python經過人臉識別全面分析好友，一塊兒看透你的「朋友圈」

微信：一個提供即時通信服務的應用程序，更是一種生活方式，超過數十億的使用者，愈來愈多的人選擇使用它來溝通交流。

不知從什麼時候起，咱們的生活離不開微信，天天睜開眼的第一件事就是打開微信，關注着朋友圈裏好友的動態，而朋友圈中或虛或實的狀態更新，彷佛都在證實本身的「有趣」，尋找那份或有或無的存在感。

​

​

有人選擇在朋友圈記錄生活的點滴，有人選擇在朋友圈展現本身的觀點。有時咱們想去展現本身，有時又想去窺探着別人的生活，而有時又不想別人過多的瞭解本身的生活，或是屏蔽對方，或是不給對方看朋友圈，又或是不想看對方的朋友圈。

​

做者本人也是微信的重度依賴者，天天的工做生活都離不開它，也會關注朋友圈裏好友的動態，我我的認爲微信朋友圈是一種文化的體現，諸如：髮圈、點贊、留言等，都能側面的反應一我的的生活、工做、心態、愛好、修養、上進心、努力程度等。

今天就跟着我一塊兒來揭祕微信朋友圈，利用 Python+AI人工智能 進行多角度分析，一塊兒看透你的「朋友圈」。

咱們將使用Python抓取朋友圈數據，並對獲取到的數據進行全面分析，包含好友性別、地理位置分佈、個性簽名、備註名、好友類型等，逐一進行分析，同時還會使用人臉識別技術對好友頭像進行分析，分析到你懷疑人生。。。。。。

整個過程分爲四步：

1. 獲取數據

2. 處理數據

3. 存儲數據

4. 數據可視化

1、獲取數據

關於微信好友數據的獲取，能夠經過itchat庫，itchat是一個開源的微信我的號的接口，能夠實現信息收發、獲取好友列表等功能。

具體的用法和說明，在代碼中已經作了詳細的註釋。

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# 導入itchat模塊，操做微信我的號的接口
import itchat
# 獲取數據
def get_data():
 # 掃描二維碼登錄微信，實際上就是經過網頁版微信登錄
 itchat.auto_login()
 # 獲取全部好友信息
 friends = itchat.get_friends(update=True) # 返回一個包含用戶信息字典的列表
 return friends
if __name__ == '__main__':
 print(get_data())

執行代碼時電腦屏幕會出現一個二維碼，手機微信掃描後便可完成登錄！

2、處理數據

對獲取的數據進行處理，篩選出須要的數據。

經過對返回的用戶信息進行分析，發現列表中第一個元素是用戶本身，能夠排除掉。同時咱們只取須要的字段數據，各個字段及其取值的含義已在代碼中作了說明。

# 處理數據
def parse_data(data):
 friends = []
 for item in data[1:]: # 第一個元素是本身，排除掉
 friend = {
 'NickName': item['NickName'], # 暱稱
 'RemarkName': item['RemarkName'], # 備註名
 'Sex': item['Sex'], # 性別：1男，2女，0未設置
 'Province': item['Province'], # 省份
 'City': item['City'], # 城市
 'Signature': item['Signature'].replace('\n', ' ').replace(',', ' '), # 個性簽名（處理簽名內容換行的狀況）
 'StarFriend': item['StarFriend'], # 星標好友：1是，0否
 'ContactFlag': item['ContactFlag'] # 好友類型及權限：1和3好友，259和33027不讓他看個人朋友圈，65539不看他的朋友圈，65795兩項設置全禁止
 }
 print(friend)
 friends.append(friend)
 return friends
if __name__ == '__main__':
 print(parse_data(get_data()))

3、存儲數據

爲了便於分析數據並進行可視化操做，這裏將數據存儲到文本文件中。

# 存儲數據，存儲到文本文件
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,%d,%d\n' % (
 item['NickName'], item['RemarkName'], item['Sex'], item['Province'], item['City'], item['Signature'],
 item['StarFriend'], item['ContactFlag']))
if __name__ == '__main__':
 save_to_txt()

 重要說明： 這裏我獲取的是本身的微信好友數據（共計950條，因工做關係，好友數比較多），考慮到我的隱私，部分信息作了處理。

​

4、數據可視化

這裏使用的是pyecharts，pyecharts是一個用於生成Echarts圖表的類庫，便於在Python中根據數據生成可視化的圖表。

Echarts是百度開源的一個數據可視化JS庫，主要用於數據可視化。

# 安裝pyecharts
pip install pyecharts

1. 好友性別分析

代碼實現：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# 導入Pie組件，用於生成餅圖
from pyecharts import Pie
# 獲取全部性別
sex = []
with open('friends.txt', mode='r', encoding='utf-8') as f:
 rows = f.readlines()
 for row in rows:
 sex.append(row.split(',')[2])
# print(sex)
# 統計每一個性別的數量
attr = ['帥哥', '美女', '未知']
value = [sex.count('1'), sex.count('2'), sex.count('0')]
pie = Pie('好友性別比例', '好友總人數：%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')
# pie.show_config()
pie.render('好友性別比例.html')

可視化結果：

好友主要爲男性，佔比70%，男女比例嚴重失衡

​

 

看到這個結果，我是有些淡淡憂桑的，微信好友總人數爲950，帥哥佔比70.42%，美女佔比24.53%，男女比例嚴重失衡，但一點也不意外，本人是一名IT工做者，平時喜歡跑步，因此工做、生活接觸到的大部分都是男性朋友，出現男女比例失衡實屬正常。

2. 好友位置分析

pyecharts v0.3.2之後，pyecharts 將再也不自帶地圖 js 文件。如用戶須要用到地圖圖表，可自行安裝對應的地圖文件包。

# 安裝地圖文件包
pip install echarts-china-provinces-pypkg # 中國省、市、縣、區地圖
pip install echarts-china-cities-pypkg
pip install echarts-china-counties-pypkg
pip install echarts-china-misc-pypkg
pip install echarts-countries-pypkg # 全球國家地圖
pip install echarts-united-kingdom-pypkg

代碼實現：

# 導入Counter類，用於統計值出現的次數
from collections import Counter
# 導入Geo組件，用於生成地理座標類圖
from pyecharts import Geo
import json
# 導入Bar組件，用於生成柱狀圖
from pyecharts import Bar
# 數據可視化
def render():
 # 獲取全部城市
 cities = []
 with open('friends.txt', mode='r', encoding='utf-8') as f:
 rows = f.readlines()
 for row in rows:
 city = row.split(',')[4]
 if city != '': # 去掉城市名爲空的值
 cities.append(city)
 # 對城市數據和座標文件中的地名進行處理
 handle(cities)
 # 統計每一個城市出現的次數
 data = Counter(cities).most_common() # 使用Counter類統計出現的次數，並轉換爲元組列表
 print(data)
 # 根據城市數據生成地理座標圖
 geo = Geo('好友位置分佈', '', title_color='#fff', title_pos='center', width=1200, height=600,
 background_color='#404a59')
 attr, value = geo.cast(data)
 geo.add('', attr, value, visual_range=[0, 500],
 visual_text_color='#fff', symbol_size=15,
 is_visualmap=True, is_piecewise=True)
 geo.render('好友位置分佈.html')
 # 根據城市數據生成柱狀圖
 data_top20 = Counter(cities).most_common(20) # 返回出現次數最多的20條
 bar = Bar('好友所在城市TOP20', '', title_pos='center', width=1200, height=600)
 attr, value = bar.cast(data_top20)
 bar.add('', attr, value, is_visualmap=True, visual_text_color='#fff', is_more_utils=True,
 is_label_show=True)
 bar.render('好友所在城市TOP20.html')

出現的問題：

• 報錯：ValueError: No coordinate is specified for xxx(地名)

• 緣由：pyecharts的座標文件中沒有該地名，其實是名稱不一致致使的，如數據中地名爲'達州'，而座標文件中爲'達州市'

• 座標文件所在路徑：項目/venv/lib/python3.6/site-packages/pyecharts/datasets/city_coordinates.json

• 解決：修改座標文件，在原位置下複製個一樣的，而後修改下地名

{
 "南京市": [
 107.5,
 31.22
 ],
 "南京": [
 107.5,
 31.22
 ],
}

不過因爲要修改的地名太多，上面的方法實在是麻煩，因此我定義了一個函數，用來處理地名數據找不到的問題

# 處理地名數據，解決座標文件中找不到地名的問題
def handle(cities):
 # print(len(cities), len(set(cities)))
 # 獲取座標文件中全部地名
 data = None
 with open(
 '/Users/wangbo/PycharmProjects/python-spider/venv/lib/python3.6/site-packages/pyecharts/datasets/city_coordinates.json',
 mode='r', encoding='utf-8') as f:
 data = json.loads(f.read()) # 將str轉換爲json
 # 循環判斷處理
 data_new = data.copy() # 拷貝全部地名數據
 for city in set(cities): # 使用set去重
 # 處理地名爲空的數據
 if city == '':
 while city in cities:
 cities.remove(city)
 count = 0
 for k in data.keys():
 count += 1
 if k == city:
 break
 if k.startswith(city): # 處理簡寫的地名，如 達州市 簡寫爲 達州
 # print(k, city)
 data_new[city] = data[k]
 break
 if k.startswith(city[0:-1]) and len(city) >= 3: # 處理行政變動的地名，如縣改區 或 縣改市等
 data_new[city] = data[k]
 break
 # 處理不存在的地名
 if count == len(data):
 while city in cities:
 cities.remove(city)
 # print(len(data), len(data_new))
 # 寫入覆蓋座標文件
 with open(
 '/Users/wangbo/PycharmProjects/python-spider/venv/lib/python3.6/site-packages/pyecharts/datasets/city_coordinates.json',
 mode='w', encoding='utf-8') as f:
 f.write(json.dumps(data_new, ensure_ascii=False)) # 將json轉換爲str

可視化結果：

好友主要集中在江蘇及周邊地區

​

​

從圖中能夠發現：個人微信好友主要集中在江蘇及周邊地區，本人大學讀書時來到南京，如今工做生活也一直在南京，因此南京好友最多，爲483個；我自小在徐州長大，因此徐州好友數量也較多；同時由於喜歡跑步，結識了許多跑友，也常常會到周邊沿海城市參加各類馬拉松活動，因此好友位置主要分佈在沿海一帶。

3. 個性簽名詞雲圖

jieba是一個基於Python的分詞庫，完美支持中文分詞，功能強大

pip install jieba

Matplotlib是一個Python的2D繪圖庫，可以生成高質量的圖形，能夠快速生成繪圖、直方圖、功率譜、柱狀圖、偏差圖、散點圖等

pip install matplotlib

wordcloud是一個基於Python的詞雲生成類庫，能夠生成詞雲圖

pip install wordcloud

代碼實現：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# 導入jieba模塊，用於中文分詞
import jieba
# 導入matplotlib，用於生成2D圖形
import matplotlib.pyplot as plt
# 導入wordcount，用於製做詞雲圖
from wordcloud import WordCloud, STOPWORDS
# 獲取全部個性簽名
signatures = []
with open('friends.txt', mode='r', encoding='utf-8') as f:
 rows = f.readlines()
 for row in rows:
 signature = row.split(',')[5]
 if signature != '':
 signatures.append(signature)
# 設置分詞
split = jieba.cut(str(signatures), cut_all=False) # False精準模式分詞、True全模式分詞
words = ' '.join(split) # 以空格進行拼接
# print(words)
# 設置屏蔽詞，去除個性簽名中的表情、特殊符號等
stopwords = STOPWORDS.copy()
stopwords.add('span')
stopwords.add('class')
stopwords.add('emoji')
stopwords.add('emoji1f334')
stopwords.add('emoji1f388')
stopwords.add('emoji1f33a')
stopwords.add('emoji1f33c')
stopwords.add('emoji1f633')
# 導入背景圖
bg_image = plt.imread('bg.jpg')
# 設置詞雲參數，參數分別表示：畫布寬高、背景顏色、背景圖形狀、字體、屏蔽詞、最大詞的字體大小
wc = WordCloud(width=1024, height=768, background_color='white', mask=bg_image, font_path='STKAITI.TTF',
 stopwords=stopwords, max_font_size=400, random_state=50)
# 將分詞後數據傳入雲圖
wc.generate_from_text(words)
plt.imshow(wc) # 繪製圖像
plt.axis('off') # 不顯示座標軸
# 保存結果到本地
wc.to_file('個性簽名詞雲圖.jpg')

可視化結果：

充滿正能量、努力生活

個性簽名能夠反映人的一種心態，對全部好友的個性簽名進行分詞後製做以下詞雲圖：

​

從詞雲圖中能夠看到，微信好友個性簽名中出現頻率較高的詞彙有：本身、努力、生活、世界、就是、咱們、人生、沒有、須要、不要、時間、一切、一塊兒、永遠、將來、運動、快樂、溫柔、個性等，總體來看，個人微信好友仍是充滿正能量的，都是積極向上、努力生活、有個性的年青人。

咱們能夠來詳細的分析下這些高頻詞：

• 本身、就是、咱們、個性： 彰顯個性的自我、自覺得是、自大等，也說明了年青人的個性張揚、無所畏懼

• 努力、生活、時間、須要： 說明你們都在努力的工做，追求各自所需，爲更好的生活拼博着

• 世界、人生、快樂、將來： 正所謂「世界那麼大，我想去看看」，生活雖不易，但對外面的世界、對人生的追求從未中止過，快樂最重要

• 運動、健康、溫柔、享受： 說明喜歡運動的朋友比較多，你們都愈來愈關注健康。溫柔、享受也成爲共識，活着不易，且活且享受。

4. 備註名詞雲圖

獲取好友的備註名，根據備註名生成詞名圖

代碼實現：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# 導入jieba模塊，用於中文分詞
import jieba
# 導入matplotlib，用於生成2D圖形
import matplotlib.pyplot as plt
# 導入wordcount，用於製做詞雲圖
from wordcloud import WordCloud, STOPWORDS
# 獲取備註名
remarkNames = []
with open('friends.txt', mode='r', encoding='utf-8') as f:
 rows = f.readlines()
 for row in rows:
 remarkName = row.split(',')[1]
 if remarkName != '':
 remarkNames.append(remarkName)
# 設置分詞
split = jieba.cut(str(remarkNames), cut_all=False) # False精準模式分詞、True全模式分詞
words = ' '.join(split) # 以空格進行拼接
print(words)
# 導入背景圖
bg_image = plt.imread('bg.jpg')
# 設置詞雲參數，參數分別表示：畫布寬高、背景顏色、背景圖形狀、字體、屏蔽詞、最大詞的字體大小
wc = WordCloud(width=1024, height=768, background_color='white', mask=bg_image, font_path='STKAITI.TTF',
 max_font_size=400, random_state=50)
# 將分詞後數據傳入雲圖
wc.generate_from_text(words)
plt.imshow(wc) # 繪製圖像
plt.axis('off') # 不顯示座標軸
# 保存結果到本地
wc.to_file('備註名詞雲圖.jpg')

可視化結果：

好友備註中「跑友」、「南航」出現的頻率最高

​

從圖中能夠看出，個人好友備註中出現的高頻詞有：跑友、南航、wbs1709一、wbs1803一、wbs1702二、wbs17071等

​

• 本人平時喜歡跑步，也常常參加各類馬拉松活動，認識的跑友比較多，因此不足爲奇

• 因爲工做上與南航有必定的交集，因此南航的好友也比較多

• 以wbs開頭的備註都是我工做中帶過的學生，數量衆多，身爲一名IT教育工做者，深感光榮。

• 重要說明：考慮我的隱私，圖中部分姓名作了化名處理，請勿當真，若有不便，還望諒解。

5. 好友分類分析

根據備註名，對好友進行分類，統計各種好友的數量

PS：個人習慣是對好友添加備註，標記好友的類型或來源，這屬於我的潔癖的一種吧

代碼實現：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# 導入jieba模塊，用於中文分詞
import jieba
# 導入Counter類，用於統計值出現的次數
from collections import Counter
from pyecharts import Bar
# 獲取備註名
remarkNames = []
with open('friends.txt', mode='r', encoding='utf-8') as f:
 rows = f.readlines()
 for row in rows:
 remarkName = row.split(',')[1]
 if remarkName != '':
 remarkNames.append(remarkName)
# 設置分詞
words = [x for x in jieba.cut(str(remarkNames), cut_all=False) if x not in ['-', ',', '(', ')', '（', '）', ' ', "'"]] # 排除短橫線、逗號、空格、單引號
data_top10 = Counter(words).most_common(10) # 返回出現次數最多的20條
print(data_top10)
bar = Bar('好友分類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('好友分類TOP10.html')

可視化結果：

學生最多，其次是跑友

​

這裏只統計好友分類數量最多的前10，其中跑友160人，南航52人，其餘的都是wbs開頭的學生，實際上wbs開頭的學生數是最多的，只是在備註時按班級號進行了劃分。

經過分析統計，本身對各種好友的數量也作到了心中有數。

6. 特殊好友分析

獲取並統計如下的特殊好友： 星標好友 、 不讓他看個人朋友圈 、 不看他的朋友圈

代碼實現：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
from pyecharts import Bar
# 獲取特殊好友
star_list = [] # 星標朋友
deny_see_list = [] # 不讓他看個人朋友圈
no_see_list = [] # 不看他的朋友圈
with open('friends.txt', mode='r', encoding='utf-8') as f:
 rows = f.readlines()
 for row in rows:
 # # 獲取好友名稱
 name = row.split(',')[1] if row.split(',')[1] != '' else row.split(',')[0]
 # 獲取星標朋友
 star = row.split(',')[6]
 if star == '1':
 star_list.append(name)
 # 獲取設置了朋友圈權限的朋友
 flag = row.split(',')[7].replace('\n', '')
 if flag in ['259', '33027', '65795']:
 deny_see_list.append(name)
 if flag in ['65539', '65795']:
 no_see_list.append(name)
print('星標好友：', star_list)
print('不讓他看個人朋友圈：', deny_see_list)
print('不看他的朋友圈：', no_see_list)
attr = ['星標朋友', '不讓他看個人朋友圈', '不看他的朋友圈']
value = [len(star_list), len(deny_see_list), len(no_see_list)]
bar = Bar('特殊好友分析', '', title_pos='center')
bar.add('', attr, value, is_visualmap=True, is_label_show=True)
bar.render('特殊好友分析.html')

可視化結果：

特殊好友。。。你懂的

​

從上圖中能夠發現：

• 星標好友有4個，主要是特別關注的好友，我的以爲比較重要的朋友

• 不讓他看個人朋友圈有30個，這類好友通常是比較陌生的人，瞭解較少，固然也有個別是以爲不太方便的

• 不看他的朋友圈有8個，這類基本上都是隻在朋友圈發廣告的，除了廣告沒有別的內容，並且每次連續性的發多條，看着確實有些煩

補充說明：在代碼中有對特殊好友的姓名也進行了輸出顯示，你們在運行代碼時能夠在控制檯查看特殊好友具體是誰

7. 好友頭像分析

使用騰訊優圖提供的人臉識別技術，對頭像進行檢測和分

首先獲取全部好友的頭像：

import itchat
import os
# 獲取數據
def get_image():
 itchat.auto_login()
 friends = itchat.get_friends(update=True)
 # 在當前位置建立一個用於存儲頭像的目錄headImages
 base_path = 'headImages'
 if not os.path.exists(base_path):
 os.mkdir(base_path)
 # 獲取全部好友頭像
 for friend in friends:
 img_data = itchat.get_head_img(userName=friend['UserName']) # 獲取頭像數據
 img_name = friend['RemarkName'] if friend['RemarkName'] != '' else friend['NickName']
 img_file = os.path.join(base_path, img_name + '.jpg')
 print(img_file)
 with open(img_file, 'wb') as file:
 file.write(img_data)
if __name__ == '__main__':
 get_data()

對頭像進行人臉檢測，檢測頭像圖片中是否存在人臉，統計使用人臉做用頭像的佔比。

補充說明：

• 使用騰訊優圖相關服務須要在其平臺上申請開發者帳戶，並獲取審覈後的密鑰，具體步驟參考官網

• 在進行人臉檢測時速度會比較慢，頭像數量不一樣須要等待的時間也會有所不一樣，個人好友有900多，大概花了10分鐘左右

# 導入騰訊優圖，用來實現人臉檢測等功能
import TencentYoutuyun
from pyecharts import Pie
def analyse_data():
 # 向騰訊優圖平臺申請的開發密鑰，此處須要替換爲本身的密鑰
 appid = '********'
 secret_id = '************************'
 secret_key = '************************'
 userid = '********
 end_point = TencentYoutuyun.conf.API_YOUTU_END_POINT # 優圖開放平臺
 youtu = TencentYoutuyun.YouTu(appid, secret_id, secret_key, userid, end_point)
 use_face = 0
 not_use_face = 0
 base_path = 'headImages'
 for file_name in os.listdir(base_path):
 result = youtu.DetectFace(os.path.join(base_path, file_name)) # 人臉檢測與分析
 # print(result) # 參考 https://open.youtu.qq.com/legency/#/develop/api-face-analysis-detect
 # 判斷是否使用人像
 if result['errorcode'] == 0: # errorcode爲0表示圖片中存在人像
 use_face += 1
 gender = '男' if result['face'][0]['gender'] >= 50 else '女'
 age = result['face'][0]['age']
 beauty = result['face'][0]['beauty'] # 魅力值
 glasses = '不戴眼鏡 ' if result['face'][0]['glasses'] == 0 else '戴眼鏡'
 # print(file_name[:-4], gender, age, beauty, glasses, sep=',')
 with open('header.txt', mode='a', encoding='utf-8') as f:
 f.write('%s,%s,%d,%d,%s\n' % (file_name[:-4], gender, age, beauty, glasses))
 else:
 not_use_face += 1
 attr = ['使用人臉頭像', '未使用人臉頭像']
 value = [use_face, not_use_face]
 pie = Pie('好友頭像分析', '', title_pos='center')
 pie.add('', attr, value, radius=[30, 75], is_label_show=True,
 is_legend_show=True, legend_top='bottom')
 # pie.show_config()
 pie.render('好友頭像分析.html')
if __name__ == '__main__':
 analyse_data()

可視化結果：

使用人臉頭臉的好友並不算多，佔比31%

​

 

從上圖中能夠看到，使用人臉頭像的好友並很少，佔比30.87%，大部分都未使用人臉頭像，佔比69.13%，從某個角度能夠反應出這部分人不肯過多的暴露本身，或是對自我顏值的不自信，具體狀況要看我的的心態了。

對於使用人臉頭像的，還能夠檢測圖片中人臉的性別、年齡、魅力值、是否戴眼鏡等（考慮到我的隱私，部分信息作了處理）。

​

咱們還能夠將全部頭像拼接在一塊兒，生成一個微信好友頭像拼接圖：

# 拼接頭像
def join_image():
 base_path = 'headImages'
 files = os.listdir(base_path)
 each_size = int(math.sqrt(float(640 * 640) / len(files)))
 lines = int(640 / each_size)
 image = Image.new('RGB', (640, 640))
 x = 0
 y = 0
 for file_name in files:
 img = Image.open(os.path.join(base_path, file_name))
 img = img.resize((each_size, each_size), Image.ANTIALIAS)
 image.paste(img, (x * each_size, y * each_size))
 x += 1
 if x == lines:
 x = 0
 y += 1
 image.save('all.jpg')
 itchat.send_image('all.jpg', 'filehelper')

生成的頭像拼接圖，有密集恐懼症的請跳過 ^_^

​