微信好友数据分析

这里很多工作量，参考了该篇博客，在此致谢，传送门如下：
一件有趣的事：我用 Python 爬了爬自己的微信朋友

不过原博客代码不是特别全，有些没有放出来，而且代码都是图片截图，比较模糊，所以我来整理一下我的代码，贴上来，同时也进行一定的讲解。
（不想看讲解，想用完整代码的，可以戳下面的传送门，我把代码上传到了我的Github里了：
GIthub代码传送门）

下面来介绍所有的代码：
首先，我们导入itchat包，然后登录自己的微信，获取好友的数据，保存到变量friends内。

# -*- coding: utf-8 -*-

import numpy as np
import itchat
import matplotlib.pyplot as plt
# 登录微信，会弹出二维码，用手机微信扫一扫即可登录
itchat.login()
# 获取好友的所有数据
friends = itchat.get_friends(update=True)[0:]

接着，我们对好友的性别比例进行分析，这一块儿代码比较简单，会卡的地方主要是绘图那块儿，我是绘制了柱状图，显示中文卡了一次，然后每个柱子上显示数据又卡了一次。大家可以按照代码中的设置即可，代码中有注释。

# ***-----统计好友性别比例-----***
# 初始化计数器
male = female = other = 0
# friends[0]是自己的信息，因此从friends[1]开始
for i in friends[1:]:
	sex = i['Sex']
	if sex == 1:
		male += 1
	elif sex == 2:
		female += 1
	else:
		other += 1
# 计算朋友总数
total = len(friends[1:])
# 打印输出好友性别比例
print(
	"男性好友: %.2f%%" % (float(male)/total * 100) + "\n" +
	"女性好友: %.2f%%" % (float(female)/total * 100) + "\n" +
	"不明性别好友: %.2f%%" % (float(other)/total * 100)
	)

# 进行绘图
label_name = ["Boy", "Girl", "Unknown"]
gender_list = [male, female, other]
plt.figure()
plt.bar(range(len(gender_list)), gender_list, tick_label=label_name)

# 绘图中文显示设置
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

plt.xlabel(u'性别')
plt.ylabel(u'人数')
plt.title(u'好友性别比例')

# 在柱状图上显示数字
x=np.arange(3)
y=np.array(gender_list)
for a,b in zip(x,y):
	plt.text(a, b+0.1, '%.2f' % b, ha='center', va= 'bottom',fontsize=12)
	

我得到的好友性别比例，如下图所示，充分显示了工科男身边男生多，女生少的规律（男生数量近乎是女生的两倍，其中Unknown指的是没有填写性别信息的好友）：

然后我们对其他信息进行获取，并保存到相应的变量里，方便处理。也可以将数据导入到csv中方便查看，对相应的信息有个大致的了解，不过中文在csv里出现了乱码的问题，加了encoding=‘utf-8’也还是乱码，包括‘utf_8_sig’，暂时的解决办法是，通过Excel->数据->文本导入的形式，将csv文件导入，就可以避免乱码问题。

# ***-----获取各类信息-----***
# 定义函数，爬取所有好友的指定信息
def get_var(var):
	variable = []
	for i in friends[1:]:
		value = i[var]
		variable.append(value)
	return variable
# 调用函数，得到对应信息，并存入csv文件，保存到桌面
NickName = get_var("NickName")
Sex = get_var("Sex")
Province = get_var("Province")
City = get_var("City")
Signature = get_var("Signature")

# Excel 打开中文乱码问题 未解决
# 不过可以通过Excel->数据->文本导入的形式，将csv文件导入，就可以避免乱码问题
from pandas import DataFrame
data = {"NickName": NickName, "Sex": Sex, "Province": Province,
		"City": City, "Signature": Signature}
frame = DataFrame(data)
frame.to_csv('data.csv', encoding='utf_8_sig', index=True)

接下来是，对好友的城市分布进行统计，代码如下：

# ***-----统计好友城市分布-----***
city_dict = {}
x_city = []
y_city = []
for city_name in City:
	if city_name in city_dict:
		city_dict[city_name] += 1
	else:
		city_dict[city_name] = 1
city_list = sorted(city_dict.items(), key=lambda item:item[1], reverse=True)
# 将前14个城市排序显示，去除排名第一的未知城市（城市信息为空的好友）
for i in city_list[1:15]:
	x_city.append(i[0])
	y_city.append(i[1])

# 绘制城市分布柱状图
plt.figure()
plt.bar(range(len(x_city)), y_city, tick_label=x_city)
plt.xlabel(u'城市')
plt.ylabel(u'人数')
plt.title(u'好友城市分布')

# 在柱状图上显示数字
x=np.arange(len(x_city))
y=np.array(y_city)
for a,b in zip(x,y):
	plt.text(a, b+0.06, '%.2f' % b, ha='center', va='bottom', fontsize=9)

我得到的好友城市分布如下图所示，从好友城市分布也可以看出自己的成长轨迹：

然后，就是词云图的绘制了，代码如下：

# ***-----根据个性签名绘制词云图-----***
# 通过正则匹配清洗数据
import re 
Signature_list = []
for i in friends:
	signature = i["Signature"].strip().replace("span", "").replace("class", "").replace("emoji", "")
	rep = re.compile("lf\d+\w*|[<>/=]")
	signature = rep.sub("", signature)
	Signature_list.append(signature)
text = "".join(Signature_list)

# 调包进行分词
import jieba 
wordlist = jieba.cut(text, cut_all=False)
word_space_split = " ".join(wordlist)

这里，我们先是对好友的个性签名进行数据清洗，因为一些好友的个性签名会有表情符号，所以会得到类似于“< span class=“emoji emoji261d”></ span>”这种内容，因此我们要通过正则表达式，将这些符号去除掉。接着，我们导入jieba包，可以对中文句子进行分词。很简单，它所做的工作就是，比如将“我来到北京清华大学”分词，得到：“我”，“来到”，“北京”，“清华大学”。当然，jieba 分词包有不同的分词模式，前面的这种模式是默认的分词模式，比较符合我们的需求，其他的分词模式具体就不展开讲了，感兴趣的话可以上网搜索了解一下。

分词结束后，我们就得到了好友的个性签名里的所有词语，然后我们调用Pillow包里的相应包，进行词云图的绘制，代码如下：

# 调包进行词云图绘制
from wordcloud import WordCloud, ImageColorGenerator
import PIL.Image as Image

coloring = np.array(Image.open("weixin_sj520_33.jpg"))
my_wordcloud = WordCloud(background_color="white", max_words=200,
	mask=coloring, max_font_size=70, random_state=42, scale=2,
	font_path="C:\Windows\Fonts\SimHei.ttf").generate(word_space_split)
image_colors = ImageColorGenerator(coloring)
plt.figure()
plt.imshow(my_wordcloud.recolor(color_func=image_colors))
plt.imshow(my_wordcloud)
plt.axis("off")
plt.show()

词云图的绘制，可以提供一个背景图片作为轮廓和底色，我这里选用了微信的logo，不过由于都是绿色的，所以颜色上会比较单调。你在使用该代码时，要将Image.open后面的文件名，换作你要用的背景图片的文件名，路径的话，我图省事，就把图片和Python代码放在了一个路径下，省去了敲路径的麻烦。接下来就是词云图绘制的相关配置，如代码所示。注意，最后的plt.show()，会将我们前面的图片全部展示出来。因为plt.show()会使得代码停在这里，所以我将它放在了代码的最后。

我的微信得到的词云图如下所示：

以上是这次博客的所有内容，其实itchat的功能有很多，有时间的话再进一步了解，慢慢学。

我的个人博客

欢迎大家访问我搭建的个人博客哦，通过github Page搭建的，基于hexo，用了next主题。有什么问题都可以互相交流。博客地址：我的个人博客：CodeSausage的博客