几十行代码让你知道朋友圈都是什么样的朋友

合几大常用的 Python 数据分析包，结合itchat的能力实现朋友圈的分析。

从哪里做起

微信现在越来越融入到了我们每个人的生活，从简单的聊天 工具 到衣食住行的服务，再到传播着丰富多彩信息的自媒体和涵盖万物的小程序，微信俨然就是一个小的生态系统。而人，是整个微信生态的核心，每个人朋友圈就是自我小生态的核心。itchat为我们提供了获取朋友信息的接口：

friends=itchat.get_friends(update=True)[0:] 

通过debug可以看到每个friend的信息：

可以看到每个好友的信息还是很丰富的，从昵称、性别、到地域等，好友列表按照通讯录排列，第一个是用户自己，接着是星标置顶的好友，比如瑾瑾在我的列表里排第一位。我们今天所有的工作都将从好友的信息做起。

统计好友性别分布

性别分布是最容易统计的数据，通过查看我自己和几个好友的数据，得出sex和性别的对应关系为：

sex = 0: 未知sex = 1: 男生sex = 2: 女生  
pyecharts 是一个用于生成 Echarts 图表的类库,而Echarts 是百度开源的一个数据可视化 JS 库。主要用于数据可视化。利用pyecharts画出好友性别分布： 
from pyecharts import Pie  
boy=girl=nothing=0  
for i in friends[1:]:  
sex =i[Sex]  
if sex==1:  
boy+=1  
elif sex==2:  
girl+=1  
else:  
nothing+=1  
total=len(friends[1:])  
attr=[迷妹,迷弟 , 低调的匿名粉丝]  
v1 = [boy,girl, nothing]  
pie = Pie(粉丝性别分布, title_pos='center')  
pie.add(, attr, v1, radius=[40, 75], label_text_color=None,is_label_show=True,is_legend_show=False)  
pie.show_config()pie.render(./sex_data.html) 

运行结果如下：

没想到我的微信上的迷妹竟然比迷弟都多了这么多，实在是吃鲸，还希望瑾瑾不要打我。

好友地域分布

分析完好友的性别我们再来分析好友的地域分布，看看自己的好友是不是遍布天南地北：

from pyecharts import Map  
import pandas as pd  
def get_var(var):  
variable=[]  
for i in friends:  
value=i[var]  
variable.append(value)  
return  
variableNickName=get_var(NickName)  
Sex=get_var(Sex)  
Province=get_var('Province')  
Signature=get_var('Signature')  
city=get_var('City')  
data{'NickName':NickName,'Sex':Sex,'Province':Province,'Signature':Signature,'city':city}  
frame=pd.DataFrame(data)  
result1=frame.groupby(['Province'],as_index=False).size()a1=list(result1)  
a2=result1.indexmap=Map(我的好友占了大半个中国啊!, 来自微信的朋友圈, title_pos=center,width=1200, height=600)map.add(, a2, a1, maptype='china', is_visualmap=True, visual_text_color='#000',visual_range=[1, 8], is_label_show=True, symbol=diamon, label_pos=inside ) 
map.show_config()  
map.render(./area_data.HTML) 

最后的结果如下：

非常地准，作为一个飘过北、上、杭的“浪里白条”，除了老家河南，我的好友基本集中在上海、北京和杭州，什么时候也可以到广深溜一波。

好友个性签名词云分析

微信签名是了解一个人性格和态度的重要参考，想看看我的朋友圈里的大神们都是走的文艺风，还是小清新，还是大学霸… …话不多说，一试便知：jieba(结巴)是一个强大的分词库，完美支持中文分词;wordcloud是一个基于Python的词云生成类库,很好用;matplotlib.pyplot是一些命令行风格函数的集合，使matplotlib以类似于MATLAB的方式工作。每个pyplot函数对一幅图片(figure)做一些改动：比如创建新图片，在图片创建一个新的作图区域(plotting area)，在一个作图区域内画直线，给图添加标签(label)等：

import reimport jieba  
import wordcloud as wc  
import numpy as np  
import PIL.Image as Imageimport matplotlib.pyplot as pltsig  
list=[]  
for i in friends:  
signature=i['Signature'].strip().replace(span,).replace(class,).replace(emoji,)  
rep=re.compile(1f\d+\w*|[/=])  
signature=rep.sub(,signature)  
siglist.append(signature)  
text=.join(siglist)  
wordlist=jieba.cut(text,cut_all=True)  
word_space_split= .join(wordlist)  
coloring= np.array(Image.open(./1.jpg)) # 一张猴子图片,试了很多照片，还是这个好 

my_wordcloud= wc.WordCloud(background_color=white, # 背景颜色 mask=coloring, max_words=200, # 最大词数max_font_size=60, # 字体最大值random_state=42, scale=4, # 按照比例进行放大画布，如设置为1.5，则长和宽都是原来画布的1.5倍。font_path=./HYQiHei-25J.ttf,# 字体，注意选择合适的字体，否则可能会显示乱码。

width=400, height=200 # 像素).generate(word_space_split)  
image_colors= wc.ImageColorGenerator(coloring)# plt.imshow(my_wordcloud.recolor(color_func=image_colors))  
plt.imshow(my_wordcloud)plt.axis(off) # 不显示坐标轴plt.show()my_wordcloud.to_file('./test.jpg') 

最后的结果如下：

对于词云的分布也是有很多可以挖掘的信息，看起来我的朋友们比较偏向于文艺风。爱自己、爱生活、有梦想、拥抱世界。我还在右下角的角落里看到了低调的我交。

后记

微信是一个神奇的存在，它是一个国民级别的全民APP，所以，微信的产品设计一直都是一个有趣的现象，从最初底部Tab的数目、每个Tab的名称、“发现页面的定制、小程序入口、朋友圈入口到朋友圈评论等等一系列的设计细节，都是值得我们透过人性和心理去研究的。即使是被人们封神的张小龙”，在面对结构最为复杂的中国用户群体的时候，他的潇洒中依旧不免充满无奈，从对朋友圈的置之不理就可以看出，这是一个怎么做都不会让人满意的功能，任何一个生态在面对巨大的用户群体的时候，功能的增减就会变成一个难题。