手把手教你用itchat統計好友信息，瞭解一下？

初學Python的時候，就寫過一篇利用Python的第三方庫進行好友頭像拼接，itchat itchat庫初探--微信好友全頭像的拼接，最近又研究了下itchat和matplotlib，目前實現了對微信好友頭像、性別、區域、個性簽名的採集及展現。

本文就來詳細介紹一下這個庫的用法和一些核心邏輯實現。

1.微信登陸

• 三行代碼實現登陸，爲了不咱們頻繁掃描二維碼登陸，這裏咱們加入hotReload=True

import itchat

itchat.auto_login(hotReload=True)
itchat.dump_login_status()
複製代碼

• 好友信息獲取

we_friend = itchat.get_friends(update=True)[:]
複製代碼

這裏的we_friend是好友的信息的列表，每個好友字典的 key 以下表

key	備註
UserName	微信系統內的用戶編碼標識
NickName	好友暱稱
Sex	性別
Province	省份
City	城市
HeadImgUrl	微信系統內的頭像URL
RemarkName	好友的備註名
Signature	個性簽名

有了key對應的值，咱們就好處理了。

2.好友性別

這裏順便提一下：若是sex=1則表明男性，sex=2表明女性

total = len(we_friend[1:])
for fri_info in we_friend[1:]:
    sex = fri_info['sex']
    # 若是sex=1 表明男性 sex=2表明女性
    if sex == 1:
        man += 1
    elif sex == 2:
        woman += 1
    else:
        other += 1
複製代碼

統計出男生、女生的以及總人數後，佔比天然而然就出來了，爲了更好的展現男女比例，咱們以餅圖展現。

• 繪製餅圖

man_ratio = int(man)/total * 100
woman_ratio = int(woman)/total * 100
other_ratio = int(other)/total * 100

plt.rcParams['font.sans-serif'] = ['SimHei']    # 用來正常顯示中文標籤
plt.rcParams['axes.unicode_minus'] = False  # 用來正常顯示負號
plt.figure(figsize=(5, 5))  # 繪製的圖片爲正圓
sex_li = ['男', '女', '其餘']
radius = [0.01, 0.01, 0.01]  # 設定各項距離圓心n個半徑
colors = ['red', 'yellowgreen', 'lightskyblue']
proportion = [man_ratio, woman_ratio, other_ratio]

plt.pie(proportion, explode=radius, labels=sex_li, colors=colors, autopct='%.2f%%')   # 繪製餅圖

# 加入圖例 loc = 'upper right' 位於右上角 bbox_to_anchor=[0.5, 0.5] # 外邊距 上邊 右邊 borderaxespad = 0.3圖例的內邊距
plt.legend(loc="upper right", fontsize=10, bbox_to_anchor=(1.1, 1.1), borderaxespad=0.3)

# 繪製標題
plt.title('微信好友性別比例')    

# 展現
plt.show()
複製代碼

做爲一個碼農、程序猿，還能有這麼多女性好友實屬不易啊。敏感的我，看了這個比例深深地感受到了不安，（此圖女友不可見）另外，怎麼還有一些未知生物的存在...

---

友情提醒：matplotlib中文亂碼這個問題一直存在，這裏記錄下如何解決matplotlib中文亂碼

• 準備好想要使用的中文字體，這裏我用的是SimHei，附下載地址：中文字體下載
• 找到matplotlib的文件位置

import matplotlib
print(matplotlib.matplotlib_fname())    # 查看路徑
複製代碼

• 進入上方打印的路徑

• 把剛纔下載的字體文件解壓放入/usr/local/lib/python3.5/dist-packages/matplotlib/mpl-data/fonts/ttf 目錄

• 返回上級目錄，修改matplotlibrc文件，取消相關注釋，並在font.serif加入剛纔下載的字體

font.family        : sans-serif
font.serif         : SimHei, DejaVu Serif, Bitstream Vera Serif, New Century Schoolbook, Century Schoolbook L, Utopia, ITC Bookman, Bookman, Nimbus Roman No9 L, Times New Roman, Times, Palatino, Charter, serif
複製代碼

• 刪除matplotlib緩存。

在terminal中：cd ~/.cache/matplotlib

把.cache下面的matplotlib文件夾刪除。

$ rm -rf matplotlib
複製代碼

---

3.微信好友頭像

這裏其實看過我以前文章的應該知道，其實頭像的拼接主要分爲兩部分

• 1.採集全部好友頭像保存本地，

import os

num = 0
pwd_path = os.path.abspath(os.path.dirname(os.getcwd()))
desc_photos = os.path.join(pwd_path, 'res/photos')
for i in friends:
    img = itchat.get_head_img(userName=i["UserName"])
    file_image = open(desc_photos + "/" + str(num) + ".jpg", 'wb')
    file_image.write(img)
    file_image.close()
    num += 1
複製代碼

• 2.對全部頭像進行拼接

ls = os.listdir(desc_photos)
each_size = int(math.sqrt(float(640 * 640) / len(ls)))  # 算出每張圖片的大小多少合適
lines = int(640 / each_size)
image = Image.new('RGBA', (640, 640))   # 建立640*640px的大圖
x = 0
y = 0

for i in range(0, len(ls) + 1):
    try:
        img = Image.open(desc_photos + "/" + str(i) + ".jpg")
    except IOError:
        print("Error")
    else:
        img = img.resize((each_size, each_size), Image.ANTIALIAS)
        image.paste(img, (x * each_size, y * each_size))    # 粘貼位置
        x += 1
        if x == lines:  # 換行
              x = 0
              y += 1

image.save(desc_full + "/好友頭像拼接圖.jpg")
複製代碼

密集恐懼症患者請忽略!!!

4.微信好友地區分佈

-- 獲取區域及城市

prov_dict, city_dict = {}, {}
for fri_info in we_friend[1:]:
    prov = fri_info['province']
    city = fri_info['city']
    if prov and prov not in prov_dict.keys():
        prov_dict[prov] = 1
    elif prov:
        prov_dict[prov] += 1
    if city and city not in city_dict.keys():
        city_dict[city] = 1
    elif city:
        city_dict[city] += 1
複製代碼

因爲城市太多，咱們取好友數量排名前十的城市及區域進行展現，感興趣的能夠稍微改下代碼，就能夠展現全部區域人數。

排序這裏我用了Python的sorted()函數，列表的每一個元素都爲二維元組，key參數傳入了一個lambda函數，其x就表明列表裏的每個元素，而後分別利用索引返回元素內的第一個和第二個元素，這就表明了sorted()函數利用哪個元素進行排列。而reverse決定是正序仍是倒序，默認爲False。

# 區域Top10
prov_dict_top10 = sorted(prov_dict.items(), key=lambda x: x[1], reverse=True)[0:10]
# 城市Top10
city_dict_top10 = sorted(city_dict.items(), key=lambda y: y[1], reverse=True)[0:10]
複製代碼

• 區域、城市柱形圖展現，因爲思路代碼是一致的，因此這裏只展現區域的代碼

prov_nm, prov_num = [], []  # 省會名 + 數量
for prov_data in prov_dict_top10:
    prov_nm.append(prov_data[0])
    prov_num.append(prov_data[1])

pwd_path = os.path.abspath(os.path.dirname(os.getcwd()))
desc_full = os.path.join(pwd_path, 'res')
colors = ['#00FFFF', '#7FFFD4', '#F08080', '#90EE90', '#AFEEEE',
          '#98FB98', '#B0E0E6', '#00FF7F', '#FFFF00', '#9ACD32']
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用來正常顯示中文標籤
plt.rcParams['axes.unicode_minus'] = False  # 用來正常顯示負號

index = range(len(prov_num))
plt.bar(index, prov_num, color=colors, width=0.5, align='center')

plt.xticks(range(len(prov_nm)), prov_nm)  # 橫坐軸標籤
for x, y in enumerate(prov_num):
    # 在柱子上方1.2處標註值
    plt.text(x, y + 1.2, '%s' % y, ha='center', fontsize=10)
plt.ylabel('省會好友人數')  # 設置縱座標標籤
prov_title = '微信好友區域Top10'
plt.title(prov_title)    # 設置標題
plt.savefig(desc_full + '/微信好友區域Top10')  # 保存圖片
複製代碼

經過柱形圖展現，能夠清晰看到個人好友主要分佈在河南和上海，藉此不難推測出個人工做地址以及戶籍所在地。

5.微信好友個性簽名情感分析及詞雲圖展現

這裏使用了經常使用的中文分詞庫jieba，詞雲圖的背景採用了萌萌大小豬佩奇(´๑•_•๑)

• 分詞

sign_li = []
rule = re.compile("1f\d+\w*|[<>/=]")    # 定義正則規則
for fri_info in we_friend[1:]:
    signature = fri_info['signature']
    if signature:
        sign_deal = signature.replace('\n', '').replace('\t', '').replace(' ', '')\
            .replace("span", "").replace("class", "").replace("emoji", "")
        sign = rule.sub("", sign_deal)
        sign_li.append(sign)
複製代碼

• 製做詞雲圖

pwd_path = os.path.abspath(os.path.dirname(os.getcwd()))
conf_path = os.path.join(pwd_path, 'conf/')
comment_txt = ''
back_img = plt.imread(conf_path + '/peiqi.jpg')
cloud = WordCloud(font_path=conf_path + '/simhei.ttf',  # 如果有中文的話，這句代碼必須添加，否則會出現方框，不出現漢字
                  background_color="white",  # 背景顏色
                  max_words=5000,  # 詞雲顯示的最大詞數
                  mask=back_img,  # 設置背景圖片
                  max_font_size=100,  # 字體最大值
                  random_state=42,
                  width=360, height=591, margin=2,  # 設置圖片默認的大小,可是若是使用背景圖片的話,保存的圖片大小將會按照其大小保存,margin爲詞語邊緣距離
                  )
for li in comment:
    comment_txt += ' '.join(jieba.cut(li, cut_all=False))
wc = cloud.generate(comment_txt)
image_colors = ImageColorGenerator(back_img)
plt.figure("wordc")
plt.imshow(wc.recolor(color_func=image_colors))
wc.to_file(res_full + '好友個性簽名詞雲圖.png')
複製代碼

最初，只想作一個簡單的詞雲圖，可是看到這個詞雲圖中夢想、努力、專一、尊重、但願這個幾個詞之後，感受到個人好友生活態度仍是蠻積極向上的，就想不如再作一個簡單的情感分析，說幹就幹。

sentimentslist = []
for li in comment:
    if len(li) > 0:
        s = SnowNLP(li)
        print(li, s.sentiments)
        sentimentslist.append(s.sentiments)
fig1 = plt.figure("sentiment")
plt.hist(sentimentslist, bins=np.arange(0, 1, 0.02))
plt.savefig(res_full + '好友簽名情感分析')
plt.show()
複製代碼

從圖中能夠看出，正向情感要遠遠多於負向情感的數據，積極樂觀的人每每都在一個圈子，果真是物以類聚，人以羣分啊。

完整代碼以上傳Github，期待您的Star。