个人微信数据分析
假设
1 地理位置： 出生城市、读书城市、工作城市的微信好友应该会多些，因为亲人、发小、一 般都在 出生城市，大学和工作城市都会有同学和同事。
2 职业：销售职业、媒体运营职业的好友数量应该高于一般人的好友数量，因为跟人交流较多
3 兴趣：兴趣和职业决定了微信群和公众号的分布
from wxpy import *
# 初始化机器人，扫码登陆
import datetime
import os
import re
import subprocess
import time
from collections import Counter
from functools import wraps
from pprint import pformat
bot = Bot('test.pkl')
Getting uuid of QR code.
Downloading QR code.
Please scan the QR code to log in.
Please press confirm on your phone.
Loading the contact, this may take a little while.
Login successfully as 彭健平6:30
friends好友，groups群，mp公众号
nick_name返回名字，remark_name备注名，sex性别，province省份，
city城市，signature个性签名
stats_text 查看详情
1.好友探索
1.1查看微信好友数量
len(bot.friends())
1135
1.2查看好友男女数量以及比例
bot.friends().stats(attribs=('sex'))['sex']
Counter({0: 76, 1: 557, 2: 502})
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
sex_data=pd.Series(bot.friends().stats(attribs=('sex'))['sex'])
sex_data
0 76
1 557
2 502
dtype: int64
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt
fig = plt.figure()
x=sex_data
labels=['未知','男','女']
plt.pie(x,labels=labels,autopct='%1.2f%%') #画饼图（数据，数据对应的标签，百分数保留两位小数点）
plt.title("sex")
plt.show()
男女分布饼图
男性占比49%，女性占比44%，不清楚性别的占6.7%，
基本上好友数男女差不多
1.3查看好友省份的分布
province_data=pd.Series(bot.friends().stats(attribs=('province'))['province'])
print ("省份的数量:",province_data.count())
省份的数量: 72
可以看出 好友分布在71个省份(有国外的数据)，还有191个人的省份数据是未知的
#查看10人以上的省份
province_data=province_data[province_data>10].sort_values()
province_data
陕西 12
辽宁 13
河南 15
湖南 15
山东 16
江苏 20
四川 21
浙江 46
北京 52
上海 76
广东 78
196
湖北 451
dtype: int64
from pylab import *
from matplotlib.font_manager import FontProperties
fontproperties=FontProperties(fname='/System/Library/Fonts/PingFang.ttc')
#fontproperties=FontProperties(fname='/System/Library/Fonts/PingFang.ttc'
var = province_data
fig = plt.figure()
var.plot(kind='bar')
plt.title(u'省份分布',fontsize=18,fontproperties=FontProperties(fname='/System/Library/Fonts/PingFang.ttc'))
plt.rc('font',family=['Microsoft YaHei'])
plt.show()
微信好友省份分布
湖北好友数量最多符合假设，还有196个人的省份未知，其次是广东，
没有去过广东应该是很多朋友去了深圳造成的
查看好友城市分布
city_data=pd.Series(bot.friends().stats(attribs=('city'))['city'])
print ("城市的数量:",city_data.count())
城市的数量: 164
#查看10分人以上的省份
city_data=city_data[city_data>10].sort_values()
city_data
朝阳 11
徐汇 12
成都 15
海淀 15
浦东新区 17
荆州 17
孝感 18
广州 20
杭州 24
深圳 32
黄冈 38
咸宁 55
武汉 273
282
dtype: int64
from pylab import *
from matplotlib.font_manager import FontProperties
#fontproperties=FontProperties(fname='/System/Library/Fonts/PingFang.ttc'
var = city_data
fig = plt.figure()
var.plot(kind='bar')
plt.title(u'城市分布',fontsize=18,fontproperties=FontProperties(fname='/System/Library/Fonts/PingFang.ttc'))
plt.rc('font',family=['Microsoft YaHei'])
plt.show()
微信好友城市分布
282人的城市数据未知，其次最多的是武汉，咸宁
好友姓名分布
ciyuntu=''
for x in bot.friends():
c=str(x.nick_name)
ciyuntu+=c
# import matplotlib.pyplot as plt
# from wordcloud import WordCloud
# import jieba
ciyuntu=ciyuntu.replace('彭健平','')
from wordcloud import WordCloud
#指定中文
def cword_cloud(data,margin=5):
data= re.sub("[A-Za-z0-9\[\`\~\!\@\#\$\^\&\*\(\)\=\|\{\}\'\:\;\'\,\[\]\.\<\>\/\?\~\！\@\#\\\&\*\%]", "", data)
font ='/System/Library/Fonts/PingFang.ttc'
wordcloud = WordCloud(background_color="white",font_path=font,width=1000, height=1000, margin=5,min_font_size=15).generate(data)
plt.figure('词云图') #指定所绘图名称
plt.imshow(wordcloud)# 以图片的形式显示词云
plt.axis("off")#关闭图像坐标
plt.show()
cword_cloud(ciyuntu,2)
微信好友明字词云图
出现最多的词还是上家公司的名字
个性签名
signature_data=''
for x in bot.friends().stats(attribs=('signature'))['signature']:
c=str(x)
signature_data+=c
cword_cloud(signature_data)
微信好友个性签名词云图
词云解读
出现频次较高的词语分为2大类：
(1)努力、奋斗、自律与积极向上相关的词语；
（2）愿得一人心、白首不想离等向往爱情的词语；
结论分析
对好友类型有了初略的认识，大多数好友积极向上，憧憬着爱情
2 探索群的分布
2.1群的数量
len(bot.groups())
47
groups_name=''
for x in bot.groups():
groups_name+=x.nick_name
#data= re.sub("[A-Za-z0-9\[\`\~\!\@\#\$\^\&\*\(\)\=\|\{\}\'\:\;\'\,\[\]\.\<\>\/\?\~\！\@\#\\\&\*\%]", "", data)
font ='/System/Library/Fonts/PingFang.ttc'
wordcloud = WordCloud(background_color="white",font_path=font,width=1000, height=1000, margin=5,min_font_size=15).generate(groups_name)
plt.figure('词云图') #指定所绘图名称
plt.imshow(wordcloud)# 以图片的形式显示词云
plt.axis("off")#关闭图像坐标
plt.show()
[图片上传失败...(image-83e9f7-1523000594970)]
群名字词云图
3探索公众号的分布
公众号的数量
len(bot.mps())
105
#查看公众号地理分布
mps_data=pd.Series(bot.mps().stats(attribs=('province'))['province']).sort_values()
mps_data[mps_data>2]
浙江 4
福建 4
湖北 8
广东 22
上海 23
北京 32
dtype: int64
var = mps_data[mps_data>2]
fig = plt.figure()
var.plot(kind='bar')
plt.title(u'公众号省份分布',fontsize=18,fontproperties=FontProperties(fname='/System/Library/Fonts/PingFang.ttc'))
plt.rc('font',family=['Microsoft YaHei'])
plt.show()
#province
公众号省份的分布
#查看公众号城市分布
mps_data=pd.Series(bot.mps().stats(attribs=('city'))['city']).sort_values()
mps_data[mps_data>2]
嘉定 3
卢湾 3
东城 3
杭州 4
浦东新区 4
厦门 4
武汉 6
广州 8
10
海淀 11
深圳 12
朝阳 14
dtype: int64
var = mps_data[mps_data>2]
fig = plt.figure()
var.plot(kind='bar')
plt.title(u'公众号城市分布',fontsize=18,fontproperties=FontProperties(fname='/System/Library/Fonts/PingFang.ttc'))
plt.rc('font',family=['Microsoft YaHei'])
plt.show()
公众号城市的分布
以上可以发现关注最多的公众号是北京>上海>广东>湖北
关注的公共号都以北上广为主哈，不知道是不是这几个地方好质量的公众号最多
公众号个性签名的词云图
font ='/System/Library/Fonts/PingFang.ttc'
wordcloud = WordCloud(background_color="white",font_path=font,width=1000, height=1000, margin=5,min_font_size=15).generate(signature_mps)
plt.figure('词云图') #指定所绘图名称
plt.imshow(wordcloud)# 以图片的形式显示词云
plt.axis("off")#关闭图像坐标
plt.show()
公众号个性签名词云图
有关007的公众号关注的最多了
简单探索个人微信信息
接下来探索自动加好友、根据关键字回复、自动拉群、自动转发信息，相信这几个功能对于微信群、公众号的运营还是有点用处的。
已经弄好自动取得群成员id,自动加好友的脚本（加好友有限制）
来一起学
