🌹🌹🌹 正在加载今日诗词....

我通过Python对自己的微信朋友圈进行了可视化分析得到了意想不到的答案

阅读数：次
🔤字数统计: 2k字   |   📖阅读时长≈ 8分

在这里插入图片描述
@TOC

前提准备

确保安装用到的模块和库：

1
2
3
4
5
6
itchat
pyecharts
jieba
wordcloud 
collections
PIL

第一步获取朋友圈好友的数据

1
2
3
4
5
6
import itchat
# 获取数据
def get_data():
    itchat.auto_login()
    friends = itchat.get_friends(update=True)  # 返回一个包含用户信息字典的列表
    return friends

第二步处理数据，并存储到txt文件中

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
# 处理数据
def parse_data(data):
    friends = []
    for item in data[1:]:  # 因为第一个元素是自己的信息，去掉
        friend = {
            'NickName': item['NickName'],  # 昵称
            'RemarkName': item['RemarkName'],  # 备注名
            'Sex': item['Sex'],  # 性别：1男，2女，0未设置
            'Province': item['Province'],  # 省份
            'City': item['City'],  # 城市
            'Signature': item['Signature'].replace('\n', ' ').replace(',', ' '),  # 个性签名（处理签名内容换行的情况）
           }
        #print(friend)
        friends.append(friend)
    return friends
# 存储数据，存储到txt文件
def save_to_txt():
    friends = parse_data(get_data())
    for item in friends:
        with open('friends.txt', mode='a', encoding='utf-8') as f:
            f.write('%s,%s,%d,%s,%s,%s\n' % ( item['NickName'], item['RemarkName'], item['Sex'], item['Province'], item['City'], item['Signature'],))

第三步开始分析，走起！

3.1 分析朋友圈sex

通过分析我得知我的交际圈被male占领了，怪不得我还没有女朋友呢！不过也不完全对，毕竟我是计算机专业的，男女比例也达到了惊人的8：1，哎，遥遥无期啊，距离脱单。想起个段子，程序猿没有对象，可以 new 一个对象出来，哈哈！！！在这里插入图片描述
看一下实现代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
from pyecharts import Pie
def stastic_sex():
    # 获取所有性别
    sex = []
    with open('friends.txt', mode='r', encoding='utf-8') as f:
        rows = f.readlines()
        for row in rows:
            print(row.split(',')[2])
            sex.append(row.split(',')[2])

    # 统计每个性别的数量
    attr = ['帅哥', '美女', '未知']
    value = [sex.count('1'), sex.count('2'), sex.count('0')]

    pie = Pie('好友性别比例', '好友总人数：%d' % len(sex), title_pos='center')
    pie.add('', attr, value, radius=[30, 75], rosetype='area', is_label_show=True,
            is_legend_show=True, legend_top='bottom',is_more_utils=True)
    # pie.show_config()
    pie.render('好友性别比例.html')

3.2 分析好友昵称，看看起名都有什么个操作

在这里插入图片描述
好吧，朋友圈里老师挺多的，这个情有可原，但是这个什么明天是神马，都赶着明天集市吗，哈哈，又看了看其他的，嗯，我好友里面还算干净些，没什么牛逼哄哄的称号哈。想想自己的名字，嗯是不是该赶着潮流了~

代码实现：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
#utf-8

import jieba
from wordcloud import WordCloud

# 获取全部的名字
NickNames = []
with open('friends.txt', 'r', encoding='utf-8') as f:
    rows = f.readlines()
    for row in rows:
        NickName = row.split(',')[0]
        if NickName != '':
            # print(City)
            NickNames.append(NickName)
# 设置分词 False精准模式分词、True全模式分词
split = jieba.cut(str(NickNames), cut_all=False)
words = ' '.join(split)  # 以空格进行拼接
# print(words)
# WordCloud（）函数的词云参数分别表示：画布宽高、背景颜色、背景图形状、字体、屏蔽词、最大词的字体大小
wc = WordCloud(width=1024, height=768, background_color='white',  font_path='STKAITI.TTF',max_font_size=400, random_state=50)
# 将分词后数据传入云图
wc.generate_from_text(words)
wc.to_file('好友昵称词云.jpg')

3.3分析哪里来的

在这里插入图片描述
我不看不知道，一看吓一跳。这我以后嗯，可以放心了，劳资是的东北大汉，旁边兄弟那统统都是你愁啥，瞅你咋地，再瞅个试试，试试就试试，的，嗯，不错。不过最后我突然想起个段子，不知道当讲不当讲，反正笑笑是可以的：孩子的爸身体缸缸的,就是没有文化,没给几个孩子起名字,就按大小顺序管孩子叫大鳖犊子、二鳖犊子……。
哈哈哈。
话不多说，进入正题还是，看一下实现代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import jieba
from wordcloud import WordCloud

# 获取全部的省份名
Provinces = []
with open('friends.txt', 'r', encoding='utf-8') as f:
    rows = f.readlines()
    for row in rows:
        Province = row.split(',')[3]
        if Province != '':
            # print(City)
           Provinces.append(Province)
# 设置分词 False精准模式分词、True全模式分词
split = jieba.cut(str(Provinces), cut_all=False)
words = ' '.join(split)  # 以空格进行拼接
# print(words)
# WordCloud（）函数的词云参数分别表示：画布宽高、背景颜色、背景图形状、字体、屏蔽词、最大词的字体大小
wc = WordCloud(width=1024, height=768, background_color='white',  font_path='STKAITI.TTF',max_font_size=400, random_state=50)
# 将分词后数据传入云图
wc.generate_from_text(words)
wc.to_file('好友省份词云.jpg')

我们再通过可视化画出一个Bar图来更加清楚下，虽然结果很好，就是不知道最后那个省份是个什么鬼，都哪里来的，。。。。：
在这里插入图片描述
代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
# utf-8
import jieba
# 导入Counter类，用于统计值出现的次数
from collections import Counter
from pyecharts import Bar

Provinces = []
with open('friends.txt', mode='r', encoding='utf-8') as f:
    rows = f.readlines()
    for row in rows:
        Province = row.split(',')[3]
        if Province != '':
            Provinces.append(Province)
words = []
for cutword in jieba.cut(str(Provinces), cut_all=False):
    if cutword not in ['_', '-', ',', '(', ')', '（', '）', ' ', "'"]:# 排除下划线、短横线、逗号、空格、单引号 防止出错
        words.append(cutword)
data_top10 = Counter(words).most_common(10)  # 返回出现次数最多的前10条
# print(data_top10)
bar = Bar('好友省份数量统计TOP10', '', title_pos='center', width=1200, height=600)
attr, value = bar.cast(data_top10)
bar.add('', attr, value, visual_range=[0, 200], is_visualmap=True, is_label_show=True)
bar.render('好友省份数量统计TOP10.html')

3.4分析朋友圈的个性签名

写到这里，我看了下数据，发现有很多人忘了写呀，这可是我需要的东西，你不写多不好。嗯我在也就这里说说。嘿嘿。不过说回来，通过词云分析我大概也分析出个东东来。
看来部分朋友，class没学好好啊，都搁这写呢！哈哈
在这里插入图片描述
代码实现：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
#utf-8

import jieba
from wordcloud import WordCloud

# 获取全部的个性签名
Signatures = []
with open('friends.txt', 'r', encoding='utf-8') as f:
    rows = f.readlines()
    for row in rows:
        Signature = row.split(',')[5]
        if Signature != '':
            # print(City)
            Signatures.append(Signature)
# 设置分词 False精准模式分词、True全模式分词
split = jieba.cut(str(Signatures), cut_all=False)
words = ' '.join(split)  # 以空格进行拼接
# print(words)
# WordCloud（）函数的词云参数分别表示：画布宽高、背景颜色、背景图形状、字体、屏蔽词、最大词的字体大小
wc = WordCloud(width=1024, height=768, background_color='white',  font_path='STKAITI.TTF',max_font_size=400, random_state=50)
# 将分词后数据传入云图
wc.generate_from_text(words)
wc.to_file('好友个性签名词云.jpg')

最后了，重磅来袭，输出所有朋友圈的头像合成在一张图片上

先看下效果图，当然了，我打马赛克了，不然认识的人看见，发现是我写的，那我就准备new一个自己来了。开玩笑，哈哈。
在这里插入图片描述
具体实现完整代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
import itchat
import os
import math
from PIL import Image

# 获取数据
def download_image():
    # 扫描二维码登陆微信，即通过网页版微信登陆
    itchat.auto_login()
    # 返回一个包含用户信息字典的列表
    friends = itchat.get_friends(update=True)
    #  在当前位置创建一个用于存储头像的目录wechatImages
    base_path = 'wechatImages'
    if not os.path.exists(base_path):
        os.mkdir(base_path)

    # 获取所有好友头像
    for friend in friends:
        # 获取头像数据
        img_data = itchat.get_head_img(userName = friend['UserName'])
        #判断备注名是否为空
        if friend['RemarkName'] != '':
            img_name = friend['RemarkName']
        else :
            img_name = friend['NickName']
         #   在实际操作中如果文件名中含有*标志，会报错。则直接可以将其替换掉
        if img_name is "*":
            img_name = ""
        #通过os.path.join()函数来拼接文件名
        img_file = os.path.join(base_path, img_name + '.jpg')
        print(img_file)
        with open(img_file, 'wb') as file:
            file.write(img_data)


# 拼接头像
def join_image():
    base_path = 'wechatImages'
    files = os.listdir(base_path) #返回指定的文件或文件夹的名字列表
    print(len(files))
    each_size = int(math.sqrt(float(6400 * 6400) / len(files)))#计算每个粘贴图片的边长
    lines = int(6400 / each_size)#计算总共有多少行
    print(lines)
    image = Image.new('RGB', (6400, 6400))# new(mode, size, color=0) 定义一张大小为640*640大小的图片，不给出第三个参数默认为黑色
    x = 0 #定义横坐标
    y = 0 #定义纵坐标
    for file_name in files:
        img = Image.open(os.path.join(base_path, file_name)) #找到/打开图片
        img = img.resize((each_size, each_size), Image.ANTIALIAS)#实现图片同比例缩放，Image.ANTIALIAS添加滤镜效果
        image.paste(img, (x * each_size, y * each_size))#将缩放后的照片放到对应的坐标下
        x += 1
        if x == lines:#如果每行的粘贴内容够了，则换行
            x = 0
            y += 1
    image.save('jointPic.jpg')#最后将全部的照片保存下来

if __name__ == '__main__':
    # download_image()
    join_image()

写到这本片就完了，我的头发还是那么茂密！
在这里插入图片描述

赏

谢谢你请我喝咖啡

支付宝
微信
-------------本文结束感谢您的阅读-------------

扫一扫，分享到微信

微信分享二维码

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

一只在互联网公司深耕的crud程序狗，内卷重度患者！<br>徜徉在知识的海洋中inginging~~~<br>奋斗的路上永不停歇!<br>学习一直在继续<br><br>fighting!!!