<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          爬了我的微信好友,原來他們是這樣的...

          共 10841字,需瀏覽 22分鐘

           ·

          2021-07-09 02:44

          來源:Python之禪
          正文

          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件轉(zhuǎn)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。微信里的每一個好友,都代表著人們在社會里扮演的不同角色。


          今天這篇文章會基于Python對微信好友進行數(shù)據(jù)分析,這里選擇的維度主要有:性別、頭像、簽名、位置,主要采用圖表和詞云兩種形式來呈現(xiàn)結(jié)果,其中,對文本類信息會采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塊:

          • itchat:微信網(wǎng)頁版接口封裝Python版本,在本文中用以獲取微信好友信息。
          • jieba:結(jié)巴分詞的 Python 版本,在本文中用以對文本信息進行分詞處理。
          • matplotlib:Python 中圖表繪制模塊,在本文中用以繪制柱形圖和餅圖
          • snownlp:一個 Python 中的中文分詞模塊,在本文中用以對文本信息進行情感判斷。
          • PIL:Python 中的圖像處理模塊,在本文中用以對圖片進行處理。
          • numpy:Python中 的數(shù)值計算模塊,在本文中配合 wordcloud 模塊使用。
          • wordcloud:Python 中的詞云模塊,在本文中用以繪制詞云圖片。
          • TencentYoutuyun:騰訊優(yōu)圖提供的 Python 版本 SDK ,在本文中用以識別人臉及提取圖片標簽信息。

          以上模塊均可通過 pip 安裝,關(guān)于各個模塊使用的詳細說明,請自行查閱各自文檔。

          01

          數(shù)據(jù)分析



          分析微信好友數(shù)據(jù)的前提是獲得好友信息,通過使用 itchat 這個模塊,這一切會變得非常簡單,我們通過下面兩行代碼就可以實現(xiàn):
          itchat.auto_login(hotReload = True
          friends = itchat.get_friends(update = True)

          同平時登錄網(wǎng)頁版微信一樣,我們使用手機掃描二維碼就可以登錄,這里返回的friends對象是一個集合,第一個元素是當前用戶。所以,在下面的數(shù)據(jù)分析流程中,我們始終取friends[1:]作為原始輸入數(shù)據(jù),集合中的每一個元素都是一個字典結(jié)構(gòu),以我本人為例,可以注意到這里有Sex、City、Province、HeadImgUrl、Signature這四個字段,我們下面的分析就從這四個字段入手:


          02

          好友性別



          分析好友性別,我們首先要獲得所有好友的性別信息,這里我們將每一個好友信息的Sex字段提取出來,然后分別統(tǒng)計出Male、Female和Unkonw的數(shù)目,我們將這三個數(shù)值組裝到一個列表中,即可使用matplotlib模塊繪制出餅圖來,其代碼實現(xiàn)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(tǒng)計結(jié)果 
             labels=labels, #性別展示標簽 
             colors=colors, #餅圖區(qū)域配色 
             labeldistance = 1.1#標簽距離圓點距離 
             autopct = '%3.1f%%'#餅圖區(qū)域文本格式 
             shadow = False#餅圖是否顯示陰影 
             startangle = 90#餅圖起始角度 
             pctdistance = 0.6 #餅圖區(qū)域文本距離圓點距離 
           ) 
           plt.legend(loc='upper right',) 
           plt.title(u'%s的微信好友性別組成' % friends[0]['NickName']) 
           plt.show()

          這里簡單解釋下這段代碼,微信中性別字段的取值有Unkonw、Male和Female三種,其對應(yīng)的數(shù)值分別為0、1、2。通過Collection模塊中的Counter()對這三種不同的取值進行統(tǒng)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(shù)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(shù)目,我們將其傳遞給matplotlib繪制即可,這三種不同取值各自所占的百分比由matplotlib計算得出。下圖是matplotlib繪制的好友性別分布圖:


          03

          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(guān)鍵字。

          這里需要根據(jù)HeadImgUrl字段下載頭像到本地,然后通過騰訊優(yōu)圖提供的人臉識別相關(guān)的API接口,檢測頭像圖片中是否存在人臉以及提取圖片中的標簽。其中,前者是分類匯總,我們使用餅圖來呈現(xiàn)結(jié)果;后者是對文本進行分析,我們使用詞云來呈現(xiàn)結(jié)果。關(guān)鍵代碼如下所示:
          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(tǒng)計結(jié)果 
             labels=labels, #性別展示標簽 
             colors=colors, #餅圖區(qū)域配色 
             labeldistance = 1.1#標簽距離圓點距離 
             autopct = '%3.1f%%'#餅圖區(qū)域文本格式 
             shadow = False#餅圖是否顯示陰影 
             startangle = 90#餅圖起始角度 
             pctdistance = 0.6 #餅圖區(qū)域文本距離圓點距離 
           ) 
           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()

          這里我們會在當前目錄新建一個HeadImages目錄,用于存儲所有好友的頭像,然后我們這里會用到一個名為FaceApi類,這個類由騰訊優(yōu)圖的SDK封裝而來,這里分別調(diào)用了人臉檢測和圖像標簽識別兩個API接口,前者會統(tǒng)計”使用人臉頭像”和”不使用人臉頭像”的好友各自的數(shù)目,后者會累加每個頭像中提取出來的標簽。其分析結(jié)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,僅僅占到好友總數(shù)的25%,或者說75%的微信好友行事風格偏低調(diào)為主,不喜歡用人臉頭像做微信頭像。

          其次,考慮到騰訊優(yōu)圖并不能真正的識別”人臉”,我們這里對好友頭像中的標簽再次進行提取,來幫助我們了解微信好友的頭像中有哪些關(guān)鍵詞,其分析結(jié)果如圖所示:


          通過詞云,我們可以發(fā)現(xiàn):在微信好友中的簽名詞云中,出現(xiàn)頻率相對較高的關(guān)鍵字有:女孩、樹木、房屋、文本、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、旅游、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(fā)現(xiàn)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(wǎng)絡(luò)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,基本符合圖像標簽提取的分析結(jié)果。

          04

          好友簽名



          分析好友簽名,簽名是好友信息中最為豐富的文本信息,按照人類慣用的”貼標簽”的方法論,簽名可以分析出某一個人在某一段時間里狀態(tài),就像人開心了會笑、哀傷了會哭,哭和笑兩種標簽,分別表明了人開心和哀傷的狀態(tài)。

          搜索公眾號前端技術(shù)編程后臺回復“前端”,獲取一份驚喜禮包。

          這里我們對簽名做兩種處理,第一種是使用結(jié)巴分詞進行分詞后生成詞云,目的是了解好友簽名中的關(guān)鍵字有哪些,哪一個關(guān)鍵字出現(xiàn)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(xiàn)為正面的、負面的還是中立的,各自的比重是多少。這里提取Signature字段即可,其核心代碼如下:
          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(shù)'
           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()

          通過詞云,我們可以發(fā)現(xiàn):在微信好友的簽名信息中,出現(xiàn)頻率相對較高的關(guān)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(fā)現(xiàn):在微信好友的簽名信息中,正面積極的情感判斷約占到55.56%,中立的情感判斷約占到32.10%,負面消極的情感判斷約占到12.35%。這個結(jié)果和我們通過詞云展示的結(jié)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(tài)度。


          05

          好友位置



          分析好友位置,主要通過提取Province和City這兩個字段。Python中的地圖可視化主要通過Basemap模塊,這個模塊需要從國外網(wǎng)站下載地圖信息,使用起來非常的不便。

          百度的ECharts在前端使用的比較多,雖然社區(qū)里提供了pyecharts項目,可我注意到因為政策的改變,目前Echarts不再支持導出地圖的功能,所以地圖的定制方面目前依然是一個問題,主流的技術(shù)方案是配置全國各省市的JSON數(shù)據(jù)。

          這里我使用的是BDP個人版,這是一個零編程的方案,我們通過Python導出一個CSV文件,然后將其上傳到BDP中,通過簡單拖拽就可以制作可視化地圖,簡直不能再簡單,這里我們僅僅展示生成CSV部分的代碼:

          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布圖,可以發(fā)現(xiàn):我的微信好友主要集中在寧夏和陜西兩個省份。


          06

          總結(jié)



          這篇文章是我對數(shù)據(jù)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數(shù)據(jù)分析,主要采用圖表和詞云兩種形式來呈現(xiàn)結(jié)果??偠灾痪湓挘睌?shù)據(jù)可視化是手段而并非目的”,重要的不是我們在這里做了這些圖出來,而是從這些圖里反映出來的現(xiàn)象,我們能夠得到什么本質(zhì)上的啟示,希望這篇文章能讓大家有所啟發(fā)。

          你還有什么想要補充的嗎?

          —  —

          點這里??關(guān)注我,記得標星呀~

          長按進入小程序,進行打卡簽到

          小程序送書福利更新啦!

          (更多精彩值得期待……)

          鴻蒙最近熱文:
          假如你來發(fā)明編程語言
          互聯(lián)網(wǎng)公司部門鄙視鏈!
          一款神奇的極客工具,用了永無 Bug
          這個工具傳輸比QQ、微信還好用!
          PC微信逆向:破解聊天記錄文件!

          2T技術(shù)資源大放送!包括但不限于:C/C++,Linux,Python,Java,人工智能,考研,軟考,英語,等等。在公眾號內(nèi)回復「資源」,即可免費獲取!回復「社群」,可以邀請你加入讀者群!

          ??給個「在看」,是對我最大的支持??

          瀏覽 43
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  操操操逼逼逼视频网站 | 操B视频在线 | 丁香五月在线 | 老女人综合网 | 天天碰人人操人人 |