用Python爬了我的微信好友,他們是這樣的...

語言: CN / TW / HK

隨著微信的普及,越來越多的人開始使用微信。微信漸漸從一款單純的社交軟體轉變成了一個生活方式,人們的日常溝通需要微信,工作交流也需要微信。微信裡的每一個好友,都代表著人們在社會里扮演的不同角色。

今天這篇文章會基於Python對微信好友進行資料分析,這裡選擇的維度主要有:性別、頭像、簽名、位置,主要採用圖表和詞雲兩種形式來呈現結果,其中,對文字類資訊會採用詞頻分析和情感分析兩種方法。常言道:工欲善其事,必先利其器也。在正式開始這篇文章前,簡單介紹下本文中使用到的第三方模組:

itchat:微信網頁版介面封裝Python版本,在本文中用以獲取微信好友資訊。

jieba:結巴分詞的 Python 版本,在本文中用以對文字資訊進行分詞處理。

matplotlib:Python 中圖表繪製模組,在本文中用以繪製柱形圖和餅圖

snownlp:一個 Python 中的中文分詞模組,在本文中用以對文字資訊進行情感判斷。

PIL:Python 中的影象處理模組,在本文中用以對圖片進行處理。

numpy:Python中 的數值計算模組,在本文中配合 wordcloud 模組使用。

wordcloud:Python 中的詞雲模組,在本文中用以繪製詞雲圖片。

TencentYoutuyun:騰訊優圖提供的 Python 版本 SDK ,在本文中用以識別人臉及提取圖片標籤資訊。

以上模組均可通過 pip 安裝,關於各個模組使用的詳細說明,請自行查閱各自文件。

1. 資料分析

分析微信好友資料的前提是獲得好友資訊,通過使用 itchat 這個模組,這一切會變得非常簡單,我們通過下面兩行程式碼就可以實現:

itchat.auto_login(hotReload = True)  
friends = itchat.get_friends(update = True)

同平時登入網頁版微信一樣,我們使用手機掃描二維碼就可以登入,這裡返回的friends物件是一個集合,第一個元素是當前使用者。所以,在下面的資料分析流程中,我們始終取friends[1:]作為原始輸入資料,集合中的每一個元素都是一個字典結構,以我本人為例,可以注意到這裡有Sex、City、Province、HeadImgUrl、Signature這四個欄位,我們下面的分析就從這四個欄位入手:

2. 好友性別

分析好友性別,我們首先要獲得所有好友的性別資訊,這裡我們將每一個好友資訊的Sex欄位提取出來,然後分別統計出Male、Female和Unkonw的數目,我們將這三個數值組裝到一個列表中,即可使用matplotlib模組繪製出餅圖來,其程式碼實現如下:

def analyseSex(firends):  
  sexs = list(map(lambda x:x['Sex'],friends[1:]))  
 counts = list(map(lambda x:x[1],Counter(sexs).items()))  
 labels = ['Unknow','Male','Female']  
 colors = ['red','yellowgreen','lightskyblue']  
 plt.figure(figsize=(8,5), dpi=80)  
 plt.axes(aspect=1)  
 plt.pie(counts, #性別統計結果  
   labels=labels, #性別展示標籤  
   colors=colors, #餅圖區域配色  
   labeldistance = 1.1, #標籤距離圓點距離  
   autopct = '%3.1f%%', #餅圖區域文字格式  
   shadow = False, #餅圖是否顯示陰影  
   startangle = 90, #餅圖起始角度  
   pctdistance = 0.6 #餅圖區域文字距離圓點距離  
 )  
 plt.legend(loc='upper right',)  
 plt.title(u'%s的微信好友性別組成' % friends[0]['NickName'])  
plt.show()

這裡簡單解釋下這段程式碼,微信中性別欄位的取值有Unkonw、Male和Female三種,其對應的數值分別為0、1、2。通過Collection模組中的Counter()對這三種不同的取值進行統計,其items()方法返回的是一個元組的集合。

該元組的第一維元素表示鍵,即0、1、2,該元組的第二維元素表示數目,且該元組的集合是排序過的,即其鍵按照0、1、2 的順序排列,所以通過map()方法就可以得到這三種不同取值的數目,我們將其傳遞給matplotlib繪製即可,這三種不同取值各自所佔的百分比由matplotlib計算得出。下圖是matplotlib繪製的好友性別分佈圖:

3. 好友頭像

分析好友頭像,從兩個方面來分析,第一,在這些好友頭像中,使用人臉頭像的好友比重有多大;第二,從這些好友頭像中,可以提取出哪些有價值的關鍵字。

這裡需要根據HeadImgUrl欄位下載頭像到本地,然後通過騰訊優圖提供的人臉識別相關的API介面,檢測頭像圖片中是否存在人臉以及提取圖片中的標籤。其中,前者是分類彙總,我們使用餅圖來呈現結果;後者是對文字進行分析,我們使用詞雲來呈現結果。關鍵程式碼如下所示:

def analyseHeadImage(frineds):  
 # Init Path  
 basePath = os.path.abspath('.')  
baseFolder = basePath + '\\HeadImages\\'
 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(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'使用人臉頭像',u'不使用人臉頭像']  
 counts = [use_face,not_use_face]  
 colors = ['red','yellowgreen','lightskyblue']  
 plt.figure(figsize=(8,5), dpi=80)  
 plt.axes(aspect=1)  
 plt.pie(counts, #性別統計結果  
   labels=labels, #性別展示標籤  
   colors=colors, #餅圖區域配色  
   labeldistance = 1.1, #標籤距離圓點距離  
   autopct = '%3.1f%%', #餅圖區域文字格式  
   shadow = False, #餅圖是否顯示陰影  
   startangle = 90, #餅圖起始角度  
   pctdistance = 0.6 #餅圖區域文字距離圓點距離  
 )  
 plt.legend(loc='upper right',)  
 plt.title(u'%s的微信好友使用人臉頭像情況' % friends[0]['NickName'])  
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=75,  
  random_state=45,  
  width=800,  
  height=480,  
 margin=15
)  
 wordcloud.generate(image_tags)  
 plt.imshow(wordcloud)  
 plt.axis("off")  
plt.show()

這裡我們會在當前目錄新建一個HeadImages目錄,用於儲存所有好友的頭像,然後我們這裡會用到一個名為FaceApi類,這個類由騰訊優圖的SDK封裝而來,這裡分別呼叫了人臉檢測和影象標籤識別兩個API介面,前者會統計”使用人臉頭像”和”不使用人臉頭像”的好友各自的數目,後者會累加每個頭像中提取出來的標籤。其分析結果如下圖所示:

可以注意到,在所有微信好友中,約有接近1/4的微信好友使用了人臉頭像, 而有接近3/4的微信好友沒有人臉頭像,這說明在所有微信好友中對”顏值 “有自信的人,僅僅佔到好友總數的25%,或者說75%的微信好友行事風格偏低調為主,不喜歡用人臉頭像做微信頭像。

其次,考慮到騰訊優圖並不能真正的識別”人臉”,我們這裡對好友頭像中的標籤再次進行提取,來幫助我們瞭解微信好友的頭像中有哪些關鍵詞,其分析結果如圖所示:

通過詞雲,我們可以發現:在微信好友中的簽名詞雲中,出現頻率相對較高的關鍵字有:女孩、樹木、房屋、文字、截圖、卡通、合影、天空、大海。這說明在我的微信好友中,好友選擇的微信頭像主要有日常、旅遊、風景、截圖四個來源。

好友選擇的微信頭像中風格以卡通為主,好友選擇的微信頭像中常見的要素有天空、大海、房屋、樹木。通過觀察所有好友頭像,我發現在我的微信好友中,使用個人照片作為微信頭像的有15人,使用網路圖片作為微信頭像的有53人,使用動漫圖片作為微信頭像的有25人,使用合照圖片作為微信頭像的有3人,使用孩童照片作為微信頭像的有5人,使用風景圖片作為微信頭像的有13人,使用女孩照片作為微信頭像的有18人,基本符合影象標籤提取的分析結果。

4. 好友簽名

分析好友簽名,簽名是好友資訊中最為豐富的文字資訊,按照人類慣用的”貼標籤”的方法論,簽名可以分析出某一個人在某一段時間裡狀態,就像人開心了會笑、哀傷了會哭,哭和笑兩種標籤,分別表明了人開心和哀傷的狀態。

這裡我們對簽名做兩種處理,第一種是使用結巴分詞進行分詞後生成詞雲,目的是瞭解好友簽名中的關鍵字有哪些,哪一個關鍵字出現的頻率相對較高;第二種是使用SnowNLP分析好友簽名中的感情傾向,即好友簽名整體上是表現為正面的、負面的還是中立的,各自的比重是多少。這裡提取Signature欄位即可,其核心程式碼如下:

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)  
    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)))  
 count_normal = len(list(filter(lambda x:x>=0.33 and x<=0.66,emotions)))  
 count_bad = len(list(filter(lambda x:x<0.33,emotions)))  
 labels = [u'負面消極',u'中性',u'正面積極']  
 values = (count_bad,count_normal,count_good)  
 plt.rcParams['font.sans-serif'] = ['simHei']  
plt.rcParams['axes.unicode_minus'] = False
 plt.xlabel(u'情感判斷')  
 plt.ylabel(u'頻數')  
 plt.xticks(range(3),labels)  
 plt.legend(loc='upper right',)  
 plt.bar(range(3), values, color = 'rgb')  
 plt.title(u'%s的微信好友簽名信息情感分析' % friends[0]['NickName'])  
plt.show()

通過詞雲,我們可以發現:在微信好友的簽名信息中,出現頻率相對較高的關鍵詞有:努力、長大、美好、快樂、生活、幸福、人生、遠方、時光、散步。

通過以下柱狀圖,我們可以發現:在微信好友的簽名信息中,正面積極的情感判斷約佔到55.56%,中立的情感判斷約佔到32.10%,負面消極的情感判斷約佔到12.35%。這個結果和我們通過詞雲展示的結果基本吻合,這說明在微信好友的簽名信息中,約有87.66%的簽名信息,傳達出來都是一種積極向上的態度。

5. 好友位置

分析好友位置,主要通過提取Province和City這兩個欄位。Python中的地圖視覺化主要通過Basemap模組,這個模組需要從國外網站下載地圖資訊,使用起來非常的不便。

百度的ECharts在前端使用的比較多,雖然社群裡提供了pyecharts專案,可我注意到因為政策的改變,目前Echarts不再支援匯出地圖的功能,所以地圖的定製方面目前依然是一個問題,主流的技術方案是配置全國各省市的JSON資料。

這裡我使用的是BDP個人版,這是一個零程式設計的方案,我們通過Python匯出一個CSV檔案,然後將其上傳到BDP中,通過簡單拖拽就可以製作視覺化地圖,簡直不能再簡單,這裡我們僅僅展示生成CSV部分的程式碼:

def analyseLocation(friends):  
 headers = ['NickName','Province','City']  
 with open('location.csv','w',encoding='utf-8',newline='',) as csvFile:  
  writer = csv.DictWriter(csvFile, headers)  
  writer.writeheader()  
  for friend in friends[1:]:  
   row = {}  
   row['NickName'] = friend['NickName']  
   row['Province'] = friend['Province']  
   row['City'] = friend['City']  
  writer.writerow(row)

下圖是BDP中生成的微信好友地理分佈圖,可以發現:我的微信好友主要集中在寧夏和陝西兩個省份。

6. 總結

這篇文章是我對資料分析的又一次嘗試,主要從性別、頭像、簽名、位置四個維度,對微信好友進行了一次簡單的資料分析,主要採用圖表和詞雲兩種形式來呈現結果。總而言之一句話,”資料視覺化是手段而並非目的”,重要的不是我們在這裡做了這些圖出來,而是從這些圖裡反映出來的現象,我們能夠得到什麼本質上的啟示,希望這篇文章能讓大家有所啟發。