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

2. 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->data、series->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：

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、河北和广东。

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：

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）：

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()

原文发布时间为：2018-05-17

本文作者：C与Python实战

本文来自云栖社区合作伙伴新智元，了解相关信息可以关注“AI_era”。

原文链接：你了解微信好友多少？用Python可以更清楚