如何用Python了解微信好友

如何用Python了解微信好友，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學習下，希望你能有所收獲。

用了微信幾年了，微信號有也不少了，但是真正了解自己的好友嗎?好友最多的城市是哪個?好友男女比例是多少?好友簽名都是什么?今天我們來充分了解自己的微信好友。

運行平臺： Windows

Python版本： Python3.6

IDE： Sublime Text

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，并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志發送到你的微信

• 加群主為好友，自動拉進群中

• 跨號或跨群轉發消息

• 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” 替換為 “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 對象可被理解為一個 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、群聊，以及公眾號列表。

本文主要通過friends()獲取到所有好友信息，然后進行數據的處理。

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))

以下為輸出消息：

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，可用于搜索或統計，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)

以下為輸出結果：

{'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：

1、echarts餅圖原始內容

從圖中可以看到左側為數據，右側為呈現的數據圖，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} (aegqsqibtmh%)"     },     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 =后面的大括號里是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：保存為圖片

• calculable：暫時不知道它有什么用

• series：主要數據

• data：呈現的數據

其它類型的圖數據格式類似，后面不再詳細分析。只需要修改data、legend->data、series->data即可，修改后的數據為：

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} (aegqsqibtmh%)"     },     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'}             ]         }     ] };

數據修改完成后，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)：

2、好友性別比例

將鼠標放到餅圖上可以看到詳細數據：

3、好友性別比例查看數據

3、微信好友全國分布圖

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,     '陜西': 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, '云南': 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  # 為了方便數據的呈現，生成JSON Array格式數據 data = [] for key, value in province_dict.items():     data.append({'name': key, 'value': value})  print(data)

以下為輸出結果：

[{'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': '陜西', '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': '云南', '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，好友最多的省份為北京。那么問題來了：為什么要把數據重組成這種格式?因為ECharts的地圖需要這種格式的數據。

3.2 數據呈現

采用ECharts地圖 來進行好友分布的數據呈現。打開該網址，將左側數據修改為：

option = {     title : {         text: '微信好友全國分布圖',         subtext: '真實數據',         x:'center'     },     tooltip : {         trigger: 'item'     },     legend: {         orient: 'vertical',         x:'left',         data:['好友數量']     },     dataRange: {         min: 0,         max: 100,         x: 'left',         y: 'bottom',         text:['高','低'],           // 文本，默認為數值文本         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: '好友數量',             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': '陜西', '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': '云南', '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}             ]         }     ] };

注意兩點：

• dataRange->max 根據統計數據適當調整

• series->data 的數據格式

點擊刷新按鈕后，可以生成如下地圖：

好友全國分布圖

從圖中可以看出我的好友主要分布在北京、河北和廣東。

有趣的是，地圖左邊有一個滑塊，代表地圖數據的范圍，我們將上邊的滑塊拉到最下面可以看到沒有微信好友分布的省份：

5、沒有微信好友的省份

按照這個思路，我們可以在地圖上看到確切數量好友分布的省份，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，執行完成之后會在當前目錄生成signatures.txt文件。

4.2 數據呈現

數據呈現采用詞頻統計和詞云展示，通過詞頻可以了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文件里了，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，  在網站里面存在大量的常用詞比如：“在”、“里面”、“也”、“的”、“它”、“為”這些詞都是停止詞。這些詞因為使用頻率過高，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，那么相當于浪費了很多資源。

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：詞云

詞頻統計雖然出來了，可以看出排名，但是不***，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   # 設置詞云屬性 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,                  # 詞云顯示的***詞數                 mask=color_mask,                # 設置背景圖片                 max_font_size=100,              # 字體***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,                                                   # 那么保存的圖片大小將會按照其大小保存,margin為詞語邊緣距離                 )  # 生成詞云, 可以用generate輸入全部文本,也可以我們計算好詞頻后使用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(左圖為背景圖，右圖為生成詞云圖片)：

6、背景圖和詞云圖對比

從詞云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、查看公眾號信息等，有意的讀者請自行查閱官方文檔。

6、完整代碼

上面的代碼比較松散，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,         '陜西': 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, '云南': 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      # 為了方便數據的呈現，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)      # 設置詞云屬性     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,                  # 詞云顯示的***詞數                     mask=color_mask,                # 設置背景圖片                     max_font_size=100,              # 字體***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,                                                   # 那么保存的圖片大小將會按照其大小保存,margin為詞語邊緣距離                     )      # 生成詞云, 可以用generate輸入全部文本,也可以我們計算好詞頻后使用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()

看完上述內容是否對您有幫助呢？如果還想對相關知識有進一步的了解或閱讀更多相關文章，請關注億速云行業資訊頻道，感謝您對億速云的支持。