随着微信的普及，越来越多的人开始使用微信。微信渐渐从一款单纯的社交软件转变成了一个生活方式，人们的日常沟通需要微信，工作交流也需要微信。微信里的每一个好友，都代表着人们在社会里扮演的不同角色。
今天这篇文章会基于Python对微信好友进行数据分析，这里选择的维度主要有：性别、头像、签名、位置，主要采用图表和词云两种形式来呈现结果，其中，对文本类信息会采用词频分析和情感分析两种方法。常言道：工欲善其事，必先利其器也。在正式开始这篇文章前，简单介绍下本文中使用到的第三方模块：
- itchat：微信网页版接口封装Python版本，在本文中用以获取微信好友信息。
- jieba：结巴分词的 Python 版本，在本文中用以对文本信息进行分词处理。
- matplotlib：Python 中图表绘制模块，在本文中用以绘制柱形图和饼图
- snownlp：一个 Python 中的中文分词模块，在本文中用以对文本信息进行情感判断。
- PIL：Python 中的图像处理模块，在本文中用以对图片进行处理。
- numpy：Python中 的数值计算模块，在本文中配合 wordcloud 模块使用。
- wordcloud：Python 中的词云模块，在本文中用以绘制词云图片。
- TencentYoutuyun：腾讯优图提供的 Python 版本 SDK ，在本文中用以识别人脸及提取图片标签信息。
itchat不能用的可以参考：如何用Python查看微信好友撤回的消息？
以上模块均可通过 pip 安装，关于各个模块使用的详细说明，请自行查阅各自文档。
1.数据分析
分析微信好友数据的前提是获得好友信息，通过使用 itchat 这个模块，这一切会变得非常简单，我们通过下面两行代码就可以实现：
- itchat.auto_login(hotReload = True)
- friends = itchat.get_friends(update = True)
同平时登录网页版微信一样，我们使用手机扫描二维码就可以登录，这里返回的friends对象是一个集合，第一个元素是当前用户。所以，在下面的数据分析流程中，我们始终取friends[1:]作为原始输入数据，集合中的每一个元素都是一个字典结构，以我本人为例，可以注意到这里有Sex、City、Province、HeadImgUrl、Signature这四个字段，我们下面的分析就从这四个字段入手：
2.好友性别
分析好友性别，我们首先要获得所有好友的性别信息，这里我们将每一个好友信息的Sex字段提取出来，然后分别统计出Male、Female和Unkonw的数目，我们将这三个数值组装到一个列表中，即可使用matplotlib模块绘制出饼图来，其代码实现如下：
- 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, #性别统计结果
- labelslabels=labels, #性别展示标签
- colorscolors=colors, #饼图区域配色
- labeldistance = 1.1, #标签距离圆点距离
- autopct = '%3.1f%%', #饼图区域文本格式
- shadow = False, #饼图是否显示阴影
- startangle = 90, #饼图起始角度
- pctdistance = 0.6 #饼图区域文本距离圆点距离
- )
- plt.legend(loc='upper right',)
- plt.title(u'%s的微信好友性别组成' % friends[0]['NickName'])
- plt.show()
这里简单解释下这段代码，微信中性别字段的取值有Unkonw、Male和Female三种，其对应的数值分别为0、1、2。通过Collection模块中的Counter()对这三种不同的取值进行统计，其items()方法返回的是一个元组的集合。
该元组的第一维元素表示键，即0、1、2，该元组的第二维元素表示数目，且该元组的集合是排序过的，即其键按照0、1、2 的顺序排列，所以通过map()方法就可以得到这三种不同取值的数目，我们将其传递给matplotlib绘制即可，这三种不同取值各自所占的百分比由matplotlib计算得出。下图是matplotlib绘制的好友性别分布图：
3.好友头像
分析好友头像，从两个方面来分析，第一，在这些好友头像中，使用人脸头像的好友比重有多大；第二，从这些好友头像中，可以提取出哪些有价值的关键字。
这里需要根据HeadImgUrl字段下载头像到本地，然后通过腾讯优图提供的人脸识别相关的API接口，检测头像图片中是否存在人脸以及提取图片中的标签。其中，前者是分类汇总，我们使用饼图来呈现结果；后者是对文本进行分析，我们使用词云来呈现结果。关键代码如下所示：
- 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'使用人脸头像',u'不使用人脸头像']
- counts = [use_face,not_use_face]
- colors = ['red','yellowgreen','lightskyblue']
- plt.figure(figsize=(8,5), dpi=80)
- plt.axes(aspect=1)
- plt.pie(counts, #性别统计结果
- labelslabels=labels, #性别展示标签
- colorscolors=colors, #饼图区域配色
- labeldistance = 1.1, #标签距离圆点距离
- autopct = '%3.1f%%', #饼图区域文本格式
- shadow = False, #饼图是否显示阴影
- startangle = 90, #饼图起始角度
- pctdistance = 0.6 #饼图区域文本距离圆点距离
- )
- plt.legend(loc='upper right',)
- plt.title(u'%s的微信好友使用人脸头像情况' % friends[0]['NickName'])
- plt.show()
- image_tagsimage_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()
这里我们会在当前目录新建一个HeadImages目录，用于存储所有好友的头像，然后我们这里会用到一个名为FaceApi类，这个类由腾讯优图的SDK封装而来，这里分别调用了人脸检测和图像标签识别两个API接口，前者会统计”使用人脸头像”和”不使用人脸头像”的好友各自的数目，后者会累加每个头像中提取出来的标签。其分析结果如下图所示：
可以注意到，在所有微信好友中，约有接近1/4的微信好友使用了人脸头像， 而有接近3/4的微信好友没有人脸头像，这说明在所有微信好友中对”颜值 “有自信的人，仅仅占到好友总数的25%，或者说75%的微信好友行事风格偏低调为主，不喜欢用人脸头像做微信头像。
其次，考虑到腾讯优图并不能真正的识别”人脸”，我们这里对好友头像中的标签再次进行提取，来帮助我们了解微信好友的头像中有哪些关键词，其分析结果如图所示：
通过词云，我们可以发现：在微信好友中的签名词云中，出现频率相对较高的关键字有：女孩、树木、房屋、文本、截图、卡通、合影、天空、大海。这说明在我的微信好友中，好友选择的微信头像主要有日常、旅游、风景、截图四个来源。
好友选择的微信头像中风格以卡通为主，好友选择的微信头像中常见的要素有天空、大海、房屋、树木。通过观察所有好友头像，我发现在我的微信好友中，使用个人照片作为微信头像的有15人，使用网络图片作为微信头像的有53人，使用动漫图片作为微信头像的有25人，使用合照图片作为微信头像的有3人，使用孩童照片作为微信头像的有5人，使用风景图片作为微信头像的有13人，使用女孩照片作为微信头像的有18人，基本符合图像标签提取的分析结果。
4.好友签名
分析好友签名，签名是好友信息中最为丰富的文本信息，按照人类惯用的”贴标签”的方法论，签名可以分析出某一个人在某一段时间里状态，就像人开心了会笑、哀伤了会哭，哭和笑两种标签，分别表明了人开心和哀伤的状态。
这里我们对签名做两种处理，第一种是使用结巴分词进行分词后生成词云，目的是了解好友签名中的关键字有哪些，哪一个关键字出现的频率相对较高；第二种是使用SnowNLP分析好友签名中的感情倾向，即好友签名整体上是表现为正面的、负面的还是中立的，各自的比重是多少。这里提取Signature字段即可，其核心代码如下：
- def analyseSignature(friends):
- signatures = ''
- emotions = []
- pattern = re.compile("1f\d.+")
- for friend in friends:
- signature = friend['Signature']
- if(signature != None):
- signaturesignature = 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'负面消极',u'中性',u'正面积极']
- values = (count_bad,count_normal,count_good)
- plt.rcParams['font.sans-serif'] = ['simHei']
- plt.rcParams['axes.unicode_minus'] = False
- plt.xlabel(u'情感判断')
- plt.ylabel(u'频数')
- plt.xticks(range(3),labels)
- plt.legend(loc='upper right',)
- plt.bar(range(3), values, color = 'rgb')
- plt.title(u'%s的微信好友签名信息情感分析' % friends[0]['NickName'])
- plt.show()
通过词云，我们可以发现：在微信好友的签名信息中，出现频率相对较高的关键词有：努力、长大、美好、快乐、生活、幸福、人生、远方、时光、散步。
通过以下柱状图，我们可以发现：在微信好友的签名信息中，正面积极的情感判断约占到55.56%，中立的情感判断约占到32.10%，负面消极的情感判断约占到12.35%。这个结果和我们通过词云展示的结果基本吻合，这说明在微信好友的签名信息中，约有87.66%的签名信息，传达出来都是一种积极向上的态度。
5.好友位置
分析好友位置，主要通过提取Province和City这两个字段。Python中的地图可视化主要通过Basemap模块，这个模块需要从国外网站下载地图信息，使用起来非常的不便。
百度的ECharts在前端使用的比较多，虽然社区里提供了pyecharts项目，可我注意到因为政策的改变，目前Echarts不再支持导出地图的功能，所以地图的定制方面目前依然是一个问题，主流的技术方案是配置全国各省市的JSON数据。
这里我使用的是BDP个人版，这是一个零编程的方案，我们通过Python导出一个CSV文件，然后将其上传到BDP中，通过简单拖拽就可以制作可视化地图，简直不能再简单，这里我们仅仅展示生成CSV部分的代码：
- 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)
下图是BDP中生成的微信好友地理分布图，可以发现：我的微信好友主要集中在宁夏和陕西两个省份。
6.总结
这篇文章是我对数据分析的又一次尝试，主要从性别、头像、签名、位置四个维度，对微信好友进行了一次简单的数据分析，主要采用图表和词云两种形式来呈现结果。总而言之一句话，”数据可视化是手段而并非目的”，重要的不是我们在这里做了这些图出来，而是从这些图里反映出来的现象，我们能够得到什么本质上的启示，希望这篇文章能让大家有所启发。
最后推荐一下我们的星球：有兴趣玩一些趣味的Python程序，并且想玩服务器编程的可以加入我们，我们一年会带大家玩7个项目，大家可以修改我们的代码来扩展它的功能，比如监控股票的可以改成监控基金的，或者是多个金融数据产品，然后根据一些均线策略来提醒你的交易策略等等。
