使用python分析微信好友

准备工作：（我使用的是Anoconda）

本次操作所需要的库：

wxpy

pyecharts

wordcloud

numpy

PIL

matplotlib

pandas

首先检查上面的库是否已经安装，代码如下:

如果存在没安装的库会提示：

此时我们需要打开Anaconda Prompt，输入pip install '需要安装的库'即可，效果如下

好了，安装完所有的库之后，我们就可以开工了

代码分解：

 

1.获取好友信息

def get_friends_info(self): #获取好像信息，返回lis列表
　　bot = Bot()
　　lis = [['昵称', '备注名称', '性别', '城市', '省份', '个人签名']]  # 把信息存储为一个二维列表,添加头部信息
　　friend_all = bot.friends()
 
　　for a_friend in friend_all:
　　　　NickName = a_friend.raw.get('NickName', None) #获取所有好友信息 raw表示获取全部信息
　　　　RemarkName = a_friend.raw.get('RemarkName', None)
　　　　Sex = {1: "男", 2: "女", 0: "未知"}.get(a_friend.raw.get('Sex', None), None)
　　　　City = a_friend.raw.get('City', None)
　　　　Province = a_friend.raw.get('Province', None)
　　　　Signature = a_friend.raw.get('Signature', None)
　　　　#HeadImgUrl = a_friend.raw.get('HeadImgUrl', None)
　　　　#HeadImgFlag = a_friend.raw.get('HeadImgFlag', None)
　　　　list_0 = [NickName, RemarkName, Sex, City, Province, Signature]
　　　　lis.append(list_0)
　　return lis

 

2.将好友信息输入excel表格

def friends_info_lis_to_excle(self):
　　import openpyxl<br>　　lis = self.get_friends_info()<br>　　wb = openpyxl.Workbook()
　　sheet = wb.active
　　sheet.title = self.sheetname
　　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]))
　　wb.save(self.filename)
　　print("excel保存成功")

 

3.创建字典供词云使用

def extract_data_as_two_lis(self, condition):
　　df = read_excel(self.filename, sheet_name=self.sheetname)
　　X_list = df[condition].fillna('未知').tolist()  # 把列转换为list，用'未知'替换Nan？
　　counts = {}  # 创建字典
　　for word in X_list:
　　　　counts[word] = counts.get(word, 0) + 1  # 统计词频
　　items = list(counts.items())  # 返回所有键值对
　　items.sort(key=lambda x: x[1], reverse=True)  # 降序排序
　　keylist = list()
　　valueslist = list()
　　for item in items:
　　　　word, count = item
　　　　#if word == '0':
　　　　　　#word = "未知"
　　　　keylist.append(word)  # 把词语降序word放进一个列表
　　　　valueslist.append(count)
　　return keylist, valueslist

 

4.制作词云

def city_wordcloud(self, save_name, condition):
        wordlist, giveup = self.extract_data_as_two_lis(condition)
        new_wordlist = list()
        for i in range(25):
            new_wordlist.append(wordlist[i])
        wl = ' '.join(wordlist)  # 把列表转换成str wl为str类型，所以需要转换
        cloud_mask = np.array(Image.open("love.jpg"))  # 词云的背景图，需要颜色区分度高
        wc = WordCloud(
            background_color="black",  # 背景颜色
            mask=cloud_mask,  # 背景图cloud_mask
            max_words=100,  # 最大词语数目
            font_path='simfang.ttf',  # 调用font里的simfang.tff字体
            height=500,  # 设置高度
            width=2600,  # 设置宽度
            max_font_size=1000,  # 最大字体号
            random_state=1000,  # 设置随机生成状态，即有多少种配色方案
        )
        myword = wc.generate(wl)  # 用 wl的词语 生成词云
        # 展示词云图
        plt.imshow(myword)
        plt.axis("off")
        #plt.show()
        try:
            wc.to_file(save_name + '.jpg')  # 把词云保存下当前目录（与此py文件目录相同）
        except:
            print("词云保存失败")

 

5.生成html柱状图

def pillar_picture(self, condition, render_name):
        from pyecharts.charts import Bar
        from pyecharts.globals import ThemeType
        from pyecharts import options as opts
 
        keylist, valueslist = self.extract_data_as_two_lis(condition)
        new_keylist = list()
        new_valueslist = list()
        for i in range(10):
            new_keylist.append(keylist[i])
            new_valueslist.append(valueslist[i])
        bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
        # x轴 列表
        bar.add_xaxis(new_keylist)
        bar.add_yaxis("好友分布", new_valueslist)
        # render 会生成本地 HTML 文件，默认会在当前目录生成 城市分布柱状图.html 文件
        # 也可以传入路径参数，如 bar.render("mycharts.html")
        bar.render(render_name)
        print("pillar_picture图片保存成功！")

 

6.生成城市分布图

def map_picture(self, condition, picture_name, keylist, valueslist, Map_condition):
        from pyecharts import options as opts
        from pyecharts.charts import Map

def map_visualmap() -> Map:
　　new_keylist = list()
　　new_valueslist = list()
　　if condition == '城市':
　　　　for i in range(len(keylist)):
　　　　　　# 列表处理,默认elsx里面的city没有'市'字，地图需要市字
　　　　　　new_keylist.append(keylist[i] + '市')
　　　　　　new_valueslist.append(valueslist[i])
　　else:
　　　　for i in range(len(keylist)):
　　　　　　new_keylist.append(keylist[i])
　　　　　　new_valueslist.append(valueslist[i])
 
　　　　　　c = (
　　　　　　　　　Map()
                    .add("好友地图分布", [list(z) for z in zip(new_keylist, new_valueslist)], Map_condition)
                    .set_global_opts(
                    title_opts=opts.TitleOpts(title="Map-VisualMap"),
                    visualmap_opts=opts.VisualMapOpts(max_=100),
                )
          )
　　　　　　try:
　　　　　　　　c.render(picture_name)
　　　　　　except:
　　　　　　　　　　print("html地图图片创建失败")
　　　　　　print('html地图图片保存成功')
　　　　map_visualmap()#调用自己
def find_friends_in_condition(self, condition):
        df = pd.read_excel(self.filename, usecols=[0, 1, 3], names=None)  #不要列名
        df_li = df.values.tolist()
        name = list()
        for data in df_li:
            condition = condition
            if condition in data:
                name.append(data)
        self.map_picture()
        #print(len(name), name)
        return name

 

>>>代码执行效果如下：

 

 >>>好友城市分布词云

 

 

>>>好友城市分布柱形图

 

>>>好友城市分布地图

 

 >>>csv文件中的好友数据