码迷,mamicode.com
首页 > 微信 > 详细

第一个微信小项目

时间:2019-06-04 22:27:45      阅读:165      评论:0      收藏:0      [点我收藏+]

标签:label   render   pip   apt   bsp   初始   src   and   一个   

一 微信好友数据分析

(一)要实现对微信好友数据分析这神奇的操作,首先得准备好工具,那就是安装以下几种库数据

安装 wxpy库 : pip install wxpy
安装 PIL库:pip install pillow
安装 pyecharts库:pip install pyecharts
安装 Itchat库:pip install itchat
安装 Jieba库: pip install jieba
安装 Pandas库:pip install Pandas
安装 Numpy库:pip install Numpy
安装地图数据包:pip install echarts-china-provinces-pypkg
                             pip install echarts-countries-pypkg

(二)准备好了库,就来实现以下的操作

2.1.爬取好友列表,显示好友昵称、性别和地域和签名, 文件保存为 xlsx 格式
2.1 统计好友的地域分布,并且做成词云和可视化展示在地图上
2.1  获取所有好友的头像,合并成一张大图

(三)分解要实现上述的操作的步骤

3.1  获取用户信息,首先让程序登录微信,并获取我的好友相关信息

#导入模块
from wxpy import *
#初始化机器人,选择缓存模式(扫码)登录
bot = Bot(cache_path=True)
#获取我的所有微信好友信息
friend_all = bot.friends()
运行登录代码会自动弹出一个如下的提示的一个二维码页面,打开微信,用手机扫码同意后,进入微信并获取微信好友的相关信息

技术图片技术图片

3.2 登陆微信成功获取数据后我们可以统计自己微信的好友数目,统计好友男女性比例及好友的省市分布
print(friend_all[0].raw)
print( len(friend_all))
lis=[]
for a_friend in friend_all:
 NickName = a_friend.raw.get(NickName,None)
 #Sex = a_friend.raw.get(‘Sex‘,None)
 Sex ={1:"",2:"",0:"其它"}.get(a_friend.raw.get(Sex,None),None)
 City = a_friend.raw.get(City,None)
 Province = a_friend.raw.get(Province,None)
 Signature = a_friend.raw.get(Signature,None)
 HeadImgUrl = a_friend.raw.get(HeadImgUrl,None)
 HeadImgFlag = a_friend.raw.get(HeadImgFlag,None)
 list_0=[NickName,Sex,City,Province,Signature,HeadImgUrl,HeadImgFlag]
 lis.append(list_0)

结果如下:

技术图片

 

3.3 把上述 lis 列表的信息保存到 excel 中,便于后面的使用,将这个功能写成函数 lis2e07()

def lis2e07(filename,lis):
    import openpyxl
    wb = openpyxl.Workbook()
    sheet = wb.active
    sheet.title = list2excel07
    file_name = filename +.xlsx
    for i in range(0, len(lis)):
        for j in range(0, len(lis[i])):
            sheet.cell(row=i+1, column=j+1, value=str(lis[i][j]))
    wb.save(file_name)
print("写入数据成功!")
print(lis2e07(yubg,lis))

打开 excel 文件,数据如下图所示

技术图片

 

3. 4 数据分析

Friends = bot.friends()
data = Friends.stats_text(total=True, sex=True,top_provinces=30, top_cities=500)
print(data)

 

对数据的简单分析,并将结果打印出来,输出结果如下:

技术图片

 

3.5 对 city 列数据做成词云
方法一:利用 plt+wordcloud 方法

from pandas import read_excel 
df = read_excel(yubg1.xlsx,sheetname=list2excel07)(此次调用该表之前,要去文件中打开该表,在表的第一行加上Nickname,sex,city等对应的文字)
from wordcloud import WordCloud 
import matplotlib.pyplot as plt
import pandas as pd
from pandas import DataFrame
word_list= df[city].fillna(0).tolist()#将 dataframe 的列转化为 list,其中的 nan 用“0”替换
new_text =  .join(word_list) 
wordcloud = WordCloud(font_path=simhei.ttf, background_color="black").generate(new_text) 
plt.imshow(wordcloud) 
plt.axis("off") 
plt.show()

效果图:

技术图片

 

方法二:利用 pyecharm 做词云

import pandas as pd
#count = df.city.value_counts() #对 dataframe 进行全频率统计,排除了 nan
city_list = df[city].fillna(NAN).tolist()#将 dataframe 的列转化为 list,其中的 nan 用“NAN”
替换
count_city = pd.value_counts(city_list)#对 list 进行全频率统计
from pyecharts import WordCloud
name = count_city.index.tolist()
value = count_city.tolist()
wordcloud = WordCloud(width=1300, height=620)
wordcloud.add("", name, value, word_size_range=[20, 100])
wordcloud.show_config()
wordcloud.render(r‘C:/Users/Administrator/map1.html)

做成的词云图保存在 c:\Users\lenovo\wc1.html 网页中,打开如下图:

技术图片

 

3.6  将好友省份可视化展示在地图上

province_list = df[province].fillna(NAN).tolist()#将 dataframe 的列转化为 list,其中的 nan 用“NAN”替换
count_province = pd.value_counts(province_list)#对 list 进行全频率统计
from pyecharts import Map 
value =count_province.tolist() 
attr =count_province.index.tolist()
map=Map("各省微信好友分布", width=1200, height=600) 
map.add("", attr, value, maptype=china, is_visualmap=True, 
 visual_text_color=#000,
is_label_show = True) #显示地图上的省份
map.show_config() 
map.render(rC:/Users/Administrator/map2.html)

做成的地图保存在 c:\Users\lenovo\map1.html 网页中,打开如下图

 

 

技术图片

   

( 四)操作过程的完整个完整代码如下:

# -*- coding: utf-8 -*-
"""
Created on Sun Jun  2 21:35:32 2019

@author: Administrator
"""

from wxpy import*
bot=Bot(cache_path=True)
friend_all=bot.friends()
print(friend_all[0].raw)
print( len(friend_all))
lis=[]
for a_friend in friend_all:
 NickName = a_friend.raw.get(NickName,None)
 #Sex = a_friend.raw.get(‘Sex‘,None)
 Sex ={1:"",2:"",0:"其它"}.get(a_friend.raw.get(Sex,None),None)
 City = a_friend.raw.get(City,None)
 Province = a_friend.raw.get(Province,None)
 Signature = a_friend.raw.get(Signature,None)
 HeadImgUrl = a_friend.raw.get(HeadImgUrl,None)
 HeadImgFlag = a_friend.raw.get(HeadImgFlag,None)
 list_0=[NickName,Sex,City,Province,Signature,HeadImgUrl,HeadImgFlag]
 lis.append(list_0)
# lis 列表的信息保存到 excel 中,便于后面的使用,将这个功能写成函数 lis2e07()
def lis2e07(filename,lis):
    import openpyxl
    wb = openpyxl.Workbook()
    sheet = wb.active
    sheet.title = list2excel07
    file_name = filename +.xlsx
    for i in range(0, len(lis)):
        for j in range(0, len(lis[i])):
            sheet.cell(row=i+1, column=j+1, value=str(lis[i][j]))
    wb.save(file_name)
print("写入数据成功!")
print(lis2e07(yubg,lis))
#将city的结果打印出来
Friends = bot.friends()
data = Friends.stats_text(total=True, sex=True,top_provinces=30, top_cities=500)
print(data)
#利用 plt+wordcloud 方法 对 city 列数据做成词云
from pandas import read_excel 
df = read_excel(yubg1.xlsx,sheetname=list2excel07)(此次调用该表之前,要去文件中打开该表,在表的第一行加上Nickname,sex,city等对应的文字)
from wordcloud import WordCloud 
import matplotlib.pyplot as plt
import pandas as pd
from pandas import DataFrame
word_list= df[city].fillna(0).tolist()#将 dataframe 的列转化为 list,其中的 nan 用“0”替换
new_text =  .join(word_list) 
wordcloud = WordCloud(font_path=simhei.ttf, background_color="black").generate(new_text) 
plt.imshow(wordcloud) 
plt.axis("off") 
plt.show()
#利用 pyecharm 做词云
import pandas as pd
#count = df.city.value_counts() #对 dataframe 进行全频率统计,排除了 nan
city_list = df[city].fillna(NAN).tolist()#将 dataframe 的列转化为 list,其中的 nan 用“NAN” 替换
count_city = pd.value_counts(city_list)#对 list 进行全频率统计

from pyecharts.charts.wordcloud import WordCloud #设置对象
name = count_city.index.tolist()
value = count_city.tolist()
wordcloud = WordCloud(width=1300, height=620)
wordcloud.add("", name, value, word_size_range=[20, 100])
wordcloud.show_config()
wordcloud.render(rC:/Users/Administrator.html)

#将这些个好友在全国地图上做分布
province_list = df[province].fillna(NAN).tolist()#将 dataframe 的列转化为 list,其中的 nan 用“NAN”替换
count_province = pd.value_counts(province_list)#对 list 进行全频率统计
from pyecharts import Map 
value =count_province.tolist() 
attr =count_province.index.tolist()
map=Map("各省微信好友分布", width=1200, height=600) 
map.add("", attr, value, maptype=china, is_visualmap=True, 
visual_text_color=#000,
is_label_show = True) #显示地图上的省份
map.show_config() 
map.render(rC:/Users/Administrator/map2.html)

 

第一个微信小项目

标签:label   render   pip   apt   bsp   初始   src   and   一个   

原文地址:https://www.cnblogs.com/2987831760qq-com/p/10975811.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!