最近看了wxpy這個包，感覺還不錯，分析一下微信的好友。
分析的目的：
1.看看好友的性別占比、地域分布
2.分析好友的個性簽名
3.對好友的簽名進行情感分析
環(huán)境：python 3.6
需要的包wxpy、jieba、snownlp、scipy、wordcloud（這個pip可能直接安裝不了，會提示需要c++之類的錯誤，直接去官網(wǎng)下載whl文件，用pip離線安裝就好了，命令：pip install D:/xxxx/xxxx/xxx.whl把xxx換成你的文件路徑）
過程如下：
先導(dǎo)入需要的所有包。利用wxpy的bot（）接口，可以獲得好友、公眾號、群聊等屬性，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,sentiment
import re,jieba
from scipy.misc import imread
from wordcloud import WordCloud, ImageColorGenerator,STOPWORDS
import matplotlib.pyplot as plt
from collections import Counter
bot=Bot()
friends=bot.friends()#獲得好友對象
groups=bot.groups()#獲得群聊對象
mps=bot.mps()#獲得微信公眾號
print(mps)
#計算男女性別,畫出餅圖
sex_dict={'boy':0,'girl':0,'other':0}
for friend in friends:
if friend.sex==1:
sex_dict['boy']+=1
elif friend.sex==2:
sex_dict['girl']+=1
else:
sex_dict['other']+=1
print('有男生{}個，女生{}個,未知性別{}個'.format(sex_dict['boy'],sex_dict['girl'],sex_dict['other']))
labels = ['boy','girl','other']
colors = ['red','yellow','green']
explode = (0.1, 0, 0) #最大的突出顯示
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 ))#設(shè)置標題和標題邊框
plt.savefig("sex_analysis.jpg")
plt.show()
運行過程中，會彈出二維碼，微信掃描登錄一下就可以看到下面的圖片了。
image
我的好友男女平均分配，不知道其他人的怎么樣。
接下來看好友的地域分布
city=[]
Municipality=['上海','上海市','北京','北京市','重慶','重慶市','天津','天津市']
for friend in friends:
if friend.province in Municipality:
city.append(friend.province)#直轄市直接添加城市
else:
city.append(friend.city)
#print(city.count('上海'))
counts=dict(Counter(city))#統(tǒng)計各個地區(qū)人數(shù)
print(counts)
df=pd.DataFrame([counts]).T#轉(zhuǎn)成DataFrame方便保存和后面畫圖,裝置成豎排形式
看地理圖，就要請出大名鼎鼎的tableau，一鍵生成，用matplotlib也可以畫地理圖，比較麻煩一些而已。
image
地理圖可以很清晰看到好友分布地域和數(shù)量。
接下來進行好友簽名分析和情感分析
text1=[]
emotions=[]
for friend in friends:
sig=friend.signature.strip()
newsig=re.sub(re.compile('<.*?>|[0-9]|。|，|！|～|—|”|“|《|》|\？|、|：'), '', sig)#去掉數(shù)字標點符號
text1.append(newsig)
if len(newsig)>0:
sentiments = SnowNLP(newsig).sentiments
emotions.append(sentiments)
text = "".join(text1)
wordlist=" ".join(jieba.cut(text,cut_all=True))#結(jié)巴分詞，用空格連接
stopwords = STOPWORDS#設(shè)置停用詞
bgimg=imread(r'C:\Users\lbship\Desktop\mice.jpg')#設(shè)置背景圖片
font_path=r'C:\Windows\Fonts\simkai.ttf'
wc = WordCloud(font_path=font_path, # 設(shè)置字體
background_color="white", # 背景顏色
max_words=2000, # 詞云顯示的最大詞數(shù)
stopwords = stopwords, # 設(shè)置停用詞
mask=bgimg, # 設(shè)置背景圖片
max_font_size=100, # 字體最大值
random_state=42,#設(shè)置有多少種隨機生成狀態(tài)，即有多少種配色
width=1000, height=860, margin=2,# 設(shè)置圖片默認的大小,margin為詞語邊緣距離
).generate(wordlist)
image_colors = ImageColorGenerator(bgimg)#根據(jù)圖片生成詞云顏色
plt.imshow(wc)
plt.axis("off")#不顯示坐標尺寸
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'] = False
plt.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()
image
image
朋友圈還是積極向上的朋友比較多。
下面是完整代碼
from wxpy import *
from snownlp import SnowNLP,sentiment
import re,jieba
import pandas as pd
from scipy.misc import imread
from wordcloud import WordCloud, ImageColorGenerator,STOPWORDS
import matplotlib.pyplot as plt
from collections import Counter
bot=Bot()
friends=bot.friends()#獲得好友對象
groups=bot.groups()#獲得群聊對象
mps=bot.mps()#獲得微信公眾號
print(mps)
#計算男女性別,畫出餅圖
sex_dict={'boy':0,'girl':0,'other':0}
for friend in friends:
if friend.sex==1:
sex_dict['boy']+=1
elif friend.sex==2:
sex_dict['girl']+=1
else:
sex_dict['other']+=1
print('有男生{}個，女生{}個,未知性別{}個'.format(sex_dict['boy'],sex_dict['girl'],sex_dict['other']))
labels = ['boy','girl','other']
colors = ['red','yellow','green']
explode = (0.1, 0, 0) #最大的突出顯示
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 ))#設(shè)置標題和標題邊框
plt.savefig("sex_analysis.jpg")
plt.show()
#獲取城市分布
city=[]
Municipality=['上海','上海市','北京','北京市','重慶','重慶市','天津','天津市']
for friend in friends:
if friend.province in Municipality:
city.append(friend.province)#直轄市直接添加城市
else:
city.append(friend.city)
#print(city.count('上海'))
counts=dict(Counter(city))#統(tǒng)計各個地區(qū)人數(shù)
print(counts)
df=pd.DataFrame([counts]).T#轉(zhuǎn)成DataFrame方便保存和后面畫圖,裝置成豎排形式
df.to_excel('city.xlsx')
#獲取好友簽名，生成詞云,并進行情感分析
text1=[]
emotions=[]
for friend in friends:
sig=friend.signature.strip()
newsig=re.sub(re.compile('<.*?>|[0-9]|。|，|！|～|—|”|“|《|》|\？|、|：'), '', sig)#去掉數(shù)字標點符號
text1.append(newsig)
if len(newsig)>0:
sentiments = SnowNLP(newsig).sentiments
emotions.append(sentiments)
text = "".join(text1)
wordlist=" ".join(jieba.cut(text,cut_all=True))#結(jié)巴分詞，用空格連接
stopwords = STOPWORDS#設(shè)置停用詞
bgimg=imread(r'C:\Users\lbship\Desktop\mice.jpg')#設(shè)置背景圖片
font_path=r'C:\Windows\Fonts\simkai.ttf'
wc = WordCloud(font_path=font_path, # 設(shè)置字體
background_color="white", # 背景顏色
max_words=2000, # 詞云顯示的最大詞數(shù)
stopwords = stopwords, # 設(shè)置停用詞
mask=bgimg, # 設(shè)置背景圖片
max_font_size=100, # 字體最大值
random_state=42,#設(shè)置有多少種隨機生成狀態(tài)，即有多少種配色
width=1000, height=860, margin=2,# 設(shè)置圖片默認的大小,margin為詞語邊緣距離
).generate(wordlist)
image_colors = ImageColorGenerator(bgimg)#根據(jù)圖片生成詞云顏色
plt.imshow(wc)
plt.axis("off")#不顯示坐標尺寸
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'] = False
plt.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()
