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示。
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.微信登入
- 三行程式碼實現登入，為了避免我們頻繁掃描二維碼登入，這裡我們加入
hotReload=True
import itchat
itchat.auto_login(hotReload=True)
itchat.dump_login_status()
複製程式碼- 好友資訊獲取
we_friend = itchat.get_friends(update=True)[:]
複製程式碼這裡的we_friend是好友的資訊的列表，每一個好友字典的 key 如下表
| key | 備註 |
|---|---|
| UserName | 微信系統內的使用者編碼標識 |
| 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，我們就好處理了。
2.好友性別
這裡順便提一下：如果sex=1則代表男性，sex=2代表女性
total = len(we_friend[1:])
for fri_info in we_friend[1:]:
sex = fri_info['sex']
# 如果sex=1 代表男性 sex=2代表女性
if sex == 1:
man += 1
elif sex == 2:
woman += 1
else:
other += 1
複製程式碼統計出男生、女生的以及總人數後，佔比自然而然就出來了，為了更好的展示男女比例，我們以餅圖展示。
- 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)) # 繪製的圖片為正圓
sex_li = ['男', '女', '其他']
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')
# 展示
plt.show()
複製程式碼作為一個碼農、程式猿，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覺到了不安，（此圖女朋友不可見）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，這裡記錄下如何解決matplotlib中文亂碼
- 準備好想要使用的中文字型，這裡我用的是SimHei，附下載地址：中文字型下載
- 找到matplotlib的檔案位置
import matplotlib
print(matplotlib.matplotlib_fname()) # 檢視路徑
複製程式碼-
進入上方列印的路徑
-
把剛才下載的字型檔案解壓放入
/usr/local/lib/python3.5/dist-packages/matplotlib/mpl-data/fonts/ttf目錄 -
返回上級目錄，修改matplotlibrc檔案，取消相關注釋，並在
font.serif加入剛才下載的字型
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
複製程式碼- 刪除matplotlib快取。
在terminal中：cd ~/.cache/matplotlib
把.cache下面的matplotlib資料夾刪除。
$ rm -rf matplotlib
複製程式碼3.微信好友頭像
這裡其實看過我之前文章的應該知道，其實頭像的拼接主要分為兩部分
- 1.採集所有好友頭像儲存本地，
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
複製程式碼- 2.對所有頭像進行拼接
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)) # 貼上位置
x += 1
if x == lines: # 換行
x = 0
y += 1
image.save(desc_full + "/好友頭像拼接圖.jpg")
複製程式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
複製程式碼由於城市太多，我們取好友數量排名前十的城市及區域進行展示，感興趣的可以稍微改下程式碼，就可以展示所有區域人數。
排序這裡我用了Python的sorted()函式，列表的每個元素都為二維元組，key引數傳入了一個lambda函式，其x就代表列表裡的每一個元素，然後分別利用索引返回元素內的第一個和第二個元素，這就代表了sorted()函式利用哪一個元素進行排列。而reverse決定是正序還是倒序，預設為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]
複製程式碼- 區域、城市柱形圖展示，由於思路程式碼是一致的，所以這裡只展示區域的程式碼
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') # 設定縱座標標籤
prov_title = '微信好友區域Top10'
plt.title(prov_title) # 設定標題
plt.savefig(desc_full + '/微信好友區域Top10') # 儲存圖片
複製程式碼通過柱形圖展示，可以清晰看到我的好友主要分佈在河南和上海，藉此不難推測出我的工作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示
這裡使用了常用的中文分詞庫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)
複製程式碼- 製作詞雲圖
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', # 若是有中文的話，這句程式碼必須新增，不然會出現方框，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, # 設定背景圖片
max_font_size=100, # 字型最大值
random_state=42,
width=360, height=591, margin=2, # 設定圖片預設的大小,但是如果使用背景圖片的話,儲存的圖片大小將會按照其大小儲存,margin為詞語邊緣距離
)
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')
複製程式碼最初，只想做一個簡單的詞雲圖，但是看到這個詞雲圖中夢想、努力、專注、尊重、希望這個幾個詞以後，感覺到我的好友生活態度還是蠻積極向上的，就想不如再做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()
複製程式碼從圖中可以看出，正向情感要遠遠多於負向情感的資料，積極樂觀的人往往都在一個圈子，果然是物以類聚，人以群分啊。
完整程式碼以上傳Github，期待您的Star。