Python實現微信好友數據爬取及分析

前言

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變成瞭一個生活方式,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裡扮演的不同角色。

今天這篇文章會基於Python對微信好友進行數據分析,這裡選擇的維度主要有:性別、頭像、簽名、位置,主要采用圖表和詞雲兩種形式來呈現結果,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 的數值計算模塊,在本文中配合 wordcloud 模塊使用。
  • wordcloud:Python 中的詞雲模塊,在本文中用以繪制詞雲圖片。
  • 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簽信息。

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

1.數據分析

分析微信好友數據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:

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

同平時登錄網頁版微信一樣,我們使用手機掃描二維碼就可以登錄,這裡返回的friends對象是一個集合,第一個元素是當前用戶。所以,在下面的數據分析流程中,我們始終取friends[1:]作為原始輸入數據,集合中的每一個元素都是一個字典結構,以我本人為例,可以註意到這裡有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:

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信息,這裡我們將每一個好友信息的Sex字段提取出來,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模塊繪制出餅圖來,其代碼實現如下:

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, #性別展示標簽 
   colors=colors, #餅圖區域配色 
   labeldistance = 1.1, #標簽距離圓點距離 
   autopct = '%3.1f%%', #餅圖區域文本格式 
   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()

這裡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,其對應的數值分別為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字段下載頭像到本地,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結果;後者是對文本進行分析,我們使用詞雲來呈現結果。關鍵代碼如下所示:

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, #性別統計結果 
   labels=labels, #性別展示標簽 
   colors=colors, #餅圖區域配色 
   labeldistance = 1.1, #標簽距離圓點距離 
   autopct = '%3.1f%%', #餅圖區域文本格式 
   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()

這裡我們會在當前目錄新建一個HeadImages目錄,用於存儲所有好友的頭像,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,**這裡分別調用瞭人臉檢測和圖像標簽識別兩個API接口,**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簽。其分析結果如下圖所示:

可以註意到,在所有微信好友中,約有接近1/4的微信好友使用瞭人臉頭像, 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簽再次進行提取,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,使用網絡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果。

4.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裡狀態,就像人開心瞭會笑、哀傷瞭會哭,哭和笑兩種標簽,分別表明瞭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') 
 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,雖然社區裡提供瞭pyecharts項目,可我註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,主流的技術方案是配置全國各省市的JSON數據。

這裡我使用的是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,然後將其上傳到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,這裡我們僅僅展示生成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佈圖,可以發現:我的微信好友主要集中在寧夏和陜西兩個省份。

以上就是Python實現微信好友數據爬取及分析的詳細內容,更多關於Python 微信好友數據爬取分析的資料請關註WalkonNet其它相關文章!

推薦閱讀: