最近看了wxpy这个包，感觉还不错，分析一下微信的好友。
分析的目的：
1.看看好友的性别占比、地域分布
2.分析好友的个性签名
3.对好友的签名进行情感分析
环境：python 3.6
需要的包wxpy、jieba、snownlp、scipy、wordcloud（这个pip可能直接安装不了，会提示需要c++之类的错误，直接去官网下载whl文件，用pip离线安装就好了，命令：pip install D:/xxxx/xxxx/xxx.whl把xxx换成你的文件路径）
过程如下：
先导入需要的所有包。利用wxpy的bot（）接口，可以获得好友、公众号、群聊等属性，可以完成大部分web端微信的操作，比如自己跟自己聊天，添加好友等。
from wxpy import *from snownlp import SnowNLP,sentimentimport re,jiebafrom scipy.misc import imreadfrom wordcloud import WordCloud, ImageColorGenerator,STOPWORDSimport matplotlib.pyplot as pltfrom collections import Counterbot=Bot()friends=bot.friends()#获得好友对象groups=bot.groups()#获得群聊对象mps=bot.mps()#获得微信公众号print(mps)#计算男女性别,画出饼图sex_dict={'boy':0,'girl':0,'other':0}for friend in friends:if friend.sex==1:sex_dict['boy']+=1elif friend.sex==2:sex_dict['girl']+=1else:sex_dict['other']+=1print('有男生{}个，女生{}个,未知性别{}个'.format(sex_dict['boy'],sex_dict['girl'],sex_dict['other']))labels = ['boy','girl','other']colors = ['red','yellow','green']explode = (0.1, 0, 0) #最大的突出显示plt.figure(figsize=(8,5), dpi=80)plt.axes(aspect=1)plt.pie(sex_dict.values(),explode=explode,labels=labels, autopct='%1.2f%%',colors=colors,labeldistance = 1.1, shadow = True, startangle = 90, pctdistance = 0.6)plt.title("SEX ANALYSIS",bbox=dict(facecolor='g', edgecolor='blue', alpha=0.65 ))#设置标题和标题边框plt.savefig("sex_analysis.jpg")plt.show()
运行过程中，会弹出二维码，微信扫描登录一下就可以看到下面的图片了。
我的好友男女平均分配，不知道其他人的怎么样。
接下来看好友的地域分布
city=[]Municipality=['上海','上海市','北京','北京市','重庆','重庆市','天津','天津市']for friend in friends:if friend.province in Municipality:city.append(friend.province)#直辖市直接添加城市else:city.append(friend.city)#print(city.count('上海'))counts=dict(Counter(city))#统计各个地区人数print(counts)df=pd.DataFrame([counts]).T#转成DataFrame方便保存和后面画图,装置成竖排形式df.to_excel('city.xlsx')
看地理图，就要请出大名鼎鼎的tableau，一键生成，用matplotlib也可以画地理图，比较麻烦一些而已。
地理图可以很清晰看到好友分布地域和数量。
接下来进行好友签名分析和情感分析
text1=[]emotions=[]for friend in friends:sig=friend.signature.strip()newsig=re.sub(pile('<.*?>|[0-9]|。|，|！|～|—|”|“|《|》|\？|、|：'), '', sig)#去掉数字标点符号text1.append(newsig)if len(newsig)>0:sentiments = SnowNLP(newsig).sentimentsemotions.append(sentiments)text = "".join(text1)wordlist=" ".join(jieba.cut(text,cut_all=True))#结巴分词，用空格连接stopwords = STOPWORDS#设置停用词bgimg=imread(r'C:\Users\lbship\Desktop\mice.jpg')#设置背景图片font_path=r'C:\Windows\Fonts\simkai.ttf'wc = WordCloud(font_path=font_path, # 设置字体background_color="white", # 背景颜色max_words=2000, # 词云显示的最大词数stopwords = stopwords, # 设置停用词mask=bgimg, # 设置背景图片max_font_size=100, # 字体最大值random_state=42,#设置有多少种随机生成状态，即有多少种配色width=1000, height=860, margin=2,# 设置图片默认的大小,margin为词语边缘距离).generate(wordlist)image_colors = ImageColorGenerator(bgimg)#根据图片生成词云颜色plt.imshow(wc)plt.axis("off")#不显示坐标尺寸plt.savefig("sig.jpg")plt.show()#情感分析positive=len(list(i for i in emotions if i>0.66))normal=len(list(i for i in emotions if i<=0.66 and i>=0.33))#normal = len(list(filter(lambda x:x>=0.33 and x<=0.66,emotions)))negative=len(list(i for i in emotions if i<0.33))labels = ['POSITIVE','NORMAL','NEGATIVE']values = (positive,normal,negative)plt.rcParams['font.sans-serif'] = ['simHei']plt.rcParams['axes.unicode_minus'] = Falseplt.title("SENTIMENTS ANALYSIS",fontsize='large',fontweight='bold',bbox=dict(facecolor='blue', edgecolor='yellow', alpha=0.5 ))plt.xlabel('sentiments analysis')plt.ylabel('counts')plt.xticks(range(3),labels)plt.bar(range(3), values, color = 'rgb')plt.savefig("sentiment.jpg")plt.show()
分析的结果如下。
嗯，都是有梦想会努力会坚持会珍惜会幸福会生活懂人生的小伙伴。
朋友圈还是积极向上的朋友比较多。
下面是完整代码：
from wxpy import *from snownlp import SnowNLP,sentimentimport re,jiebaimport pandas as pdfrom scipy.misc import imreadfrom wordcloud import WordCloud, ImageColorGenerator,STOPWORDSimport matplotlib.pyplot as pltfrom collections import Counterbot=Bot()friends=bot.friends()#获得好友对象groups=bot.groups()#获得群聊对象mps=bot.mps()#获得微信公众号print(mps)#计算男女性别,画出饼图sex_dict={'boy':0,'girl':0,'other':0}for friend in friends:if friend.sex==1:sex_dict['boy']+=1elif friend.sex==2:sex_dict['girl']+=1else:sex_dict['other']+=1print('有男生{}个，女生{}个,未知性别{}个'.format(sex_dict['boy'],sex_dict['girl'],sex_dict['other']))labels = ['boy','girl','other']colors = ['red','yellow','green']explode = (0.1, 0, 0) #最大的突出显示plt.figure(figsize=(8,5), dpi=80)plt.axes(aspect=1)plt.pie(sex_dict.values(),explode=explode,labels=labels, autopct='%1.2f%%',colors=colors,labeldistance = 1.1, shadow = True, startangle = 90, pctdistance = 0.6)plt.title("SEX ANALYSIS",bbox=dict(facecolor='g', edgecolor='blue', alpha=0.65 ))#设置标题和标题边框plt.savefig("sex_analysis.jpg")plt.show()#获取城市分布city=[]Municipality=['上海','上海市','北京','北京市','重庆','重庆市','天津','天津市']for friend in friends:if friend.province in Municipality:city.append(friend.province)#直辖市直接添加城市else:city.append(friend.city)#print(city.count('上海'))counts=dict(Counter(city))#统计各个地区人数print(counts)df=pd.DataFrame([counts]).T#转成DataFrame方便保存和后面画图,装置成竖排形式df.to_excel('city.xlsx')#获取好友签名，生成词云,并进行情感分析text1=[]emotions=[]for friend in friends:sig=friend.signature.strip()newsig=re.sub(pile('<.*?>|[0-9]|。|，|！|～|—|”|“|《|》|\？|、|：'), '', sig)#去掉数字标点符号text1.append(newsig)if len(newsig)>0:sentiments = SnowNLP(newsig).sentimentsemotions.append(sentiments)text = "".join(text1)wordlist=" ".join(jieba.cut(text,cut_all=True))#结巴分词，用空格连接stopwords = STOPWORDS#设置停用词bgimg=imread(r'C:\Users\lbship\Desktop\mice.jpg')#设置背景图片font_path=r'C:\Windows\Fonts\simkai.ttf'wc = WordCloud(font_path=font_path, # 设置字体background_color="white", # 背景颜色max_words=2000, # 词云显示的最大词数stopwords = stopwords, # 设置停用词mask=bgimg, # 设置背景图片max_font_size=100, # 字体最大值random_state=42,#设置有多少种随机生成状态，即有多少种配色width=1000, height=860, margin=2,# 设置图片默认的大小,margin为词语边缘距离).generate(wordlist)image_colors = ImageColorGenerator(bgimg)#根据图片生成词云颜色plt.imshow(wc)plt.axis("off")#不显示坐标尺寸plt.savefig("sig.jpg")plt.show()#情感分析positive=len(list(i for i in emotions if i>0.66))normal=len(list(i for i in emotions if i<=0.66 and i>=0.33))#normal = len(list(filter(lambda x:x>=0.33 and x<=0.66,emotions)))negative=len(list(i for i in emotions if i<0.33))labels = ['POSITIVE','NORMAL','NEGATIVE']values = (positive,normal,negative)plt.rcParams['font.sans-serif'] = ['simHei']plt.rcParams['axes.unicode_minus'] = Falseplt.title("SENTIMENTS ANALYSIS",fontsize='large',fontweight='bold',bbox=dict(facecolor='blue', edgecolor='yellow', alpha=0.5 ))plt.xlabel('sentiments analysis')plt.ylabel('counts')plt.xticks(range(3),labels)plt.bar(range(3), values, color = 'rgb')plt.savefig("sentiment.jpg")plt.show()
