基于Python實(shí)現(xiàn)的微信好友數(shù)據(jù)分析

最近微信迎來了一次重要的更新，允許用戶對(duì)”發(fā)現(xiàn)”頁面進(jìn)行定制。不知道從什么時(shí)候開始，微信朋友圈變得越來越復(fù)雜，當(dāng)越來越多的人選擇”僅展示最近三天的朋友圈”，大概連微信官方都是一臉的無可奈何。逐步泛化的好友關(guān)系，讓微信從熟人社交逐漸過渡到陌生人社交，而朋友圈里亦真亦幻的狀態(tài)更新，仿佛在努力證明每一個(gè)個(gè)體的”有趣”。

有人選擇在朋友圈里記錄生活的點(diǎn)滴，有人選擇在朋友圈里展示觀點(diǎn)的異同，可歸根到底，人們無時(shí)無刻不在窺探著別人的生活，唯獨(dú)怕別人過多地了解自己的生活。人性中交織著的光明與黑暗，像一只渾身長滿刺的刺猬，離得太遠(yuǎn)會(huì)感覺到寒冷，而靠得太近則害怕被刺扎到。朋友圈就像過年走親戚，即便你心中有一萬個(gè)不痛快，總是不愿意撕破臉，或屏蔽對(duì)方，或不給對(duì)方看，或僅展示最后三天，于是通訊錄里的聯(lián)系人越來越多，朋友圈越來越大，可再不會(huì)有能真正觸動(dòng)你內(nèi)心的”小紅點(diǎn)”出現(xiàn)，人類讓一個(gè)產(chǎn)品變得越來越復(fù)雜，然后說它無法滿足人類的需求，這大概是一開始就始料不及的吧！

引言

有人說，人性遠(yuǎn)比計(jì)算機(jī)編程更復(fù)雜，因?yàn)榧词故侨祟惼駷橹棺顐ゴ蟮陌l(fā)明——計(jì)算機(jī)，在面對(duì)人類的自然語言時(shí)同樣會(huì)張惶失措 。人類有多少語言存在著模棱兩可的含義，我認(rèn)為語言是人類最大的誤解，人類時(shí)常喜歡揣測(cè)語言背后隱藏的含義，好像在溝通時(shí)表達(dá)清晰的含義會(huì)讓人類沒有面子，更不用說網(wǎng)絡(luò)上流行的猜測(cè)女朋友真實(shí)意圖的案例。金庸先生的武俠小說《射雕英雄傳》里，在信息閉塞的南宋時(shí)期，江湖上裘千丈的一句鬼話，就攪得整個(gè)武林天翻地覆。其實(shí)，一兩句話說清楚不好嗎？黃藥師、全真七子、江南六怪間的種種糾葛，哪一場(chǎng)不是誤會(huì)？一眾兒武功震古爍今的武林高手，怎么沒有絲毫的去偽存真的能力，語言造成了多少誤會(huì)。

可即便人類的語言復(fù)雜得像一本無字天書，可人類還是從這些語言中尋覓到蛛絲馬跡。古人有文王”拘而演周易”、東方朔測(cè)字卜卦，這種帶有”迷信”色彩的原始崇拜，就如同今天人們迷信星座運(yùn)勢(shì)一般，都是人類在上千年的演變中不斷對(duì)經(jīng)驗(yàn)進(jìn)行總結(jié)和訓(xùn)練的結(jié)果。如此說起來，我們的人工智能未嘗不是一種更加科學(xué)化的”迷信”，因?yàn)閿?shù)據(jù)和算法讓我們?cè)诓粩嗟叵嘈牛@一切都是真實(shí)地。生活在數(shù)字時(shí)代的我們，無疑是悲哀的，一面努力地在別人面前隱藏真實(shí)地自己，一面不無遺憾地感慨自己無處遁逃，每一根數(shù)字神經(jīng)都緊緊地聯(lián)系著你和我，你不能渴望任何一部數(shù)字設(shè)備具備真正的智能，可你生命里的每個(gè)瞬間，都在悄然間被數(shù)據(jù)地折射出來。

今天這篇文章會(huì)基于 Python 對(duì)微信好友進(jìn)行數(shù)據(jù)分析，這里選擇的維度主要有：性別、頭像、簽名、位置，主要采用圖表和詞云兩種形式來呈現(xiàn)結(jié)果，其中，對(duì)文本類信息會(huì)采用詞頻分析和情感分析兩種方法。常言道：工欲善其事，必先利其器也。在正式開始這篇文章前，簡單介紹下本文中使用到的第三方模塊：

* itchat：微信網(wǎng)頁版接口封裝Python版本，在本文中用以獲取微信好友信息。

* jieba：結(jié)巴分詞的 Python 版本，在本文中用以對(duì)文本信息進(jìn)行分詞處理。

* matplotlib： Python 中圖表繪制模塊，在本文中用以繪制柱形圖和餅圖

* snownlp：一個(gè) Python 中的中文分詞模塊，在本文中用以對(duì)文本信息進(jìn)行情感判斷。

* PIL： Python 中的圖像處理模塊，在本文中用以對(duì)圖片進(jìn)行處理。

* numpy： Python中 的數(shù)值計(jì)算模塊，在本文中配合 wordcloud 模塊使用。

* wordcloud： Python 中的詞云模塊，在本文中用以繪制詞云圖片。

* TencentYoutuyun：騰訊優(yōu)圖提供的 Python 版本 SDK ，在本文中用以識(shí)別人臉及提取圖片標(biāo)簽信息。

以上模塊均可通過 pip 安裝，關(guān)于各個(gè)模塊使用的詳細(xì)說明，請(qǐng)自行查閱各自文檔。

數(shù)據(jù)分析

分析微信好友數(shù)據(jù)的前提是獲得好友信息，通過使用 itchat 這個(gè)模塊，這一切會(huì)變得非常簡單，我們通過下面兩行代碼就可以實(shí)現(xiàn)：

同平時(shí)登錄網(wǎng)頁版微信一樣，我們使用手機(jī)掃描二維碼就可以登錄，這里返回的friends對(duì)象是一個(gè)集合，第一個(gè)元素是當(dāng)前用戶。所以，在下面的數(shù)據(jù)分析流程中，我們始終取friends[1:]作為原始輸入數(shù)據(jù)，集合中的每一個(gè)元素都是一個(gè)字典結(jié)構(gòu)，以我本人為例，可以注意到這里有Sex、City、Province、HeadImgUrl、Signature這四個(gè)字段，我們下面的分析就從這四個(gè)字段入手：

好友性別

分析好友性別，我們首先要獲得所有好友的性別信息，這里我們將每一個(gè)好友信息的Sex字段提取出來，然后分別統(tǒng)計(jì)出Male、Female和Unkonw的數(shù)目，我們將這三個(gè)數(shù)值組裝到一個(gè)列表中，即可使用matplotlib模塊繪制出餅圖來，其代碼實(shí)現(xiàn)如下：

這里簡單解釋下這段代碼，微信中性別字段的取值有Unkonw、Male和Female三種，其對(duì)應(yīng)的數(shù)值分別為0、1、2。通過Collection模塊中的Counter()對(duì)這三種不同的取值進(jìn)行統(tǒng)計(jì)，其items()方法返回的是一個(gè)元組的集合，該元組的第一維元素表示鍵，即0、1、2，該元組的第二維元素表示數(shù)目，且該元組的集合是排序過的，即其鍵按照0、1、2 的順序排列，所以通過map()方法就可以得到這三種不同取值的數(shù)目，我們將其傳遞給matplotlib繪制即可，這三種不同取值各自所占的百分比由matplotlib計(jì)算得出。下圖是matplotlib繪制的好友性別分布圖：

看到這個(gè)結(jié)果，我一點(diǎn)都不覺得意外，男女比例嚴(yán)重失衡，這雖然可以解釋我單身的原因，可我不覺得通過調(diào)整男女比例就能解決問題，好多人認(rèn)為自己單身是因?yàn)樯缃蝗ψ营M小，那么是不是擴(kuò)展了社交圈子就能擺脫單身呢？我覺得或許這樣會(huì)增加脫單的概率，可幸運(yùn)之神應(yīng)該不會(huì)眷顧我，因?yàn)槲业暮眠\(yùn)氣早在我24歲以前就消耗完啦。在知乎上有一個(gè)熱門的話題：現(xiàn)在的男性是否普遍不再對(duì)女性展開追求了？，其實(shí)哪里會(huì)有人喜歡孤獨(dú)呢？無非是怕一次又一次的失望罷了。有的人并不是我的花兒，我只是恰好途徑了她的綻放。曾經(jīng)有人說我是一個(gè)多情的人，可她永遠(yuǎn)不會(huì)知道，我做出的每一個(gè)決定都熾熱而悲壯。所謂”慧極必傷，情深不壽；謙謙君子，溫潤如玉”，世人苦五毒者大抵如此。

好友頭像

分析好友頭像，從兩個(gè)方面來分析，第一，在這些好友頭像中，使用人臉頭像的好友比重有多大；第二，從這些好友頭像中，可以提取出哪些有價(jià)值的關(guān)鍵字。這里需要根據(jù)HeadImgUrl字段下載頭像到本地，然后通過騰訊優(yōu)圖提供的人臉識(shí)別相關(guān)的API接口，檢測(cè)頭像圖片中是否存在人臉以及提取圖片中的標(biāo)簽。其中，前者是分類匯總，我們使用餅圖來呈現(xiàn)結(jié)果；后者是對(duì)文本進(jìn)行分析，我們使用詞云來呈現(xiàn)結(jié)果。關(guān)鍵代碼如下 所示：

這里我們會(huì)在當(dāng)前目錄新建一個(gè)HeadImages目錄，用以存儲(chǔ)所有好友的頭像，然后我們這里會(huì)用到一個(gè)名為FaceApi類，這個(gè)類由騰訊優(yōu)圖的SDK封裝而來，這里分別調(diào)用了人臉檢測(cè)和圖像標(biāo)簽識(shí)別兩個(gè)API接口，前者會(huì)統(tǒng)計(jì)”使用人臉頭像”和”不使用人臉頭像”的好友各自的數(shù)目，后者會(huì)累加每個(gè)頭像中提取出來的標(biāo)簽。其分析結(jié)果如下圖所示：

可以注意到，在所有微信好友中，約有接近1/4的微信好友使用了人臉頭像， 而有接近3/4的微信好友沒有人臉頭像，這說明在所有微信好友中對(duì)”顏值 “有自信的人，僅僅占到好友總數(shù)的25%，或者說75%的微信好友行事風(fēng)格偏低調(diào)為主，不喜歡用人臉頭像做微信頭像。這是否說明”好看的皮囊”并非是千篇一律，長得好看的人實(shí)在是少數(shù)中的少數(shù)。所以，當(dāng)女生的妝容越來越向著”韓式半永久粗平眉”、”瓜子臉”和”大紅唇”靠攏的時(shí)候，當(dāng)男生的服飾越來越向著”大背頭”、”高領(lǐng)毛衣”和”長款大衣”靠攏的時(shí)候，我們能不能真正得個(gè)性一次。生命中有太多被世俗綁架著的事情，既要和別人不一樣 ，同時(shí)還要和大多數(shù)人一樣，這是人生在世的無可奈何?？紤]到騰訊優(yōu)圖并不能真正得識(shí)別”人臉”，我們這里對(duì)好友頭像中的標(biāo)簽再次進(jìn)行提取，來幫助我們了解微信好友的頭像中有哪些 關(guān)鍵詞，其分析結(jié)果如圖所示：

通過詞云，我們可以發(fā)現(xiàn)：在微信好友中的簽名詞云中，出現(xiàn)頻率相對(duì)較高的關(guān)鍵字有：女孩、樹木、房屋、文本、截圖、卡通、合影、天空、大海。這說明在我的微信好友中，好友選擇的微信頭像主要有日常、旅游、風(fēng)景、截圖四個(gè)來源，好友選擇的微信頭像中風(fēng)格以卡通為主，好友選擇的微信頭像中常見的要素有天空、大海、房屋、樹木。通過觀察所有好友頭像，我發(fā)現(xiàn)在我的微信好友中，使用個(gè)人照片作為微信頭像的有15人，使用網(wǎng)絡(luò)圖片作為微信頭像的有53人，使用動(dòng)漫圖片作為微信頭像的有25人，使用合照?qǐng)D片作為微信頭像的有3人，使用孩童照片作為微信頭像的有5人，使用風(fēng)景圖片作為微信頭像的有13人，使用女孩照片作為微信頭像的有18人，基本符合圖像標(biāo)簽提取的分析結(jié)果。

好友簽名

分析好友簽名，簽名是好友信息中最為豐富的文本信息，按照人類慣用的”貼標(biāo)簽”的方法論，簽名可以分析出某一個(gè)人在某一段時(shí)間里狀態(tài)，就像人開心了會(huì)笑、哀傷了會(huì)哭，哭和笑兩種標(biāo)簽，分別表明了人開心和哀傷的狀態(tài)。這里我們對(duì)簽名做兩種處理，第一種是使用用結(jié)巴分詞進(jìn)行分詞后生成詞云，目的是了解好友簽名中的關(guān)鍵字有哪些，哪一個(gè)關(guān)鍵字出現(xiàn)的頻率相對(duì)較高；第二種是使用SnowNLP分析好友簽名中的感情傾向，即好友簽名整體上是表現(xiàn)為正面的、負(fù)面的還是中立的，各自的比重是多少。這里提取Signature字段即可，其核心代碼如下：

通過詞云，我們可以發(fā)現(xiàn)：在微信好友的簽名信息中，出現(xiàn)頻率相對(duì)較高的關(guān)鍵詞有：努力、長大、美好、快樂、生活、幸福、人生、遠(yuǎn)方、時(shí)光、散步。果然我的微信好友都是溫暖、正直的好青年啊！ :smile:其實(shí)，簽名這個(gè)設(shè)定，從某種程度上是在反映人的一種心態(tài)，人在年輕時(shí)不免”為賦新詞強(qiáng)說愁”，等到你真正到了這個(gè)精神境界，突然發(fā)現(xiàn)年輕時(shí)圖樣圖森破，或許這就是我們不愿意讓別人了解過去的原因，因?yàn)榘殡S著人的成長，某一種瞬間的狀態(tài)簡直不忍直視，QQ空間陪伴了我們這代人的整個(gè)青春，令人印象深刻的”那年今日”功能，有時(shí)讓我們感到回憶的溫暖，有時(shí)讓我們感到歲月的蕭殺，”當(dāng)時(shí)只道是尋?！钡奈锸侨朔?，”回首向來蕭瑟處”的淡定從容，”今夕復(fù)何夕”的失落惆悵……都在這一行行簽名里留下深深淺淺的印記。在知乎上有關(guān)于簽名的話題討論，對(duì)此感興趣的朋友不妨找時(shí)間看看。:smile:

通過柱狀圖，我們可以發(fā)現(xiàn)：在微信好友的簽名信息中，正面積極的情感判斷約占到55.56%，中立的情感判斷約占到32.10%，負(fù)面消極的情感判斷約占到12.35%。這個(gè)結(jié)果和我們通過詞云展示的結(jié)果基本吻合，這說明在微信好友的簽名信息中，約有87.66%的簽名信息，傳達(dá)出來都是一種積極向上的態(tài)度。

朋友圈中基本上有兩類用戶，第一類用戶使用朋友圈記錄自己的生活，第二類用戶使用朋友圈輸出自己的觀點(diǎn)。顯然，對(duì)于第二類用戶，它并不介意別人了解它的過去，它更在乎它從始至終輸出的觀點(diǎn)是否一致。所以，不管朋友圈里別人在或曬美食、或曬旅游、或秀恩愛、或曬寶寶、或煲雞湯等等，在我看來這都是一種生活方式，精神層次和物質(zhì)層次比你高的人群，覺得你朋友圈里的內(nèi)容”無趣”，這是符合人類一貫的認(rèn)知方式的。

在大多數(shù)情況下，反而是那些和你層次差不多的人群，對(duì)不熟悉的人或者事物妄加判斷，如果你不喜歡我朋友圈里的內(nèi)容，請(qǐng)直接屏蔽我就好，因?yàn)檫@樣我們還可以做朋友；如果你因?yàn)橄矚gA而在我這里和我說B不好，這就真的是三觀不合啦。我相信沒有完全興趣匹配的兩個(gè)人，即使是男女朋友或者情侶之間，總之人與人相處嘛，真誠和互相尊重是基本要求。

好友位置

分析好友位置，主要通過提取Province和City這兩個(gè)字段。Python中的地圖可視化主要通過Basemap模塊，這個(gè)模塊需要從國外網(wǎng)站下載地圖信息，使用起來非常的不便。百度的ECharts在前端使用的比較多，雖然社區(qū)里提供了pyecharts項(xiàng)目，可我注意到因?yàn)檎叩母淖儯壳癊charts不再支持導(dǎo)出地圖的功能，所以地圖的定制方面目前依然是一個(gè)問題，主流的技術(shù)方案是配置全國各省市的JSON數(shù)據(jù)，這里博主使用的是BDP個(gè)人版，這是一個(gè)零編程的方案，我們通過Python導(dǎo)出一個(gè)CSV文件，然后將其上傳到BDP中，通過簡單拖拽就可以制作可視化地圖，簡直不能再簡單，這里我們僅僅展示生成CSV部分的代碼：

下圖是BDP中生成的微信好友地理分布圖，可以發(fā)現(xiàn)：我的微信好友主要集中在寧夏和陜西兩個(gè)省份。數(shù)字時(shí)代的神經(jīng)牽動(dòng)著每一個(gè)社交關(guān)系鏈的人，我們想要竭力去保護(hù)的那點(diǎn)隱私，在這些數(shù)據(jù)中一點(diǎn)點(diǎn)地折射出來。人類或許可以不斷地偽裝自己，可這些從數(shù)據(jù)背后抽離出來的規(guī)律和聯(lián)系不會(huì)欺騙人類。數(shù)學(xué)曾經(jīng)被人稱為最沒有用的學(xué)科，因?yàn)樯钪胁⒉恍枰袷ザ兇獾挠?jì)算，在不同的學(xué)科知識(shí)里，經(jīng)驗(yàn)公式永遠(yuǎn)比理論公式更為常用?？墒谴藭r(shí)此刻，你看，這世界就像一只滴滴答答轉(zhuǎn)動(dòng)著的時(shí)鐘，每一分每一秒都是嚴(yán)絲合縫的。

本文小結(jié)

寫這篇文章的時(shí)候，我一直不知道該如何下筆，因?yàn)槲⑿攀且粋€(gè)神奇的存在，它是一個(gè)國民級(jí)別的全民APP，所以，微信的產(chǎn)品設(shè)計(jì)一直都是一個(gè)有趣的現(xiàn)象，從最初底部Tab的數(shù)目、每個(gè)Tab的名稱、”發(fā)現(xiàn)”頁面的定制、小程序入口、朋友圈入口到朋友圈評(píng)論等等一系列的設(shè)計(jì)細(xì)節(jié)，都是值得我們透過人性和心理去研究的。即使是被人們封神的”張小龍”，在面對(duì)結(jié)構(gòu)最為復(fù)雜的中國用戶群體的時(shí)候，他的瀟灑中依舊不免充滿無奈，從對(duì)朋友圈的置之不理就可以看出，這是一個(gè)怎么做都不會(huì)讓人滿意的功能，任何一個(gè)生態(tài)在面對(duì)巨大的用戶群體的時(shí)候，功能的增減就會(huì)變成一個(gè)難題，所謂”林子大了什么鳥都有”，知乎面對(duì)的是同樣的問題，營銷類公眾號(hào)在不斷消費(fèi)社會(huì)話題的同時(shí)，引導(dǎo)著一批又一批粉絲的價(jià)值取向，人類總渴望著別人了解自己，可人類真的了解自己嗎？這篇博客是我對(duì)數(shù)據(jù)分析的又一次嘗試，主要從性別、頭像、簽名、位置四個(gè)維度，對(duì)微信好友進(jìn)行了一次簡單的數(shù)據(jù)分析，主要采用圖表和詞云兩種形式來呈現(xiàn)結(jié)果?？偠灾痪湓挘?a href='/map/shujukeshihua/' style='color:#000;font-size:inherit;'>數(shù)據(jù)可視化是手段而并非目的”，重要的不是我們?cè)谶@里做了這些圖出來，而是從這些圖里反映出來的現(xiàn)象，我們能夠得到什么本質(zhì)上的啟示，我一位朋友問我怎么什么都想抓取，為什么啊，因?yàn)槲也欢祟惏。?