基于Python实现的微信好友数据分析

发表于:2018-2-26 09:43  作者:飞鸿踏雪   来源:AI科技大本营

字体: | 上一篇 | 下一篇 |我要投稿 | 推荐标签: 软件开发 Python

  最近微信迎来了一次重要的更新,允许用户对”发现”页面进行定制。不知道从什么时候开始,微信朋友圈变得越来越复杂,当越来越多的人选择”仅展示最近三天的朋友圈”,大概连微信官方都是一脸的无可奈何。逐步泛化的好友关系,让微信从熟人社交逐渐过渡到陌生人社交,而朋友圈里亦真亦幻的状态更新,仿佛在努力证明每一个个体的”有趣”。
  有人选择在朋友圈里记录生活的点滴,有人选择在朋友圈里展示观点的异同,可归根到底,人们无时无刻不在窥探着别人的生活,唯独怕别人过多地了解自己的生活。人性中交织着的光明与黑暗,像一只浑身长满刺的刺猬,离得太远会感觉到寒冷,而靠得太近则害怕被刺扎到。朋友圈就像过年走亲戚,即便你心中有一万个不痛快,总是不愿意撕破脸,或屏蔽对方,或不给对方看,或仅展示最后三天,于是通讯录里的联系人越来越多,朋友圈越来越大,可再不会有能真正触动你内心的”小红点”出现,人类让一个产品变得越来越复杂,然后说它无法满足人类的需求,这大概是一开始就始料不及的吧!
  引言
  有人说,人性远比计算机编程更复杂,因为即使是人类迄今为止最伟大的发明——计算机,在面对人类的自然语言时同样会张惶失措 。人类有多少语言存在着模棱两可的含义,我认为语言是人类最大的误解,人类时常喜欢揣测语言背后隐藏的含义,好像在沟通时表达清晰的含义会让人类没有面子,更不用说网络上流行的猜测女朋友真实意图的案例。金庸先生的武侠小说《射雕英雄传》里,在信息闭塞的南宋时期,江湖上裘千丈的一句鬼话,就搅得整个武林天翻地覆。其实,一两句话说清楚不好吗?黄药师、全真七子、江南六怪间的种种纠葛,哪一场不是误会?一众儿武功震古烁今的武林高手,怎么没有丝毫的去伪存真的能力,语言造成了多少误会。
  可即便人类的语言复杂得像一本无字天书,可人类还是从这些语言中寻觅到蛛丝马迹。古人有文王”拘而演周易”、东方朔测字卜卦,这种带有”迷信”色彩的原始崇拜,就如同今天人们迷信星座运势一般,都是人类在上千年的演变中不断对经验进行总结和训练的结果。如此说起来,我们的人工智能未尝不是一种更加科学化的”迷信”,因为数据和算法让我们在不断地相信,这一切都是真实地。生活在数字时代的我们,无疑是悲哀的,一面努力地在别人面前隐藏真实地自己,一面不无遗憾地感慨自己无处遁逃,每一根数字神经都紧紧地联系着你和我,你不能渴望任何一部数字设备具备真正的智能,可你生命里的每个瞬间,都在悄然间被数据地折射出来。
  今天这篇文章会基于 Python 对微信好友进行数据分析,这里选择的维度主要有:性别、头像、签名、位置,主要采用图表和词云两种形式来呈现结果,其中,对文本类信息会采用词频分析和情感分析两种方法。常言道:工欲善其事,必先利其器也。在正式开始这篇文章前,简单介绍下本文中使用到的第三方模块:
  * itchat:微信网页版接口封装Python版本,在本文中用以获取微信好友信息。
  * jieba:结巴分词的 Python 版本,在本文中用以对文本信息进行分词处理。
  * matplotlib: Python 中图表绘制模块,在本文中用以绘制柱形图和饼图
  * snownlp:一个 Python 中的中文分词模块,在本文中用以对文本信息进行情感判断。
  * PIL: Python 中的图像处理模块,在本文中用以对图片进行处理。
  * numpy: Python中 的数值计算模块,在本文中配合 wordcloud 模块使用。
  * wordcloud: Python 中的词云模块,在本文中用以绘制词云图片。
  * TencentYoutuyun:腾讯优图提供的 Python 版本 SDK ,在本文中用以识别人脸及提取图片标签信息。
  以上模块均可通过 pip 安装,关于各个模块使用的详细说明,请自行查阅各自文档。
  数据分析
  分析微信好友数据的前提是获得好友信息,通过使用 itchat 这个模块,这一切会变得非常简单,我们通过下面两行代码就可以实现:
  itchat.auto_login(hotReload = True)
  friends = itchat.get_friends(update = True)
  同平时登录网页版微信一样,我们使用手机扫描二维码就可以登录,这里返回的friends对象是一个集合,第一个元素是当前用户。所以,在下面的数据分析流程中,我们始终取friends[1:]作为原始输入数据,集合中的每一个元素都是一个字典结构,以我本人为例,可以注意到这里有Sex、City、Province、HeadImgUrl、Signature这四个字段,我们下面的分析就从这四个字段入手:
  好友性别
  分析好友性别,我们首先要获得所有好友的性别信息,这里我们将每一个好友信息的Sex字段提取出来,然后分别统计出Male、Female和Unkonw的数目,我们将这三个数值组装到一个列表中,即可使用matplotlib模块绘制出饼图来,其代码实现如下:
def analyseSex(firends):
sexs = list(map(lambda x:x['Sex'],friends[1:]))
counts = list(map(lambda x:x[1],Counter(sexs).items()))
labels = ['Unknow','Male','Female']
colors = ['red','yellowgreen','lightskyblue']
plt.figure(figsize=(8,5), dpi=80)
plt.axes(aspect=1)
plt.pie(counts, #性别统计结果
labels=labels, #性别展示标签
colors=colors, #饼图区域配色
labeldistance = 1.1, #标签距离圆点距离
autopct = '%3.1f%%', #饼图区域文本格式
shadow = False, #饼图是否显示阴影
startangle = 90, #饼图起始角度
pctdistance = 0.6 #饼图区域文本距离圆点距离
)
plt.legend(loc='upper right',)
plt.title(u'%s的微信好友性别组成' % friends[0]['NickName'])
plt.show()
  这里简单解释下这段代码,微信中性别字段的取值有Unkonw、Male和Female三种,其对应的数值分别为0、1、2。通过Collection模块中的Counter()对这三种不同的取值进行统计,其items()方法返回的是一个元组的集合,该元组的第一维元素表示键,即0、1、2,该元组的第二维元素表示数目,且该元组的集合是排序过的,即其键按照0、1、2 的顺序排列,所以通过map()方法就可以得到这三种不同取值的数目,我们将其传递给matplotlib绘制即可,这三种不同取值各自所占的百分比由matplotlib计算得出。下图是matplotlib绘制的好友性别分布图:
  看到这个结果,我一点都不觉得意外,男女比例严重失衡,这虽然可以解释我单身的原因,可我不觉得通过调整男女比例就能解决问题,好多人认为自己单身是因为社交圈子狭小,那么是不是扩展了社交圈子就能摆脱单身呢?我觉得或许这样会增加脱单的概率,可幸运之神应该不会眷顾我,因为我的好运气早在我24岁以前就消耗完啦。在知乎上有一个热门的话题:现在的男性是否普遍不再对女性展开追求了?,其实哪里会有人喜欢孤独呢?无非是怕一次又一次的失望罢了。有的人并不是我的花儿,我只是恰好途径了她的绽放。曾经有人说我是一个多情的人,可她永远不会知道,我做出的每一个决定都炽热而悲壮。所谓”慧极必伤,情深不寿;谦谦君子,温润如玉”,世人苦五毒者大抵如此。
  好友头像
  分析好友头像,从两个方面来分析,第一,在这些好友头像中,使用人脸头像的好友比重有多大;第二,从这些好友头像中,可以提取出哪些有价值的关键字。这里需要根据HeadImgUrl字段下载头像到本地,然后通过腾讯优图提供的人脸识别相关的API接口,检测头像图片中是否存在人脸以及提取图片中的标签。其中,前者是分类汇总,我们使用饼图来呈现结果;后者是对文本进行分析,我们使用词云来呈现结果。关键代码如下 所示:
def analyseHeadImage(frineds):
# Init Path
basePath = os.path.abspath('.')
baseFolder = basePath + '\\HeadImages\\'
if(os.path.exists(baseFolder) == False):
os.makedirs(baseFolder)
# Analyse Images
faceApi = FaceAPI()
use_face = 0
not_use_face = 0
image_tags = ''
for index in range(1,len(friends)):
friend = friends[index]
# Save HeadImages
imgFile = baseFolder + '\\Image%s.jpg' % str(index)
imgData = itchat.get_head_img(userName = friend['UserName'])
if(os.path.exists(imgFile) == False):
with open(imgFile,'wb') as file:
file.write(imgData)
# Detect Faces
time.sleep(1)
result = faceApi.detectFace(imgFile)
if result == True:
use_face += 1
else:
not_use_face += 1
# Extract Tags
result = faceApi.extractTags(imgFile)
image_tags += ','.join(list(map(lambda x:x['tag_name'],result)))
labels = [u'使用人脸头像',u'不使用人脸头像']
counts = [use_face,not_use_face]
colors = ['red','yellowgreen','lightskyblue']
plt.figure(figsize=(8,5), dpi=80)
plt.axes(aspect=1)
plt.pie(counts, #性别统计结果
labels=labels, #性别展示标签
colors=colors, #饼图区域配色
labeldistance = 1.1, #标签距离圆点距离
autopct = '%3.1f%%', #饼图区域文本格式
shadow = False, #饼图是否显示阴影
startangle = 90, #饼图起始角度
pctdistance = 0.6 #饼图区域文本距离圆点距离
)
plt.legend(loc='upper right',)
plt.title(u'%s的微信好友使用人脸头像情况' % friends[0]['NickName'])
plt.show()
image_tags = image_tags.encode('iso8859-1').decode('utf-8')
back_coloring = np.array(Image.open('face.jpg'))
wordcloud = WordCloud(
font_path='simfang.ttf',
background_color="white",
max_words=1200,
mask=back_coloring,
max_font_size=75,
random_state=45,
width=800,
height=480,
margin=15
)
wordcloud.generate(image_tags)
plt.imshow(wordcloud)
plt.axis("off")
plt.show()
  这里我们会在当前目录新建一个HeadImages目录,用以存储所有好友的头像,然后我们这里会用到一个名为FaceApi类,这个类由腾讯优图的SDK封装而来,这里分别调用了人脸检测和图像标签识别两个API接口,前者会统计”使用人脸头像”和”不使用人脸头像”的好友各自的数目,后者会累加每个头像中提取出来的标签。其分析结果如下图所示:
上文内容不用于商业目的,如涉及知识产权问题,请权利人联系博为峰小编(021-64471599-8017),我们将立即处理。

【大佬说】测试员跳槽时,如何高效地准备面试?
21/212>

评 论

论坛新帖

顶部 底部


建议使用IE 6.0以上浏览器,800×600以上分辨率,法律顾问:上海瀛东律师事务所 张楠律师
版权所有 上海博为峰软件技术股份有限公司 Copyright©51testing.com 2003-2019, 沪ICP备05003035号
投诉及意见反馈:webmaster@51testing.com; 业务联系:service@51testing.com 021-64471599-8017

沪公网安备 31010102002173号

51Testing官方微信

51Testing官方微博

扫一扫 测试知识全知道