参考https://blog.csdn.net/qinyuanpei/article/details/79360703，基于python3.6实现微信朋友圈性别、地区、个性签名、头像四个维度的分析。

GitHub项目地址：https://github.com/KaguraTyan/wechat_analysis_itchat

1、准备工作

1.1 环境要求

• WIN10
• python3.6
• pycharm编译器

1.2 第三方库要求

• itchat：itchat是一个开源的微信个人号接口
• jieba：结巴分词的 Python 版本，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。 

安装问题①：

上述几个第三方库均可通过pip install方式安装，除了TencentYoutuyun

通过普通的pip方法无法实现安装，会报错

pip install TencentYoutuyun

解决方法①：

先去github下载官方sdk的zip压缩包至某目录下，如E:\Project\test\Python_sdk-master.zip

https://github.com/Tencent-YouTu/Python_sdk

打开命令行，定位到下载目录下，再进行pip安装，至安装成功

e:
cd Project\test
pip install Python_sdk-master.zip

安装问题②：

PIL目前只支持python2.x版本，不支持python3.x。

解决方法②：

Pillow是PIL的一个派生分支，但如今已经发展成为比PIL本身更具活力的图像处理库。

Pillow的Github主页：https://github.com/python-pillow/Pillow
Pillow的文档(对应版本v3.0.0)：https://pillow.readthedocs.org/en/latest/handbook/index.html
Pillow的文档中文翻译(对应版本v2.4.0)：http://pillow-cn.readthedocs.org/en/latest/

Python 3.x 安装Pillow

给Python安装Pillow非常简单，使用pip或easy_install只要一行代码即可。

在命令行使用PIP安装：

pip install Pillow

或在命令行使用easy_install安装： 

easy_install Pillow

安装完成后，使用from PIL import Image就引用使用库了。比如：
 

from PIL import Image
im = Image.open("bride.jpg")
im.rotate(45).show()

2、好友性别

获取好友性别信息，统计男、女、未知的数量，计算比例并制作饼图可视化。

def analyseSex(firends):
    # 将friends中的Sex信息抽取出来，map返回的是迭代器，转化为list格式
    sexs = list(map(lambda x:x['Sex'],friends[1:]))
    # item返回（键，值）元组，第一维为键，第二维为值，即个数
    # 取性别个数变为列表
    counts = Counter(sexs).items()
    counts = sorted(counts, key=lambda x:x[0], reverse=False)
    counts = list(map(lambda x:x[1],counts))

    labels = ['Unknow','Male','Female']
    colors = ['red','yellowgreen','lightskyblue']
    plt.figure(figsize=(8,5), dpi=80)
    plt.axes(aspect=1) 
    plt.pie(counts, 
            labels=labels, 
            colors=colors, 
            labeldistance = 1.1, 
            autopct = '%3.1f%%',
            shadow = False, 
            startangle = 90, 
            pctdistance = 0.6 
    )
    plt.legend(loc='upper right',)
    plt.title(u'%s的微信好友性别组成' % friends[0]['NickName'])
    plt.savefig("analyseSex.jpg")
    plt.show()

3、好友地区

获取好友的地区信息，保存至本地'location.csv'，再统计各地区的好友数量存至'location_analysis.xls’。

def analyseLocation(friends):
    freqs = {}
    headers = ['NickName','Province','City']
    with open('location.csv','w',encoding='utf-8',newline='',) as csvFile:
        # DictWriter以字典的形式写入内容
        # 设置写入格式
        writer = csv.DictWriter(csvFile, headers)
        #  writeheader()实现添加文件头（数据名）
        writer.writeheader()
        for friend in friends[1:]:
            row = {}
            row['NickName'] = friend['NickName']
            row['Province'] = friend['Province']
            row['City'] = friend['City']
            # 统计城市数目
            if(friend['Province']!=None):
                if(friend['Province'] not in freqs):
                   freqs[friend['Province']] = 1
                else:
                   freqs[friend['Province']] += 1
            writer.writerow(row)
    print(freqs)
    print(type(freqs))
    print(len(freqs))

    key_list = list(freqs.keys())
    value_list = list(freqs.values())
    book = xlwt.Workbook(encoding='utf-8')
    sheet = book.add_sheet('sheet1')
    sheet.write(0, 0, 'Province')  # 其中的'0-行, 0-列'指定表中的单元
    sheet.write(0, 1, 'Num')
    for i in range(len(freqs)):
        sheet.write(i+1, 0, key_list[i])
        sheet.write(i+1, 1, value_list[i])

    book.save('location_analysis.xls')

使用BDP报表工具https://me.bdp.cn/home.html分析地区信息

点击上方“数据源” ，添加数据“excel”，上传'location_analysis.xls'——新建图表——普通图表、仪表盘示例、微信运营分析——维度：province，数值：num——右侧，图表类型：地图，最后生成下图。

4、好友头像

调用腾讯优图的人脸识别接口DetectFace和图片标签识别分类接口imagetag，再生成使用人脸头像的饼图和头像标签的词云。

- 接口
`DetectFace(self, image_path, mode = 0, data_type = 0)`
- 参数
	- `image_path` 待检测的图片路径
	- `mode` 是否大脸模式，默认非大脸模式
    - `data_type` 用于表示image_path是图片还是url, 0代表图片，1代表url

- 接口
`imagetag(self, image_path, data_type = 0, seq = '')`
- 参数
    - `image_path` 标识图片信息
    - `data_type` 用于表示image_path是图片还是url, 0代表图片，1代表url

 

def analyseHeadImage(frineds):
    # Init Path
    basePath = os.path.abspath('.')
    baseFolder = basePath + '\\HeadImages\\'
    if not os.path.exists(baseFolder) :
    # 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 not os.path.exists(imgFile):
        # 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
            labels=labels, #性别展示标签
            colors=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.savefig("analyseHeadImage.jpg")
    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=85,
        random_state=75,
        width=800, 
        height=480, 
        margin=15
    )

    wordcloud.generate(image_tags)
    plt.imshow(wordcloud)
    plt.axis("off")
    plt.savefig("wordcloudHeadImage.jpg")
    plt.show()

  

5、好友个性签名

先获取好友签名信息，再对文本做预处理，调用SnowNLP接口对文本做情感分析。

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)
                # 关键词提取，返回5个TF/IDF权重最大的关键词
                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)))    # 正面情感统计
    count_normal = len(list(filter(lambda x:x>=0.33 and x<=0.66,emotions))) # 中性情感统计
    count_bad = len(list(filter(lambda x:x<0.33,emotions)))     # 负面情感统计
    # 计算情感比例值
    print(count_good * 100/len(emotions))
    print(count_normal * 100/len(emotions))
    print(count_bad * 100/len(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.savefig("analyseSignatureEmotional.jpg")
    plt.show()