关于python:微信好友数据分析并可视化

抉择微信好友数据对其进行数据分析。比方可视化好友男女比例散布，可视化省份起源，可视化签名的情感强度值等等。

Tips：
github地址：https://github.com/Mlscoding/Pyhon-wechatDataAnalyse
须要筹备微信好友数据文件，格局为csv。
itchat连贯微信不可用，起因是网页版微信API被封了，itchat等基于webAPI的计划都生效了。
能够应用 WechatPCAPI 实现，它是间接调用 PC 版微信客户端的，当然有一点不足之处就是须要应用指定版本的 Python 和指定版本的 PC 版微信客户端。我并没有应用这种办法，不过多赘述。
须要装置的库在代码中能看到。
如果seacorn库装置不上能够尝试镜像源：
pip install seaborn -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
复制上述指令关上cmd运行即可。

1.剖析好友性别并可视化

import csvfrom matplotlib import pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']# 用来失常显示中文标签plt.rcParams['axes.unicode_minus'] = False# 1.读取csv文件，把性别信息读取进去def getSex(filename):    lstsex = []    with open(filename, 'r') as fr:        reader = csv.reader(fr)        for i in reader:            lstsex.append(i[4])    return lstsex   # 2.性别pyechart可视化def VisualSexpyechart(lstsex):    sex = dict()    # 2.1提取好友性别信息，从1开始，因为第0个是本人    for f in lstsex[1:]:        if f == '1':  # 男            sex["man"] = sex.get("man", 0) + 1        elif f == '2':  # 女            sex["women"] = sex.get("women", 0) + 1        else:  # 未知            sex["unknown"] = sex.get("unknown", 0) + 1    # 在屏幕上打印进去    total = len(lstsex[1:])    # 2.2打印出本人的好友性别比例    plt.figure(figsize=(6, 9))    labels = [u'男性好友', u'女性好友', u'性别不明']    sizes = [sex['man'], sex['women'], sex['unknown']]    colors = ['cornflowerblue', 'lightcoral', 'silver']    explode = (0.05, 0, 0)    patches, l_text, p_text = plt.pie(sizes, explode=explode, labels=labels, colors=colors, labeldistance=1.1,                                      autopct='%3.1f%%', shadow=False, startangle=90, pctdistance=0.6)    for t in l_text:        t.set_size(30)    for t in p_text:        t.set_size(20)    plt.axis('equal')    plt.legend()    plt.show()# 3.执行主程序，失去所有好友性别VisualSexpyechart(getSex("friends_information.csv"))

2.剖析好友省份起源并可视化

import csvimport matplotlib.pyplot as pltfrom matplotlib.font_manager import FontProperties# 用于读取csv文件，获取好友所在省份信息def get_city_info(filename):    lstcity = []    with open(filename, 'r') as fr:        reader = csv.reader(fr)        for i in reader:            lstcity.append(i[3])    return lstcity# 用于绘制柱状图，并展现好友所在省份信息def plot_city_info(city_info):    # 用于存储各省份的好友数量    province_counts = {}    # 须要统计的省份列表    provinces = ['山东', '黑龙江', '澳门', '吉林', '江苏', '贵州', '上海', '湖北', '北京', '浙江', '河北', '辽宁']    for province in provinces:        province_counts[province] = city_info.count(province)    # 设置中文字体    font = FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf", size=12)    # 设置图表款式    plt.style.use('ggplot')    # 绘制柱状图    fig, ax = plt.subplots(figsize=(10, 6))    x = range(len(provinces))    y = [province_counts[p] for p in provinces]    color = ['lightsteelblue', 'cornflowerblue', 'cadetblue', 'mediumturquoise', 'paleturquoise', 'powderblue', 'skyblue', 'lightskyblue', 'lightblue', 'lavender', 'thistle', 'plum']    ax.bar(x, y, color=color, alpha=0.8)    # 增加数据标签    for i, v in enumerate(y):        ax.text(i, v + 0.1, str(v), ha='center', fontproperties=font)    # 设置x轴的刻度标签    ax.set_xticks(x)    ax.set_xticklabels(provinces, fontproperties=font)    # 设置y轴的刻度范畴和标签    ax.set_ylim(0, max(y) * 1.2)    ax.set_ylabel('好友数量', fontproperties=font)    # 设置图表题目    ax.set_title('好友所在省份散布状况', fontproperties=font)    # 显示网格线    ax.grid(axis='y', linestyle='--', alpha=0.6)    # 暗藏上、右边框线    ax.spines['top'].set_visible(False)    ax.spines['right'].set_visible(False)    # 显示图表    plt.show()# 主程序，用于执行上述两个函数if __name__ == '__main__':    city_info = get_city_info('friends_information.csv')    plot_city_info(city_info)

3.剖析好友共性签名情感强度值并可视化

from textblob import TextBlobimport seaborn as snsimport matplotlib.pyplot as pltsns.set(style='darkgrid', palette='deep')plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = Falsewith open('english.txt', 'r') as file:    signatures = file.read()polarity_scores = []positive = 0negative = 0neutral = 0for signature in signatures.split('\n'):    blob = TextBlob(signature)    polarity_scores.append(blob.sentiment.polarity)    if blob.sentiment.polarity > 0:        positive += 1    elif blob.sentiment.polarity < 0:        negative += 1    else:        neutral += 1# 应用Seaborn库绘制直方图和KDE曲线fig, ax = plt.subplots(figsize=(10, 5))sns.histplot(polarity_scores, bins=20, color='#4A4A4A', kde=True, ax=ax)# 增加平均线和标签mean = sum(polarity_scores) / len(polarity_scores)ax.axvline(x=mean, color='r', linestyle='--', linewidth=2, label='Mean')ax.text(mean+0.01, max(ax.get_ylim())/2, f"Mean: {mean:.2f}", fontsize=12, color='r')plt.xlabel('Polarity score')plt.ylabel('Frequency')plt.title('Sentiment Polarity Distribution')plt.legend()plt.show()

4.成果展现

剖析好友性别

剖析好友省份起源

剖析好友共性签名情感强度