Illustrations by Evgenij Kungur 文/ Python攻城狮
最近研究了一下itchat和matplotlib，目前实现了对微信好友头像、性别、区域、个性签名的采集及展示。
本文就来详细介绍一下这个库的用法和一些核心逻辑实现。
1.微信登录
import itchatitchat.auto_login(hotReload=True)itchat.dump_login_status()
itchat.auto_login(hotReload=
True
)
itchat.dump_login_status()
we_friend = itchat.get_friends(update=True)[:]
True
)[:]
这里的
we_friend
是好友的信息的列表，每一个好友字典的 key 如下表
| key | 备注 |
|---|---|
| UserName | 微信系统内的用户编码标识 |
| NickName | 好友昵称 |
| Sex | 性别 |
| Province | 省份 |
| City | 城市 |
| HeadImgUrl | 微信系统内的头像URL |
| RemarkName | 好友的备注名 |
| Signature | 个性签名 |
有了key对应的值，我们就好处理了。
2.好友性别
这里顺便提一下：如果sex=1则代表男性，sex=2代表女性
total = len(we_friend[1:])for fri_info in we_friend[1:]: sex = fri_info['sex'] # 如果sex=1 代表男性 sex=2代表女性 if sex == 1: man += 1 elif sex == 2: woman += 1 else: other += 1
for
fri_info
in
we_friend[1:]:
sex = fri_info[
'sex'
]
# 如果sex=1 代表男性 sex=2代表女性
if
sex == 1:
man += 1
elif
sex == 2:
woman += 1
else
:
other += 1
统计出男生、女生的以及总人数后，占比自然而然就出来了，为了更好的展示男女比例，我们以饼图展示。
man_ratio = int(man)/total * 100woman_ratio = int(woman)/total * 100other_ratio = int(other)/total * 100plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号plt.figure(figsize=(5, 5)) # 绘制的图片为正圆sex_li = ['男', '女', '其他']radius = [0.01, 0.01, 0.01] # 设定各项距离圆心n个半径colors = ['red', 'yellowgreen', 'lightskyblue']proportion = [man_ratio, woman_ratio, other_ratio]plt.pie(proportion, explode=radius, labels=sex_li, colors=colors, autopct='%.2f%%') # 绘制饼图# 加入图例 loc = 'upper right' 位于右上角 bbox_to_anchor=[0.5, 0.5] # 外边距 上边 右边 borderaxespad = 0.3图例的内边距plt.legend(loc="upper right", fontsize=10, bbox_to_anchor=(1.1, 1.1), borderaxespad=0.3)# 绘制标题plt.title('微信好友性别比例') # 展示plt.show()
100
woman_ratio =
int
(woman)/total *
100
other_ratio =
int
(other)/total *
100
plt.rcParams[
'font.sans-serif'
] = [
'SimHei'
]
# 用来正常显示中文标签
plt.rcParams[
'axes.unicode_minus'
] = False
# 用来正常显示负号
plt.figure(figsize=(
5
,
5
))
# 绘制的图片为正圆
sex_li = [
'男'
,
'女'
,
'其他'
]
radius = [
0.01
,
0.01
,
0.01
]
# 设定各项距离圆心n个半径
colors = [
'red'
,
'yellowgreen'
,
'lightskyblue'
]
proportion = [man_ratio, woman_ratio, other_ratio]
plt.pie(proportion, explode=radius, labels=sex_li, colors=colors, autopct=
'%.2f%%'
)
# 绘制饼图
# 加入图例 loc = 'upper right' 位于右上角 bbox_to_anchor=[0.5, 0.5] # 外边距 上边 右边 borderaxespad = 0.3图例的内边距
plt.legend(loc=
"upper right"
, fontsize=
10
, bbox_to_anchor=(
1.1
,
1.1
), borderaxespad=
0.3
)
# 绘制标题
plt.title(
'微信好友性别比例'
)
# 展示
plt.show()
微信好友性别比例
作为一个码农、程序猿，还能有这么多女性好友实属不易啊。敏感的我，看了这个比例深深地感觉到了不安，（ 此图女朋友不可见 ）另外，怎么还有一些未知生物的存在…
友情提醒：matplotlib中文乱码这个问题一直存在，这里记录下 如何解决matplotlib中文乱码
import matplotlibprint(matplotlib.matplotlib_fname()) # 查看路径
print
(matplotlib.matplotlib_fname())
# 查看路径
font.family : sans-seriffont.serif : SimHei, DejaVu Serif, Bitstream Vera Serif, New Century Schoolbook, Century Schoolbook L, Utopia, ITC Bookman, Bookman, Nimbus Roman No9 L, Times New Roman, Times, Palatino, Charter, serif
.family
:
sans-serif
font
.serif
:
SimHei
,
DejaVu
Serif
,
Bitstream
Vera
Serif
,
New
Century
Schoolbook
,
Century
Schoolbook
L
,
Utopia
,
ITC
Bookman
,
Bookman
,
Nimbus
Roman
No9
L
,
Times
New
Roman
,
Times
,
Palatino
,
Charter
,
serif
在terminal中：cd ~/.cache/matplotlib把.cache下面的matplotlib文件夹删除。$ rm -rf matplotlib
把.cache下面的matplotlib文件夹删除。
$ rm -rf matplotlib
3.微信好友头像
这里其实看过我之前文章的应该知道，其实头像的拼接主要分为两部分
import osnum = 0pwd_path = os.path.abspath(os.path.dirname(os.getcwd()))desc_photos = os.path.join(pwd_path, 'res/photos')for i in friends: img = itchat.get_head_img(userName=i["UserName"]) file_image = open(desc_photos + "/" + str(num) + ".jpg", 'wb') file_image.write(img) file_image.close() num += 1
num =
0
pwd_path =
os
.
path
.abspath(
os
.
path
.dirname(
os
.getcwd()))
desc_photos =
os
.
path
.join(pwd_path,
'res/photos'
)
for
i
in
friends:
img = itchat.get_head_img(userName=i[
"UserName"
])
file_image =
open
(desc_photos +
"/"
+ str(num) +
".jpg"
,
'wb'
)
file_image.
write
(img)
file_image.
close
()
num +=
1
ls = os.listdir(desc_photos)each_size = int(math.sqrt(float(640 * 640) / len(ls))) # 算出每张图片的大小多少合适lines = int(640 / each_size)image = Image.new('RGBA', (640, 640)) # 创建640*640px的大图x = 0y = 0for i in range(0, len(ls) + 1): try: img = Image.open(desc_photos + "/" + str(i) + ".jpg") except IOError: print("Error") else: img = img.resize((each_size, each_size), Image.ANTIALIAS) image.paste(img, (x * each_size, y * each_size)) # 粘贴位置 x += 1 if x == lines: # 换行 x = 0 y += 1image.save(desc_full + "/好友头像拼接图.jpg")
# 算出每张图片的大小多少合适
lines = int(640 / each_size)
image = Image.new('RGBA', (640, 640))
# 创建640*640px的大图
x = 0
y = 0
for i in range(0, len(ls) + 1):
try:
img = Image.open(desc_photos +
"/"
+ str(i) +
".jpg"
)
except IOError:
print(
"Error"
)
else
:
img = img.resize((each_size, each_size), Image.ANTIALIAS)
image.paste(img, (x * each_size, y * each_size))
# 粘贴位置
x += 1
if x == lines:
# 换行
x = 0
y += 1
image.save(desc_full +
"/好友头像拼接图.jpg"
)
密集恐惧症患者请忽略!!!
好友头像拼接
4.微信好友地区分布
获取区域及城市
prov_dict, city_dict = {}, {}for fri_info in we_friend[1:]: prov = fri_info['province'] city = fri_info['city'] if prov and prov not in prov_dict.keys(): prov_dict[prov] = 1 elif prov: prov_dict[prov] += 1 if city and city not in city_dict.keys(): city_dict[city] = 1 elif city: city_dict[city] += 1
for
fri_info
in
we_friend[
1
:]:
prov = fri_info[
'province'
]
city = fri_info[
'city'
]
if
prov
and
prov
not
in
prov_dict.keys():
prov_dict[prov] =
1
elif
prov:
prov_dict[prov] +=
1
if
city
and
city
not
in
city_dict.keys():
city_dict[city] =
1
elif
city:
city_dict[city] +=
1
由于城市太多，我们取好友数量排名前十的城市及区域进行展示，感兴趣的可以稍微改下代码，就可以展示所有区域人数。
排序这里我用了Python的
sorted()
函数，列表的每个元素都为二维元组，
key
参数传入了一个
lambda函数
，其x就代表列表里的每一个元素，然后分别利用索引返回元素内的第一个和第二个元素，这就代表了
sorted()
函数利用哪一个元素进行排列。而
reverse
决定是正序还是倒序，默认为False。
# 区域Top10prov_dict_top10 = sorted(prov_dict.items(), key=lambda x: x[1], reverse=True)[0:10]# 城市Top10city_dict_top10 = sorted(city_dict.items(), key=lambda y: y[1], reverse=True)[0:10]
prov_dict_top10
= sorted(prov_dict.items(), key=lambda x: x[
1
], reverse=
True
)[
0
:
10
]
# 城市Top10
city_dict_top10
= sorted(city_dict.items(), key=lambda y: y[
1
], reverse=
True
)[
0
:
10
]
prov_nm, prov_num = [], [] # 省会名 + 数量for prov_data in prov_dict_top10: prov_nm.append(prov_data[0]) prov_num.append(prov_data[1])pwd_path = os.path.abspath(os.path.dirname(os.getcwd()))desc_full = os.path.join(pwd_path, 'res')colors = ['#00FFFF', '#7FFFD4', '#F08080', '#90EE90', '#AFEEEE', '#98FB98', '#B0E0E6', '#00FF7F', '#FFFF00', '#9ACD32']plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号index = range(len(prov_num))plt.bar(index, prov_num, color=colors, width=0.5, align='center')plt.xticks(range(len(prov_nm)), prov_nm) # 横坐轴标签for x, y in enumerate(prov_num): # 在柱子上方1.2处标注值 plt.text(x, y + 1.2, '%s' % y, ha='center', fontsize=10)plt.ylabel('省会好友人数') # 设置纵坐标标签prov_title = '微信好友区域Top10'plt.title(prov_title) # 设置标题plt.savefig(desc_full + '/微信好友区域Top10') # 保存图片
for
prov_data
in
prov_dict_top10:
prov_nm.append(prov_data[
0
])
prov_num.append(prov_data[
1
])
pwd_path = os.path.abspath(os.path.dirname(os.getcwd()))
desc_full = os.path.join(pwd_path,
'res'
)
colors = [
'#00FFFF'
,
'#7FFFD4'
,
'#F08080'
,
'#90EE90'
,
'#AFEEEE'
,
'#98FB98'
,
'#B0E0E6'
,
'#00FF7F'
,
'#FFFF00'
,
'#9ACD32'
]
plt.rcParams[
'font.sans-serif'
] = [
'SimHei'
]
# 用来正常显示中文标签
plt.rcParams[
'axes.unicode_minus'
] =
False
# 用来正常显示负号
index = range(len(prov_num))
plt.bar(index, prov_num, color=colors, width=
0.5
, align=
'center'
)
plt.xticks(range(len(prov_nm)), prov_nm)
# 横坐轴标签
for
x, y
in
enumerate(prov_num):
# 在柱子上方1.2处标注值
plt.text(x, y +
1.2
,
'%s'
% y, ha=
'center'
, fontsize=
10
)
plt.ylabel(
'省会好友人数'
)
# 设置纵坐标标签
prov_title =
'微信好友区域Top10'
plt.title(prov_title)
# 设置标题
plt.savefig(desc_full +
'/微信好友区域Top10'
)
# 保存图片
微信好友区域Top10
微信好友城市Top10
通过柱形图展示，可以清晰看到我的好友主要分布在河南和上海，借此不难推测出我的工作地址以及户籍所在地。
5.微信好友个性签名情感分析及词云图展示
这里使用了常用的中文分词库
jieba
，词云图的背景采用了萌萌哒小猪佩奇(´๑•_•๑)
sign_li = []rule = re.compile("1fd+w*|[<>/=]") # 定义正则规则for fri_info in we_friend[1:]: signature = fri_info['signature'] if signature: sign_deal = signature.replace('', '').replace(' ', '').replace(' ', '') .replace("span", "").replace("class", "").replace("emoji", "") sign = rule.sub("", sign_deal) sign_li.append(sign)
"1fd+w*|[<>/=]"
)
# 定义正则规则
for
fri_info
in
we_friend[1:]:
signature = fri_info[
'signature'
]
if
signature:
sign_deal = signature.replace(
'
'
,
''
).replace(
' '
,
''
).replace(
' '
,
''
)
.replace(
"span"
,
""
).replace(
"class"
,
""
).replace(
"emoji"
,
""
)
sign = rule.sub(
""
, sign_deal)
sign_li.append(sign)
pwd_path = os.path.abspath(os.path.dirname(os.getcwd()))conf_path = os.path.join(pwd_path, 'conf/')comment_txt = ''back_img = plt.imread(conf_path + '/peiqi.jpg')cloud = WordCloud(font_path=conf_path + '/simhei.ttf', # 若是有中文的话，这句代码必须添加，不然会出现方框，不出现汉字 background_color="white", # 背景颜色 max_words=5000, # 词云显示的最大词数 mask=back_img, # 设置背景图片 max_font_size=100, # 字体最大值 random_state=42, width=360, height=591, margin=2, # 设置图片默认的大小,但是如果使用背景图片的话,保存的图片大小将会按照其大小保存,margin为词语边缘距离 )for li in comment: comment_txt += ' '.join(jieba.cut(li, cut_all=False))wc = cloud.generate(comment_txt)image_colors = ImageColorGenerator(back_img)plt.figure("wordc")plt.imshow(wc.recolor(color_func=image_colors))wc.to_file(res_full + '好友个性签名词云图.png')
comment_txt = ''
back_img = plt.imread(conf_path + '/peiqi.jpg')
cloud = WordCloud(font_path=conf_path + '/simhei.ttf',
# 若是有中文的话，这句代码必须添加，不然会出现方框，不出现汉字
background_color=
"white"
,
# 背景颜色
max_words=5000,
# 词云显示的最大词数
mask=back_img,
# 设置背景图片
max_font_size=100,
# 字体最大值
random_state=42,
width=360, height=591, margin=2,
# 设置图片默认的大小,但是如果使用背景图片的话,保存的图片大小将会按照其大小保存,margin为词语边缘距离
)
for li in comment:
comment_txt += ' '.join(jieba.cut(li, cut_all=False))
wc = cloud.generate(comment_txt)
image_colors = ImageColorGenerator(back_img)
plt.figure(
"wordc"
)
plt.imshow(wc.recolor(color_func=image_colors))
wc.to_file(res_full + '好友个性签名词云图.png')
好友个性签名词云图
最初，只想做一个简单的词云图，但是看到这个词云图中 梦想、努力、专注、尊重、希望 这个几个词以后，感觉到我的好友生活态度还是蛮积极向上的，就想不如再做一个简单的情感分析，说干就干。
sentimentslist = []for li in comment: if len(li) > 0: s = SnowNLP(li) print(li, s.sentiments) sentimentslist.append(s.sentiments)fig1 = plt.figure("sentiment")plt.hist(sentimentslist, bins=np.arange(0, 1, 0.02))plt.savefig(res_full + '好友签名情感分析')plt.show()
for
li
in
comment:
if
len
(li) >
0
:
s = SnowNLP(li)
print
(li, s.sentiments)
sentimentslist.append(s.sentiments)
fig1 = plt.figure(
"sentiment"
)
plt.hist(sentimentslist, bins=np.arange(
0
,
1
,
0.02
))
plt.savefig(res_full +
'好友签名情感分析'
)
plt.show()
好友签名情感分析
从图中可以看出，正向情感要远远多于负向情感的数据，积极乐观的人往往都在一个圈子，果然是物以类聚，人以群分啊。
本文完整源码
长按扫描下方二维码后回复" 微信好友 "获取
用Python创建微信机器人
用Python机器人监听微信群聊
用Python获取摄像头并实时控制人脸
开源项目 | 用Python美化LeetCode仓库
推荐Python中文社区旗下的几个服务类公众号
征稿启事 | Python中文社区有奖征文
▼ 点击成为 社区注册会员 「在看」 一下，一起PY！
