微信朋友圈里的大數據

“ 清理下[微笑],不用回。
相信大家在微信上一定被上面的這段話刷過屏,群發消息應該算是微信上流傳最廣的找到刪除好友的方法了。但群發消息不僅僅會把通訊錄里面所有的好友騷擾一遍,而且你還得挨個刪除好幾百個聊天記錄,回復大家的疑問和鄙視。

大約一年前,網上流傳一段python代碼,查看被刪的微信好友。原理就是新建群組,如果加不進來就是被刪好友了。我也執行過。但是正如程序里面所提示的,查詢結果可能會引起一些心理上的不適,請小心使用。

本文會另辟蹊徑,通過調用微信接口,分析微信朋友的信息數據,能夠分析拉黑的,搞微商的,性別分布,城市分布,省份分布等。

調用一個微信接口 itchat來操作微信
先看下官方介紹: itchat是一個開源的微信個人號接口,使用python調用微信從未如此簡單。

import itchat

# 先登錄  
itchat.auto_login(hotReload=True)

def getFriends():
    return itchat.get_friends(update=True)[0:]

調用一下函數getFriends()就能得到朋友信息列表了

屏幕快照 2017-08-03 下午10.25.56.png

有了這些數據,就可以做分析了。
用pandas得到一個二維數組,去掉作用不大的數據列,如:
'Alias', 'VerifyFlag', 'HideInputBarFlag', 'UniFriend', 'Uin', 'Statues', 'StarFriend', 'UserName', 'AppAccountFlag', 'ChatRoomId', 'DisplayName', 'EncryChatRoomId' 等作用不大的數據。
然后按照我們想要的數據分組:

if __name__ == '__main__':
    friends = getFriends()
    friends_df = pd.DataFrame(list(friends))
    friends_df.dropna(axis=1, inplace=True)

    droped_cloum = ['Alias', 'VerifyFlag', 'HideInputBarFlag', 'UniFriend', 'Uin', 'Statues', 'StarFriend', 'UserName',
                    'AppAccountFlag', 'ChatRoomId', 'DisplayName', 'EncryChatRoomId', 'HeadImgUrl', 'MemberCount',
                    'OwnerUin', 'MemberList', 'PYInitial', 'Signature', 'SnsFlag', 'PYQuanPin', 'KeyWord',
                    'RemarkPYInitial', 'RemarkPYQuanPin']
    drop_cloums(friends_df, droped_cloum)
    friends_df.to_csv("friends.csv")

    city = friends_df.groupby('City').size()
    province = friends_df.groupby('Province').size()
    sex = friends_df.groupby('Sex').size()
    print(city)
    print(province)
    print(sex)

結果:

屏幕快照 2017-08-03 下午11.08.11.png

用圖像展現出來

 sex.plot(kind='pie', subplots=True, autopct='%.2f', figsize=(4, 4), title="Sex",legend = True)  # 顯示百分比
    plt.show()
屏幕快照 2017-08-03 下午11.19.26.png

1是男,2是女,0是沒有填寫的。
展示省份分布:

    plt.xticks(np.arange(len(province.index)), province.index, fontproperties=font)
    plt.show(province.plot(kind='bar'))
屏幕快照 2017-08-03 下午11.13.09.png

Mac上plot處理中文沒處理好。

因為怕有些心理的不適,這里沒有統計拉黑的名單。但是很容易得到的,字段"UniFriend"。
統計分析簽名,能分析部分微商出來。這里也沒有去統計了。
一個小小的朋友圈,也能折射人間百態。淡定淡定!

更多精彩,請關注微信公眾號: python愛好部落

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 230,825評論 6 546
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,814評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 178,980評論 0 384
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 64,064評論 1 319
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,779評論 6 414
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 56,109評論 1 330
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 44,099評論 3 450
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 43,287評論 0 291
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,799評論 1 338
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,515評論 3 361
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,750評論 1 375
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,221評論 5 365
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,933評論 3 351
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,327評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,667評論 1 296
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,492評論 3 400
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,703評論 2 380

推薦閱讀更多精彩內容