基于Python實現的微信好友數據分析

最近微信迎來了一次重要的更新，允許用戶對”發現”頁面進行定制。不知道從什么時候開始，微信朋友圈變得越來越復雜，當越來越多的人選擇”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更新，仿佛在努力證明每一個個體的”有趣”。

有人選擇在朋友圈里記錄生活的點滴，有人選擇在朋友圈里展示觀點的異同，可歸根到底，人們無時無刻不在窺探著別人的生活，唯獨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，離得太遠會感覺到寒冷，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不痛快，總是不愿意撕破臉，或屏蔽對方，或不給對方看，或僅展示最后三天，于是通訊錄里的聯系人越來越多，朋友圈越來越大，可再不會有能真正觸動你內心的”小紅點”出現，人類讓一個產品變得越來越復雜，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，人性遠比計算機編程更復雜，因為即使是人類迄今為止最偉大的發明——計算機，在面對人類的自然語言時同樣會張惶失措 。人類有多少語言存在著模棱兩可的含義，我認為語言是人類最大的誤解，人類時常喜歡揣測語言背后隱藏的含義，好像在溝通時表達清晰的含義會讓人類沒有面子，更不用說網絡上流行的猜測女朋友真實意圖的案例。金庸先生的武俠小說《射雕英雄傳》里，在信息閉塞的南宋時期，江湖上裘千丈的一句鬼話，就攪得整個武林天翻地覆。其實，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，哪一場不是誤會？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。

可即便人類的語言復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勢一般，都是人類在上千年的演變中不斷對經驗進行總結和訓練的結果。如此說起來，我們的人工智能未嘗不是一種更加科學化的”迷信”，因為數據和算法讓我們在不斷地相信，這一切都是真實地。生活在數字時代的我們，無疑是悲哀的，一面努力地在別人面前隱藏真實地自己，一面不無遺憾地感慨自己無處遁逃，每一根數字神經都緊緊地聯系著你和我，你不能渴望任何一部數字設備具備真正的智能，可你生命里的每個瞬間，都在悄然間被數據地折射出來。

今天這篇文章會基于 Python 對微信好友進行數據分析，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結果，其中，對文本類信息會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：結巴分詞的 Python 版本，在本文中用以對文本信息進行分詞處理。

* 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 Python 中的中文分詞模塊，在本文中用以對文本信息進行情感判斷。

* PIL： Python 中的圖像處理模塊，在本文中用以對圖片進行處理。

* numpy： Python中 的數值計算模塊，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：騰訊優圖提供的 Python 版本 SDK ，在本文中用以識別人臉及提取圖片標簽信息。

以上模塊均可通過 pip 安裝，關于各個模塊使用的詳細說明，請自行查閱各自文檔。

數據分析

分析微信好友數據的前提是獲得好友信息，通過使用 itchat 這個模塊，這一切會變得非常簡單，我們通過下面兩行代碼就可以實現：

同平時登錄網頁版微信一樣，我們使用手機掃描二維碼就可以登錄，這里返回的friends對象是一個集合，第一個元素是當前用戶。所以，在下面的數據分析流程中，我們始終取friends[1:]作為原始輸入數據，集合中的每一個元素都是一個字典結構，以我本人為例，可以注意到這里有Sex、City、Province、HeadImgUrl、Signature這四個字段，我們下面的分析就從這四個字段入手：

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，這里我們將每一個好友信息的Sex字段提取出來，然后分別統計出Male、Female和Unkonw的數目，我們將這三個數值組裝到一個列表中，即可使用matplotlib模塊繪制出餅圖來，其代碼實現如下：

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，其對應的數值分別為0、1、2。通過Collection模塊中的Counter()對這三種不同的取值進行統計，其items()方法返回的是一個元組的集合，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計算得出。下圖是matplotlib繪制的好友性別分布圖：

看到這個結果，我一點都不覺得意外，男女比例嚴重失衡，這雖然可以解釋我單身的原因，可我不覺得通過調整男女比例就能解決問題，好多人認為自己單身是因為社交圈子狹小，那么是不是擴展了社交圈子就能擺脫單身呢？我覺得或許這樣會增加脫單的概率，可幸運之神應該不會眷顧我，因為我的好運氣早在我24歲以前就消耗完啦。在知乎上有一個熱門的話題：現在的男性是否普遍不再對女性展開追求了？，其實哪里會有人喜歡孤獨呢？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。曾經有人說我是一個多情的人，可她永遠不會知道，我做出的每一個決定都熾熱而悲壯。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值的關鍵字。這里需要根據HeadImgUrl字段下載頭像到本地，然后通過騰訊優圖提供的人臉識別相關的API接口，檢測頭像圖片中是否存在人臉以及提取圖片中的標簽。其中，前者是分類匯總，我們使用餅圖來呈現結果；后者是對文本進行分析，我們使用詞云來呈現結果。關鍵代碼如下 所示：

這里我們會在當前目錄新建一個HeadImages目錄，用以存儲所有好友的頭像，然后我們這里會用到一個名為FaceApi類，這個類由騰訊優圖的SDK封裝而來，這里分別調用了人臉檢測和圖像標簽識別兩個API接口，前者會統計”使用人臉頭像”和”不使用人臉頭像”的好友各自的數目，后者會累加每個頭像中提取出來的標簽。其分析結果如下圖所示：

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”顏值 “有自信的人，僅僅占到好友總數的25%，或者說75%的微信好友行事風格偏低調為主，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，長得好看的人實在是少數中的少數。所以，當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”靠攏的時候，當男生的服飾越來越向著”大背頭”、”高領毛衣”和”長款大衣”靠攏的時候，我們能不能真正得個性一次。生命中有太多被世俗綁架著的事情，既要和別人不一樣 ，同時還要和大多數人一樣，這是人生在世的無可奈何?？紤]到騰訊優圖并不能真正得識別”人臉”，我們這里對好友頭像中的標簽再次進行提取，來幫助我們了解微信好友的頭像中有哪些 關鍵詞，其分析結果如圖所示：

通過詞云，我們可以發現：在微信好友中的簽名詞云中，出現頻率相對較高的關鍵字有：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、風景、截圖四個來源，好友選擇的微信頭像中風格以卡通為主，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，我發現在我的微信好友中，使用個人照片作為微信頭像的有15人，使用網絡圖片作為微信頭像的有53人，使用動漫圖片作為微信頭像的有25人，使用合照圖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，基本符合圖像標簽提取的分析結果。

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”貼標簽”的方法論，簽名可以分析出某一個人在某一段時間里狀態，就像人開心了會笑、哀傷了會哭，哭和笑兩種標簽，分別表明了人開心和哀傷的狀態。這里我們對簽名做兩種處理，第一種是使用用結巴分詞進行分詞后生成詞云，目的是了解好友簽名中的關鍵字有哪些，哪一個關鍵字出現的頻率相對較高；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為正面的、負面的還是中立的，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，我們可以發現：在微信好友的簽名信息中，出現頻率相對較高的關鍵詞有：努力、長大、美好、快樂、生活、幸福、人生、遠方、時光、散步。果然我的微信好友都是溫暖、正直的好青年??！ :smile:其實，簽名這個設定，從某種程度上是在反映人的一種心態，人在年輕時不免”為賦新詞強說愁”，等到你真正到了這個精神境界，突然發現年輕時圖樣圖森破，或許這就是我們不愿意讓別人了解過去的原因，因為伴隨著人的成長，某一種瞬間的狀態簡直不忍直視，QQ空間陪伴了我們這代人的整個青春，令人印象深刻的”那年今日”功能，有時讓我們感到回憶的溫暖，有時讓我們感到歲月的蕭殺，”當時只道是尋?！钡奈锸侨朔?，”回首向來蕭瑟處”的淡定從容，”今夕復何夕”的失落惆悵……都在這一行行簽名里留下深深淺淺的印記。在知乎上有關于簽名的話題討論，對此感興趣的朋友不妨找時間看看。:smile:

通過柱狀圖，我們可以發現：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%，負面消極的情感判斷約占到12.35%。這個結果和我們通過詞云展示的結果基本吻合，這說明在微信好友的簽名信息中，約有87.66%的簽名信息，傳達出來都是一種積極向上的態度。

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。顯然，對于第二類用戶，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，精神層次和物質層次比你高的人群，覺得你朋友圈里的內容”無趣”，這是符合人類一貫的認知方式的。

在大多數情況下，反而是那些和你層次差不多的人群，對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容，請直接屏蔽我就好，因為這樣我們還可以做朋友；如果你因為喜歡A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這兩個字段。Python中的地圖可視化主要通過Basemap模塊，這個模塊需要從國外網站下載地圖信息，使用起來非常的不便。百度的ECharts在前端使用的比較多，雖然社區里提供了pyecharts項目，可我注意到因為政策的改變，目前Echarts不再支持導出地圖的功能，所以地圖的定制方面目前依然是一個問題，主流的技術方案是配置全國各省市的JSON數據，這里博主使用的是BDP個人版，這是一個零編程的方案，我們通過Python導出一個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，可以發現：我的微信好友主要集中在寧夏和陜西兩個省份。數字時代的神經牽動著每一個社交關系鏈的人，我們想要竭力去保護的那點隱私，在這些數據中一點點地折射出來。人類或許可以不斷地偽裝自己，可這些從數據背后抽離出來的規律和聯系不會欺騙人類。數學曾經被人稱為最沒有用的學科，因為生活中并不需要神圣而純粹的計算，在不同的學科知識里，經驗公式永遠比理論公式更為常用?？墒谴藭r此刻，你看，這世界就像一只滴滴答答轉動著的時鐘，每一分每一秒都是嚴絲合縫的。

本文小結

寫這篇文章的時候，我一直不知道該如何下筆，因為微信是一個神奇的存在，它是一個國民級別的全民APP，所以，微信的產品設計一直都是一個有趣的現象，從最初底部Tab的數目、每個Tab的名稱、”發現”頁面的定制、小程序入口、朋友圈入口到朋友圈評論等等一系列的設計細節，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”，在面對結構最為復雜的中國用戶群體的時候，他的瀟灑中依舊不免充滿無奈，從對朋友圈的置之不理就可以看出，這是一個怎么做都不會讓人滿意的功能，任何一個生態在面對巨大的用戶群體的時候，功能的增減就會變成一個難題，所謂”林子大了什么鳥都有”，知乎面對的是同樣的問題，營銷類公眾號在不斷消費社會話題的同時，引導著一批又一批粉絲的價值取向，人類總渴望著別人了解自己，可人類真的了解自己嗎？這篇博客是我對數據分析的又一次嘗試，主要從性別、頭像、簽名、位置四個維度，對微信好友進行了一次簡單的數據分析，主要采用圖表和詞云兩種形式來呈現結果?？偠灾痪湓?，”數據可視化是手段而并非目的”，重要的不是我們在這里做了這些圖出來，而是從這些圖里反映出來的現象，我們能夠得到什么本質上的啟示，我一位朋友問我怎么什么都想抓取，為什么啊，因為我不懂人類??！