use_face = 0

image_tags = ''

for index in range(1,len(friends)):

friend = friends[index]

# Save HeadImages

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)

# Detect Faces

time.sleep(1)

result = faceApi.detectFace(imgFile)

if result == True:

use_face += 1

else:

not_use_face += 1

# Extract Tags

result = faceApi.extractTags(imgFile)

image_tags += ','.join(list(map(lambda x:x['tag_name'],result)))

labels = [u'使用人臉頭像',u'不使用人臉頭像']

counts = [use_face,not_use_face]

colors = ['red','yellowgreen','lightskyblue']

plt.figure(figsize=(8,5), dpi=80)

plt.axes(aspect=1)

plt.pie(counts, #性別統計結果

labels=labels, #性別展示標籤

colors=colors, #餅圖區域配色

labeldistance = 1.1, #標籤距離圓點距離

autopct = '%3.1f%%', #餅圖區域文本格式

shadow = False, #餅圖是否顯示陰影

startangle = 90, #餅圖起始角度

pctdistance = 0.6 #餅圖區域文本距離圓點距離

)

plt.legend(loc='upper right',)

plt.title(u'%s的微信好友使用人臉頭像情況' % friends[0]['NickName'])

plt.show()

image_tags = image_tags.encode('iso8859-1').decode('utf-8')

back_coloring = np.array(Image.open('face.jpg'))

wordcloud = WordCloud(

font_path='simfang.ttf',

background_color="white",

max_words=1200,

mask=back_coloring,

max_font_size=75,

random_state=45,

width=800,

height=480,

margin=15

)

wordcloud.generate(image_tags)

plt.imshow(wordcloud)

plt.axis("off")

plt.show()

這裡我們會在當前目錄新建一個HeadImages目錄,用於存儲所有好友的頭像,然後我們這裡會用到一個名為FaceApi類,這個類由騰訊優圖的SDK封裝而來, 這裡分別調用了人臉檢測和圖像標籤識別兩個API介面, 前者會統計」使用人臉頭像」和」不使用人臉頭像」的好友各自的數目,後者會累加每個頭像中提取出來的標籤。其分析結果如下圖所示:

用Python爬了微信好友,原來他們是這樣的人 - 天天要聞

可以注意到,在所有微信好友中,約有接近1/4的微信好友使用了人臉頭像, 而有接近3/4的微信好友沒有人臉頭像,這說明在所有微信好友中對」顏值 「有自信的人,僅僅佔到好友總數的25%,或者說75%的微信好友行事風格偏低調為主,不喜歡用人臉頭像做微信頭像。

其次,考慮到騰訊優圖並不能真正地識別」人臉」, 我們這裡對好友頭像中的標籤再次進行提取,來幫助我們了解微信好友的頭像中有哪些關鍵詞,其分析結果如圖所示:

用Python爬了微信好友,原來他們是這樣的人 - 天天要聞

通過詞雲,我們可以發現:在微信好友中的簽名詞雲中,出現頻率相對較高的關鍵字有: 女孩、樹木、房屋、文本、截圖、卡通、合影、天空、大海。 這說明在我的微信好友中,好友選擇的微信頭像主要有日常、旅遊、風景、截圖四個來源。

好友選擇的微信頭像中風格以卡通為主,好友選擇的微信頭像中常見的要素有天空、大海、房屋、樹木。通過觀察所有好友頭像,我發現在我的微信好友中,使用個人照片作為微信頭像的有15人,使用網路圖片作為微信頭像的有53人,使用動漫圖片作為微信頭像的有25人,使用合照圖片作為微信頭像的有3人,使用孩童照片作為微信頭像的有5人,使用風景圖片作為微信頭像的有13人,使用女孩照片作為微信頭像的有18人, 基本符合圖像標籤提取的分析結果。

04

好友簽名

分析好友簽名,簽名是好友信息中最為豐富的文本信息,按照人類慣用的」貼標籤」的方法論,簽名可以分析出某一個人在某一段時間裡狀態,就像人開心了會笑、哀傷了會哭,哭和笑兩種標籤,分別表明了人開心和哀傷的狀態。

這裡我們對簽名做兩種處理, 第一種是使用結巴分詞進行分詞後生成詞雲, 目的是了解好友簽名中的關鍵字有哪些,哪一個關鍵字出現的頻率相對較高; 第二種是使用SnowNLP分析好友簽名中的感情傾向, 即好友簽名整體上是表現為正面的、負面的還是中立的,各自的比重是多少。這裡提取Signature欄位即可,其核心代碼如下:

def analyseSignature(friends):

signatures = ''

emotions = []

pattern = re.compile("1f\d.+")

for friend in friends:

signature = friend['Signature']

if(signature != None):

signature = signature.strip().replace('span', '').replace('class', '').replace('emoji', '')

signature = re.sub(r'1f(\d.+)','',signature)

if(len(signature)>0):

nlp = SnowNLP(signature)

emotions.append(nlp.sentiments)

signatures += ' '.join(jieba.analyse.extract_tags(signature,5))

with open('signatures.txt','wt',encoding='utf-8') as file:

file.write(signatures)

# Sinature WordCloud

back_coloring = np.array(Image.open('flower.jpg'))

wordcloud = WordCloud(

font_path='simfang.ttf',

background_color="white",

max_words=1200,

mask=back_coloring,

max_font_size=75,

random_state=45,

width=960,

height=720,

margin=15

)

wordcloud.generate(signatures)

plt.imshow(wordcloud)

plt.axis("off")

plt.show()

wordcloud.to_file('signatures.jpg')

# Signature Emotional Judgment

count_good = len(list(filter(lambda x:x>0.66,emotions)))

count_normal = len(list(filter(lambda x:x>=0.33 and x<=0.66,emotions)))

count_bad = len(list(filter(lambda x:x<0.33,emotions)))

labels = [u'負面消極',u'中性',u'正面積極']

values = (count_bad,count_normal,count_good)

plt.rcParams['font.sans-serif'] = ['simHei']

plt.rcParams['axes.unicode_minus'] = False

plt.xlabel(u'情感判斷')

plt.ylabel(u'頻數')

plt.xticks(range(3),labels)

plt.legend(loc='upper right',)

plt.bar(range(3), values, color = 'rgb')

plt.title(u'%s的微信好友簽名信息情感分析' % friends[0]['NickName'])

plt.show()

通過詞雲,我們可以發現:在微信好友的簽名信息中,出現頻率相對較高的關鍵詞有:努力、長大、美好、快樂、生活、幸福、人生、遠方、時光、散步。

用Python爬了微信好友,原來他們是這樣的人 - 天天要聞

通過以下柱狀圖,我們可以發現:在微信好友的簽名信息中,正面積極的情感判斷約佔到55.56%,中立的情感判斷約佔到32.10%,負面消極的情感判斷約佔到12.35%。 這個結果和我們通過詞雲展示的結果基本吻合, 這說明在微信好友的簽名信息中,約有87.66%的簽名信息,傳達出來都是一種積極向上的態度。

用Python爬了微信好友,原來他們是這樣的人 - 天天要聞

05

好友位置

分析好友位置,主要通過提取Province和City這兩個欄位。Python中的地圖可視化主要通過Basemap模塊,這個模塊需要從國外網站下載地圖信息,使用起來非常的不便。

百度ECharts在前端使用的比較多,雖然社區里提供了pyecharts項目,可我注意到因為政策的改變,目前Echarts不再支持導出地圖的功能,所以地圖的定製方面目前依然是一個問題,主流的技術方案是配置全國各省市的JSON數據。

這裡我使用的是BDP個人版,這是一個零編程的方案, 我們通過Python導出一個CSV文件,然後將其上傳到BDP中,通過簡單拖拽就可以製作可視化地圖,簡直不能再簡單,這裡我們僅僅展示生成csv部分的代碼:

def analyseLocation(friends):

headers = ['NickName','Province','City']

with open('location.csv','w',encoding='utf-8',newline='',) as csvFile:

writer = csv.DictWriter(csvFile, headers)

writer.writeheader()

for friend in friends[1:]:

row = {}

row['NickName'] = friend['NickName']

row['Province'] = friend['Province']

row['City'] = friend['City']

writer.writerow(row)

下圖是BDP中生成的微信好友地理分布圖,可以發現:我的微信好友主要集中在寧夏和陝西兩個省份。

用Python爬了微信好友,原來他們是這樣的人 - 天天要聞

06

總結

這篇文章是我對數據分析的又一次嘗試,主要從性別、頭像、簽名、位置四個維度,對微信好友進行了一次簡單的數據分析,主要採用圖表和詞雲兩種形式來呈現結果。總而言之一句話, 」數據可視化是手段而並非目的」, 重要的不是我們在這裡做了這些圖出來,而是從這些圖裡反映出來的現象,我們能夠得到什麼本質上的啟示,希望這篇文章能讓大家有所啟發。

科技分類資訊推薦

雷軍是高考第一學霸?全錯,別看網路段子 - 天天要聞

雷軍是高考第一學霸?全錯,別看網路段子

雷軍,這個名字無疑在中國科技界閃耀,他的成功故事鼓舞著無數追求夢想的人們然。而,隨著他的名聲日益擴大,一些關於他的傳言也層出不窮。最近,網路上流傳的一張圖片把他描繪成「天選之子,位面之王」...這些謠言不僅扭曲了我們對他的真實認知,也對他的形象產生了負面影響。
中國吃不飽的時候,你知道華為的突破意味啥嗎? - 天天要聞

中國吃不飽的時候,你知道華為的突破意味啥嗎?

中國吃不飽的時候你知道嗎?1970年我父親吃糠,拉粑粑拉不出來我奶奶用手扣。他們那個年代過年渴望穿新衣服,吃一頓米飯。也就幾十年啊。你身邊也有老人,也有爺爺奶奶都知道那段歷史啊。 後來我們改革開放加入世界貿易組織。也很曲折啊。我們屬於低端製造業。人民起碼吃飽飯了。
今天華為要開啟「第四次工業革命」,穿越美國科技封鎖 - 天天要聞

今天華為要開啟「第四次工業革命」,穿越美國科技封鎖

華為發布會:引領第四次工業革命今天,華為即將舉行一場備受期待的發布會,將在全球範圍內展示一系列新產品。這一事件不僅代表了華為作為中國科技巨頭的雄心壯志,還象徵著中國科技行業的嶄露頭角。本文將深入探討華為發布會的重要性,以及華為在克服美國科技封鎖方面的成就。
華為WATCH GT 4正式發布,全新高端腕錶設計引領腕間時尚 - 天天要聞

華為WATCH GT 4正式發布,全新高端腕錶設計引領腕間時尚

9月25日,華為秋季全場景新品發布會如約而至,華為WATCH GT 4系列正式發布,在標誌性長續航的基礎上全面進化。華為WATCH GT 4系列擁有46mm和41mm兩種規格,分別採用八邊稜角設計和閃耀光環設計,使手錶在圓形錶盤的基礎上更具細節和質感;搭載全新TruSeen™5.
有人破百萬,有人供不應求,包攬金瞳獎的他們「小有可為」 - 天天要聞

有人破百萬,有人供不應求,包攬金瞳獎的他們「小有可為」

新勢力的無限潛力。記者/成如夢編輯/鄭亞文過去一年多,有超過500萬中小商家在淘寶開店,在淘寶的扶持下,也湧現出了非常多有創意的優秀商家。其中在金瞳獎和阿里媽媽聯合發起的「最具突破價值新品牌」賽道的三位獲獎商家,創立不久就通過營銷手段,實現了品牌聲量與銷量的雙增長。