微信号:weixin51cto

介绍:51CTO官方公众号——聚焦最新最前沿最有料的IT技术资讯、IT行业精华内容、产品交流心得。本订阅号为大家提供各种技术资讯和干货,还会不定期举办有奖活动,敬请关注。

揪出你朋友圈里的“隐形人口”,用 Python 了解你的微信好友

2018-05-15 20:00 徐九



 隐形贫困人口  这个词儿最近很火,许许多多的小伙伴纷纷表示自己就是其中的一份子,随之而来的,还有 “隐形吃货人口”  、 “隐形加班人口”  “隐形肥胖人口”  。



真不知道在哪儿认识了这么多隐形人。这还是我的朋友圈么?


微信好友那么多,你真正了解他们吗?好友最多的城市是哪个?好友男女比例是多少?朋友圈的关键词都是什么?


今天我们通过技术手段来了解一下自己的微信好友。




正文原标题:用 Python 了解你的微信好友 

内容授权自:C与Python实战

原文链接:

https://blog.csdn.net/yaoyefengchen/article/details/79427475

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操作。

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

  1. 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

  1. 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操作,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.
<Login successfully as 王强🇻>
<class 'wxpy.api.chats.chats.Chats'>

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'] += 1

print(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} <br/>{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->dataseries->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',
       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:'访问来源',
           type:'pie',
           radius : '55%',
           center: ['50%', '60%'],
           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:
   if friend.province in province_dict.keys():
       province_dict[friend.province] += 1

# 为了方便数据的呈现,生成JSON Array格式数据
data = []
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', 'value': 1}, {'name': '辽宁', 'value': 1}, {'name': '黑龙江', 'value': 2}, {'name': '陕西', 'value': 3}, {'name': '甘肃', 'value': 0}, {'name': '青海', 'value': 0}, {'name': '山东', 'value': 7}, {'name': '福建', 'value': 3}, {'name': '浙江', 'value': 4}, {'name': '台湾', 'value': 0}, {'name': '河南', 'value': 1}, {'name': '湖北', 'value': 4}, {'name': '湖南', 'value': 4}, {'name': '江西', 'value': 4}, {'name': '江苏', 'value': 9}, {'name': '安徽', 'value': 2}, {'name': '广东', 'value': 63}, {'name': '海南', 'value': 0}, {'name': '四川', 'value': 2}, {'name': '贵州', 'value': 0}, {'name': '云南', 'value': 1}, {'name': '内蒙古', 'value': 0}, {'name': '新疆', 'value': 2}, {'name': '宁夏', 'value': 0}, {'name': '广西', 'value': 1}, {'name': '西藏', 'value': 0}, {'name': '香港', 'value': 0}, {'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',
       subtext: '真实数据',
       x:'center'
   },
   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',
       feature : {
           mark : {show: true},
           dataView : {show: true, readOnly: false},
           restore : {show: true},
           saveAsImage : {show: true}
       }
   },
   roamController: {
       show: true,
       x: 'right',
       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': 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', 'value': 1},
             {'name': '辽宁', 'value': 1},
             {'name': '黑龙江', 'value': 2},
             {'name': '陕西', 'value': 3},
             {'name': '甘肃', 'value': 0},
             {'name': '青海', 'value': 0},
             {'name': '山东', 'value': 7},
             {'name': '福建', 'value': 3},
             {'name': '浙江', 'value': 4},
             {'name': '台湾', 'value': 0},
             {'name': '河南', 'value': 1},
             {'name': '湖北', 'value': 4},
             {'name': '湖南', 'value': 4},
             {'name': '江西', 'value': 4},
             {'name': '江苏', 'value': 9},
             {'name': '安徽', 'value': 2},
             {'name': '广东', 'value': 63},
             {'name': '海南', 'value': 0},
             {'name': '四川', 'value': 2},
             {'name': '贵州', 'value': 0},
             {'name': '云南', 'value': 1},
             {'name': '内蒙古', 'value': 0},
             {'name': '新疆', 'value': 2},
             {'name': '宁夏', 'value': 0},
             {'name': '广西', 'value': 1},
             {'name': '西藏', 'value': 0},
             {'name': '香港', 'value': 0},
             {'name': '澳门', '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:

4、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)
   write_txt_file('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', encoding='gb18030', 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 numpy

words_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')
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
               )

# 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
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(color_func=image_colors)
# 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):

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

def write_txt_file(path, txt):
   '''
   写入txt文本
   '''

   with open(path, 'a', encoding='gb18030', newline='') as f:
       f.write(txt)

def read_txt_file(path):
   '''
   读取txt文本
   '''

   with open(path, 'r', encoding='gb18030', 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_friends

def 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'] += 1

   print(sex_dict)

def show_area_distribution(friends):
   # 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 friends:
       if friend.province in province_dict.keys():
           province_dict[friend.province] += 1

   # 为了方便数据的呈现,生成JSON Array格式数据
   data = []
   for key, value in province_dict.items():
       data.append({'name': 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]+')
       filterdata = re.findall(pattern, friend.signature)
       write_txt_file('signatures.txt', ''.join(filterdata))

   # 读取文件
   content = read_txt_file('signatures.txt')
   segment = jieba.lcut(content)
   words_df = pd.DataFrame({'segment':segment})

   # 读取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({"计数":numpy.size})
   words_stat = words_stat.reset_index().sort_values(by=["计数"],ascending=False)

   # 设置词云属性
   color_mask = imread('background.jfif')
   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
                   )

   # 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
   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(color_func=image_colors)
   # 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)
   show_area_distribution(friends)
   show_signature(friends)

if __name__ == '__main__':
   main()


「本文系作者投稿,若你有原创文章想与大家分享,欢迎投稿。」



 
51CTO官微 更多文章 IT公司男老板专招女员工,偷拍上厕所视频;10块钱就能看浴室床头的摄像头直播?我们的隐私值多少钱? 今年母亲节,你妈跟你说了什么? 印度4亿人用不上电,相当于中国什么时期的水平?答:清朝吧,也是4亿人用不上电 马云当婚礼司仪“80年不许离婚”,马化腾怒怼张一鸣,马斯克糖衣炮弹轰炸巴菲特,这周属马啊...丨一周一话 连“嗯嗯啊啊”都跟真人一样,谷歌助手这是成精了?细思恐极...
猜您喜欢 《移动APP测试实践 》读后感 Thrift——跨越多语言RPC性能鸿沟 今天,你走了,就大胆的往前走! 深入理解软件包的配置、编译与安装