基于python实现微信好友数据分析的方法-创新互联

这篇文章给大家分享的是有关基于python实现微信好友数据分析的方法的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

一、功能介绍

本文主要介绍利用网页端微信获取数据,实现个人微信好友数据的获取,并进行一些简单的数据分析，功能包括：

1.爬取好友列表,显示好友昵称、性别和地域和签名, 文件保存为 xlsx 格式

2.统计好友的地域分布，并且做成词云和可视化展示在地图上

二、依赖库

1、Pyecharts：一个用于生成echarts图表的类库，echarts是百度开源的一个数据可视化库，用echarts生成的图可视化效果非常棒，使用pyechart库可以在python中生成echarts数据图。

2、Itchat：一个开源的微信个人号接口，使用python调用微信从未如此简单。

3、Jieba：简单的分词操作库。

4、Numpy：NumPy 系统是 Python 的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩 阵。

5、Pandas：pandas 是基于 NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

6、Pillow：图像处理。

7、wxpy：wxpy 在 itchat 的基础上，通过大量接口优化提升了模块的易用性，并进行丰富的功能 扩展。 （微信本身提供）

注：Pyecharts可能安装0.5.*的版本比较好

以上的三方库可以通过命令符（cmd）来实现安装，具体命令：pip install ***

三，操作

from wxpy import *   #导入模块
 bot = Bot(cache_path=True) #初始化机器人，选择扫码登录
 friend_all = bot.friends() #获取微信好友信息

首先出现的是一张二维码，然后扫描登录

成功登录好了就是这种显示

之后就可以进行操作了，好友数量，个人信息

print(len(friend_all)) #好友的数量
 print(friend_all[0].raw) #输出个人信息

显示的结果

四、接下来把全部的好友信息转化为一个xlsx文件

获取全部好友信息

for a_friend in friend_all:
 NickName = a_friend.raw.get('NickName', None)
 #昵称
 #Sex = a_friend.raw.get('Sex', None)
 Sex = {1: "男", 2: "女", 0: "其它"}.get(a_friend.raw.get('Sex', None), None)
 #性别（优化）
 City = a_friend.raw.get('City', None)
 #城市
 Province = a_friend.raw.get('Province', None)
 #省份
 Signature = a_friend.raw.get('Signature', None)
 #个性签名
 HeadImgUrl = a_friend.raw.get('HeadImgUrl', None)
 #头像地址
 HeadImgFlag = a_friend.raw.get('HeadImgFlag', None)
 #小Flag
 list_0=[NickName, Sex, City, Province, Signature, HeadImgUrl, HeadImgFlag]
 #存为一维数组
 lis.append(list_0)
 #叠加数据

存为xlsx文件

def list_excel(filename,lis):
 '''
 将列表写入excel中，其中列表中的元素是列表.
 filename:保存的文件名（含路径）
 lis：元素为列表的列表，如下：
 lis = [["名称", "价格", "出版社", "语言"],
 ["暗时间", "32.4", "人民邮电出版社", "中文"],
 ["拆掉思维里的墙", "26.7", "机械工业出版社", "中文"]]
 '''
 import openpyxl
 wb = openpyxl.Workbook() #激活worksheet
 sheet = wb.active
 sheet.title = 'sheet1'  #创建一个表格
 file_name = filename +'.xlsx'
 for i in range(0, len(lis)):
  for j in range(0, len(lis[i])):
   sheet.cell(row=i+1, column=j+1, value=str(lis[i][j]))
   #每行每列的存入数据
 wb.save(file_name)
 print("写入数据成功！")
list_excel('wechat',lis)

效果如下：

可以看到其好友基本分布再广东省，个性签名也是非常的杀马特

五、实现词云图（我们也可以从存储在本地的 excel 中读取数据进行分析，并查看数据形式。在执行以 下代码之前，我们需要先把 excel 文件加一个列标题行）

例如nickname sex city province signature headImgUrl headImgFlag

#导入模块
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import pandas as pd
from pandas import DataFrame
word_list= df['city'].fillna('0').tolist()
#将 dataframe 的列转化为 list，其中的 nan 用“0”替换
new_text = ' '.join(word_list)
wordcloud = WordCloud(font_path='simhei.ttf', background_color="black").generate(new_text)
#设计图背景颜色，字体
plt.imshow(wordcloud)
plt.axis("off")
plt.show()

还可以将词云图存为HTML形式

#利用 pyechart 做词云
import pandas as pd
#count = df.city.value_counts() #对 dataframe 进行全频率统计，排除了 nan
city_list = df['city'].fillna('NAN').tolist()#将 dataframe 的列转化为 list，其中的 nan 用“NAN” 替换
count_city = pd.value_counts(city_list)#对 list 进行全频率统计 
from pyecharts.charts.wordcloud import WordCloud #设置对象
name = count_city.index.tolist()
value = count_city.tolist()
wordcloud = WordCloud(width=1300, height=620)
wordcloud.add("", name, value, word_size_range=[20, 100])
wordcloud.show_config()
wordcloud.render(r'D:\python\wechatcloud.html')

再看看效果：

六、转化为地图形式

注：安装地图数据包：pip install echarts-china-provinces-pypkg pip install echarts-countries-pypkg

province_list = df['province'].fillna('NAN').tolist()
#将 dataframe 的列转化为 list，其中的 nan 用 “NAN”替换
count_province = pd.value_counts(province_list)
#对 list 进行全频率统计

from pyecharts import Map
value =count_province.tolist()
attr =count_province.index.tolist()
map=Map("各省微信好友分布", width=1300, height=700)
map.add("", attr, value, maptype='china', is_visualmap=True,visual_text_color='#000',is_label_show = True)
#显示地图上的省份
map.show_config()
map.render(r'D:\python\wechatProMap.html')

效果：

感谢各位的阅读！关于“基于python实现微信好友数据分析的方法”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！

另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。