用Python获取了微信好友数据,进行可视化分析发现

开发 后端
通过对所有好友的个性签名进行词云可视化,我们发现,努力、生活、时间、世界、没有这几个词语最多,看来我的好友大多倾向于跟这些词汇相关的事情。

 [[408491]]

本文转载自微信公众号「志斌的python笔记」,作者志斌  。转载本文请联系志斌的python笔记公众号。

大家好,我是志斌~

最近志斌因为公众号,加了许多的好友,就想着看看爬取一下微信好友,然后理智的分析一波~~

需要源码的读者,加志斌微信获取哈~

一.数据采集

我们这次使用的是Itchat库来获取的微信好友数据。

1登陆

用Itchat库来获取微信好友数据,首先需要先进行登陆。代码如下:

  1. itchat.auto_login(hotReload=True

其中hotReload=True的作用是,在短时间内获取数据不需要重复进行登陆验证。

2获取好友数据

Itchat库的get_friends()功能可以获取所有好友的数据。但是它获取的数据类型是一种Itchat类型,因为没我们要用正则来提取数据,所以要将数据转化成字符串类型,代码如下:

  1. all_friends = str(itchat.get_friends()) 

此时,我们就可以开始对数据进行提取了,这里我们提取的是好友个性签名、好友性别、好友所在省份和地市,这四个数据来进行可视化展示。代码如下:

  1. #签名 
  2. Signature = re.findall("'Signature': '([\u4e00-\u9fa5].*?)',",all_friends) 
  3. c = 0 
  4. for i in Signature: 
  5.    with open(r'签名.txt','a'as f: 
  6.        try: 
  7.            f.write(i) 
  8.        except
  9.            pass 
  10. #统计性别数量 
  11. Sex = re.findall("'Sex': (.*?),",all_friends) 
  12. man = woman = other = 0 
  13. for i in Sex: 
  14.    if i == '1'
  15.        man+=1 
  16.    elif i == '2'
  17.        woman+=1 
  18.    else
  19.        other+=1 
  20. #省份和城市数据 
  21. shengfens = re.findall(r"'Province': '(.*?)',",all_friends) 
  22. chengshis = re.findall(r"'City': '(.*?)',",all_friends) 
  23. #绘制朋友省份分布地图 
  24. shengfen = [] 
  25. for i in range(len(shengfens)): 
  26.  
  27.    if shengfens[i] == ''
  28.        pass 
  29.    else
  30.        shengfen.append(shengfens[i]) 
  31. # 绘制河南省内朋友分布图 
  32. chengshi = [] 
  33. for i in range(len(chengshis)): 
  34.    if shengfens[i] == '河南'
  35.        chengshi.append(chengshis[i]) 

二.可视化展示

我们一共获取了973个好友的数据,下面对这些数据,来进行数据可视化展示。

1签名词云可视化

通过对所有好友的个性签名进行词云可视化,我们发现,努力、生活、时间、世界、没有这几个词语最多,看来我的好友大多倾向于跟这些词汇相关的事情。

代码如下:

  1. with open("签名.txt",) as f: 
  2.    job_title_1 = f.read() 
  3. job_title_2 = re.sub('span','',job_title_1) 
  4. job_title_3 = re.sub('class','',job_title_2) 
  5. job_title_4 = re.sub('emoji','',job_title_3) 
  6. job_title_5 = re.sub('自己','',job_title_4) 
  7. job_title_6 = re.sub('回复','',job_title_5) 
  8. # job_title_7 = re.sub('位于','',job_title_6) 
  9. contents_cut_job_title = jieba.cut(job_title_6) 
  10. contents_list_job_title = " ".join(contents_cut_job_title) 
  11. wc = WordCloud(stopwords=STOPWORDS.add("一个"), collocations=False
  12.               background_color="white"
  13.               font_path=r"K:\苏新诗柳楷简.ttf"
  14.               width=400, height=300, random_state=42, 
  15.               mask=imread('xin.jpg', pilmode="RGB"
  16.               ) 
  17. wc.generate(contents_list_job_title) 
  18. wc.to_file("推荐语.png"

2性别数量图

通过对好友性别进行可视化,我们发现,我们有男性好友543人,女性好友318人,还有112人没有填写这项信息。

3省份分布图

我们通过对这973个好友所在省份进行可视化展示发现,我们的好友最多集中在河南,有263位,其次是广东,有69位。河南的好友最多,很可能是因为志斌是河南人的缘故。

代码如下:

  1. province_distribution = dict(Counter(shengfen).most_common()) 
  2. provice = list(province_distribution.keys()) 
  3. values = list(province_distribution.values()) 
  4. map = Map("中国地图",width=1200, height=600) 
  5. map.add("", provice, values, visual_range=[0, 200], maptype='china', is_visualmap=True
  6. visual_text_color='#000',is_label_show=True
  7. map.render(path="地图.html"

4河南省内好友分布

通过上面我们分析发现,我们河南的好友最多,那么志斌接着对自己河南省内好友的地市分布进行了可视化展示。

从展示图中我们发现,好友最多集中在郑州,有116位,其次是鹤壁,有38位,志斌家是鹤壁的,在郑州上学,郑州的好友比鹤壁的多,估计是上大学才有手机的缘故导致的。

代码如下:

  1. city = [] 
  2. values = [] 
  3. for k,v in dict(Counter(chengshi).most_common()).items(): 
  4.     city.append(k+'市'
  5.     values.append(v) 
  6. map2 = Map("河南地图",'河南', width=1200, height=600) 
  7. map2.add('河南', city, values, visual_range=[1, 25], maptype='河南', is_visualmap=True, visual_text_color='#000'
  8. map2.render(path="河南地图.html"

三.小结

1. 本文详细介绍了用Itchat库获取四类好友数据的方法,并进行可视化展示。

2. Itchat库的登陆是网页版登陆,大家使用它的话,要先确保自己可以登陆微信网页版,否则可能无法爬取数据。

3. 本文仅供学习参考,不做其他用途。

 

责任编辑:武晓燕 来源: 志斌的python笔记
相关推荐

2022-09-06 08:01:23

数据采集数据可视化加密

2017-01-05 16:48:50

Python道路数据数据可视化

2016-11-28 15:03:06

Python数据可视化网络分析

2022-06-15 08:25:07

Python天气数据可视化分析

2023-07-26 12:38:42

PyGWalker数据类型

2018-02-26 08:44:35

Python微信数据分析

2018-04-27 11:50:15

Python微信好友微信

2016-11-25 11:16:22

阿里支付宝数据分析

2021-11-29 13:29:06

Basemap可视化分析

2019-01-16 18:34:37

Python 开发数据

2018-01-03 17:22:22

DataHunter数据可视化分析

2020-09-27 14:56:33

工具数据可视化技术

2018-11-14 10:15:58

开源技术 数据

2018-01-25 14:34:18

大数据可视化工具

2020-09-09 12:15:50

大数据互联网可视化

2021-05-06 09:57:18

Python 开发编程语言

2018-05-03 18:19:18

python爬虫微信好友

2021-11-03 09:49:25

Python可视化数据

2013-07-08 14:42:11

点赞
收藏

51CTO技术栈公众号