不知從何時起，我們的生活離不開微信，每天睜開眼的第一件事就是打開微信，關註著朋友圈裏好友的動態，而朋友圈中或虛或實的狀態更新，似乎都在證明自己的“有趣”，尋找那份或有或無的存在感。

有人選擇在朋友圈記錄生活的點滴，有人選擇在朋友圈展示自己的觀點。有時我們想去展示自己，有時又想去窺探著別人的生活，而有時又不想別人過多的了解自己的生活，或是屏蔽對方，或是不給對方看朋友圈，又或是不想看對方的朋友圈。

作者本人（湯小洋 ）也是微信的重度依賴者，每天的工作生活都離不開它，也會關註朋友圈裏好友的動態，我個人認為微信朋友圈是一種文化的體現，諸如：發圈、點贊、留言等，都能側面的反應一個人的生活、工作、心態、愛好、修養、上進心、努力程度等。

今天就跟著 湯老師 一起來揭秘微信朋友圈，利用 Python+AI人工智能 進行多角度分析，一起看透你的“朋友圈”。

我們將使用Python抓取朋友圈數據，並對獲取到的數據進行全面分析，包含好友性別、地理位置分布、個性簽名、備註名、好友類型等，逐一進行分析，同時還會使用人臉識別技術對好友頭像進行分析，分析到你懷疑人生。。。。。。

整個過程分為四步：

1. 獲取數據
2. 處理數據
3. 存儲數據
4. 數據可視化

一、獲取數據

? 關於微信好友數據的獲取，可以通過itchat庫，itchat是一個開源的微信個人號的接口，可以實現信息收發、獲取好友列表等功能。

? 具體的用法和說明，在代碼中已經做了詳細的註釋。

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
__author__ = ‘湯小洋‘

# 導入itchat模塊，操作微信個人號的接口
import itchat

# 獲取數據
def get_data():
    # 掃描二維碼登陸微信，實際上就是通過網頁版微信登陸
    itchat.auto_login()
    # 獲取所有好友信息
    friends = itchat.get_friends(update=True)  # 返回一個包含用戶信息字典的列表
    return friends

if __name__ == ‘__main__‘:
    print(get_data())
 

? 執行代碼時電腦屏幕會出現一個二維碼，手機微信掃描後即可完成登陸

二、處理數據

? 對獲取的數據進行處理，篩選出需要的數據。

? 通過對返回的用戶信息進行分析，發現列表中第一個元素是用戶自己，可以排除掉。同時我們只取需要的字段數據，各個字段及其取值的含義已在代碼中做了說明。

# 處理數據
def parse_data(data):
    friends = []
    for item in data[1:]:  # 第一個元素是自己，排除掉
        friend = {
            ‘NickName‘: item[‘NickName‘],  # 昵稱
            ‘RemarkName‘: item[‘RemarkName‘],  # 備註名
            ‘Sex‘: item[‘Sex‘],  # 性別：1男，2女，0未設置
            ‘Province‘: item[‘Province‘],  # 省份
            ‘City‘: item[‘City‘],  # 城市
            ‘Signature‘: item[‘Signature‘].replace(‘\n‘, ‘ ‘).replace(‘,‘, ‘ ‘),  # 個性簽名（處理簽名內容換行的情況）
            ‘StarFriend‘: item[‘StarFriend‘],  # 星標好友：1是，0否
            ‘ContactFlag‘: item[‘ContactFlag‘]  # 好友類型及權限：1和3好友，259和33027不讓他看我的朋友圈，65539不看他的朋友圈，65795兩項設置全禁止
        }
        print(friend)
        friends.append(friend)
    return friends

if __name__ == ‘__main__‘:
    print(parse_data(get_data()))

三、存儲數據

? 為了便於分析數據並進行可視化操作，這裏將數據存儲到文本文件中。

# 存儲數據，存儲到文本文件
def save_to_txt():
    friends = parse_data(get_data())
    for item in friends:
        with open(‘friends.txt‘, mode=‘a‘, encoding=‘utf-8‘) as f:
            f.write(‘%s,%s,%d,%s,%s,%s,%d,%d\n‘ % (
                item[‘NickName‘], item[‘RemarkName‘], item[‘Sex‘], item[‘Province‘], item[‘City‘], item[‘Signature‘],
                item[‘StarFriend‘], item[‘ContactFlag‘]))

if __name__ == ‘__main__‘:
    save_to_txt()

? 重要說明：這裏我獲取的是自己的微信好友數據（共計950條，因工作關系，好友數比較多），考慮到個人隱私，部分信息做了處理。

四、數據可視化

? 這裏使用的是pyecharts，pyecharts是一個用於生成Echarts圖表的類庫，便於在Python中根據數據生成可視化的圖表。

? Echarts是百度開源的一個數據可視化JS庫，主要用於數據可視化。

? 參考：http://pyecharts.org/

# 安裝pyecharts
pip install pyecharts 

1. 好友性別分析

? 代碼實現：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
__author__ = ‘湯小洋‘

# 導入Pie組件，用於生成餅圖
from pyecharts import Pie

# 獲取所有性別
sex = []
with open(‘friends.txt‘, mode=‘r‘, encoding=‘utf-8‘) as f:
    rows = f.readlines()
    for row in rows:
        sex.append(row.split(‘,‘)[2])
# print(sex)

# 統計每個性別的數量
attr = [‘帥哥‘, ‘美女‘, ‘未知‘]
value = [sex.count(‘1‘), sex.count(‘2‘), sex.count(‘0‘)]

pie = Pie(‘好友性別比例‘, ‘好友總人數：%d‘ % len(sex), title_pos=‘center‘)
pie.add(‘‘, attr, value, radius=[30, 75], rosetype=‘area‘, is_label_show=True,
        is_legend_show=True, legend_top=‘bottom‘)
# pie.show_config()
pie.render(‘好友性別比例.html‘) 

可視化結果：

好友主要為男性，占比70%，男女比例嚴重失衡

看到這個結果，我是有些淡淡憂桑的，微信好友總人數為950，帥哥占比70.42%，美女占比24.53%，男女比例嚴重失衡，但一點也不意外，本人是一名IT工作者，平時喜歡跑步，所以工作、生活接觸到的大部分都是男性朋友，出現男女比例失衡實屬正常。

2. 好友位置分析

pyecharts v0.3.2以後，pyecharts 將不再自帶地圖 js 文件。如用戶需要用到地圖圖表，可自行安裝對應的地圖文件包。

# 安裝地圖文件包
pip install echarts-china-provinces-pypkg # 中國省、市、縣、區地圖
pip install echarts-china-cities-pypkg
pip install echarts-china-counties-pypkg
pip install echarts-china-misc-pypkg 
pip install echarts-countries-pypkg # 全球國家地圖
pip install echarts-united-kingdom-pypkg

代碼實現：

# 導入Counter類，用於統計值出現的次數
from collections import Counter
# 導入Geo組件，用於生成地理坐標類圖
from pyecharts import Geo
import json
# 導入Bar組件，用於生成柱狀圖
from pyecharts import Bar

# 數據可視化
def render():
    # 獲取所有城市
    cities = []
    with open(‘friends.txt‘, mode=‘r‘, encoding=‘utf-8‘) as f:
        rows = f.readlines()
        for row in rows:
            city = row.split(‘,‘)[4]
            if city != ‘‘:  # 去掉城市名為空的值
                cities.append(city)

    # 對城市數據和坐標文件中的地名進行處理
    handle(cities)

    # 統計每個城市出現的次數
    data = Counter(cities).most_common()  # 使用Counter類統計出現的次數，並轉換為元組列表
    print(data)

    # 根據城市數據生成地理坐標圖
    geo = Geo(‘好友位置分布‘, ‘‘, title_color=‘#fff‘, title_pos=‘center‘, width=1200, height=600,
              background_color=‘#404a59‘)
    attr, value = geo.cast(data)
    geo.add(‘‘, attr, value, visual_range=[0, 500],
            visual_text_color=‘#fff‘, symbol_size=15,
            is_visualmap=True, is_piecewise=True)
    geo.render(‘好友位置分布.html‘)

    # 根據城市數據生成柱狀圖
    data_top20 = Counter(cities).most_common(20)  # 返回出現次數最多的20條
    bar = Bar(‘好友所在城市TOP20‘, ‘‘, title_pos=‘center‘, width=1200, height=600)
    attr, value = bar.cast(data_top20)
    bar.add(‘‘, attr, value, is_visualmap=True, visual_text_color=‘#fff‘, is_more_utils=True,
            is_label_show=True)
    bar.render(‘好友所在城市TOP20.html‘)

出現的問題：

• 報錯：ValueError: No coordinate is specified for xxx(地名)

• 原因：pyecharts的坐標文件中沒有該地名，實際上是名稱不一致導致的，如數據中地名為‘達州‘，而坐標文件中為‘達州市‘

  坐標文件所在路徑：項目/venv/lib/python3.6/site-packages/pyecharts/datasets/city_coordinates.json

• 解決：修改坐標文件，在原位置下復制個同樣的，然後修改下地名

{
  "南京市": [
    107.5,
    31.22
  ],
   "南京": [
    107.5,
    31.22
  ],
}  

不過由於要修改的地名太多，上面的方法實在是麻煩，所以我定義了一個函數，用來處理地名數據找不到的問題

# 處理地名數據，解決坐標文件中找不到地名的問題
def handle(cities):
    # print(len(cities), len(set(cities)))

    # 獲取坐標文件中所有地名
    data = None
    with open(
            ‘/Users/wangbo/PycharmProjects/python-spider/venv/lib/python3.6/site-packages/pyecharts/datasets/city_coordinates.json‘,
            mode=‘r‘, encoding=‘utf-8‘) as f:
        data = json.loads(f.read())  # 將str轉換為json

    # 循環判斷處理
    data_new = data.copy()  # 拷貝所有地名數據
    for city in set(cities):  # 使用set去重
        # 處理地名為空的數據
        if city == ‘‘:
            while city in cities:
                cities.remove(city)
        count = 0
        for k in data.keys():
            count += 1
            if k == city:
                break
            if k.startswith(city):  # 處理簡寫的地名，如 達州市 簡寫為 達州
                # print(k, city)
                data_new[city] = data[k]
                break
            if k.startswith(city[0:-1]) and len(city) >= 3:  # 處理行政變更的地名，如縣改區 或 縣改市等
                data_new[city] = data[k]
                break
        # 處理不存在的地名
        if count == len(data):
            while city in cities:
                cities.remove(city)

    # print(len(data), len(data_new))

    # 寫入覆蓋坐標文件
    with open(
            ‘/Users/wangbo/PycharmProjects/python-spider/venv/lib/python3.6/site-packages/pyecharts/datasets/city_coordinates.json‘,
            mode=‘w‘, encoding=‘utf-8‘) as f:
        f.write(json.dumps(data_new, ensure_ascii=False))  # 將json轉換為str

可視化結果：

好友主要集中在江蘇及周邊地區

從圖中可以發現：我的微信好友主要集中在江蘇及周邊地區，本人大學讀書時來到南京，現在工作生活也一直在南京，所以南京好友最多，為483個；我自小在徐州長大，所以徐州好友數量也較多；同時因為喜歡跑步，結識了許多跑友，也經常會到周邊沿海城市參加各種馬拉松活動，所以好友位置主要分布在沿海一帶。

3. 個性簽名詞雲圖

? jieba是一個基於Python的分詞庫，完美支持中文分詞，功能強大

pip install jieba

? Matplotlib是一個Python的2D繪圖庫，能夠生成高質量的圖形，可以快速生成繪圖、直方圖、功率譜、柱狀圖、誤差圖、散點圖等

pip install matplotlib

? wordcloud是一個基於Python的詞雲生成類庫，可以生成詞雲圖

pip install wordcloud

? 代碼實現：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
__author__ = ‘湯小洋‘

# 導入jieba模塊，用於中文分詞
import jieba
# 導入matplotlib，用於生成2D圖形
import matplotlib.pyplot as plt
# 導入wordcount，用於制作詞雲圖
from wordcloud import WordCloud, STOPWORDS

# 獲取所有個性簽名
signatures = []
with open(‘friends.txt‘, mode=‘r‘, encoding=‘utf-8‘) as f:
    rows = f.readlines()
    for row in rows:
        signature = row.split(‘,‘)[5]
        if signature != ‘‘:
            signatures.append(signature)

# 設置分詞
split = jieba.cut(str(signatures), cut_all=False)  # False精準模式分詞、True全模式分詞
words = ‘ ‘.join(split)  # 以空格進行拼接
# print(words)

# 設置屏蔽詞，去除個性簽名中的表情、特殊符號等
stopwords = STOPWORDS.copy()
stopwords.add(‘span‘)
stopwords.add(‘class‘)
stopwords.add(‘emoji‘)
stopwords.add(‘emoji1f334‘)
stopwords.add(‘emoji1f388‘)
stopwords.add(‘emoji1f33a‘)
stopwords.add(‘emoji1f33c‘)
stopwords.add(‘emoji1f633‘)

# 導入背景圖
bg_image = plt.imread(‘bg.jpg‘)

# 設置詞雲參數，參數分別表示：畫布寬高、背景顏色、背景圖形狀、字體、屏蔽詞、最大詞的字體大小
wc = WordCloud(width=1024, height=768, background_color=‘white‘, mask=bg_image, font_path=‘STKAITI.TTF‘,
               stopwords=stopwords, max_font_size=400, random_state=50)
# 將分詞後數據傳入雲圖
wc.generate_from_text(words)
plt.imshow(wc)  # 繪制圖像
plt.axis(‘off‘)  # 不顯示坐標軸
# 保存結果到本地
wc.to_file(‘個性簽名詞雲圖.jpg‘)

可視化結果：

充滿正能量、努力生活

? 個性簽名可以反映人的一種心態，對所有好友的個性簽名進行分詞後制作如下詞雲圖：

? 從詞雲圖中可以看到，微信好友個性簽名中出現頻率較高的詞匯有：自己、努力、生活、世界、就是、我們、人生、沒有、需要、不要、時間、一切、一起、永遠、未來、運動、快樂、溫柔、個性等，整體來看，我的微信好友還是充滿正能量的，都是積極向上、努力生活、有個性的年青人。

? 我們可以來詳細的分析下這些高頻詞：

• 自己、就是、我們、個性：彰顯個性的自我、自以為是、自大等，也說明了年青人的個性張揚、無所畏懼
• 努力、生活、時間、需要：說明大家都在努力的工作，追求各自所需，為更好的生活拼博著
• 世界、人生、快樂、未來：正所謂“世界那麽大，我想去看看”，生活雖不易，但對外面的世界、對人生的追求從未停止過，快樂最重要
• 運動、健康、溫柔、享受：說明喜歡運動的朋友比較多，大家都越來越關註健康。溫柔、享受也成為共識，活著不易，且活且享受。

4. 備註名詞雲圖

? 獲取好友的備註名，根據備註名生成詞名圖

? 代碼實現：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
__author__ = ‘湯小洋‘

# 導入jieba模塊，用於中文分詞
import jieba
# 導入matplotlib，用於生成2D圖形
import matplotlib.pyplot as plt
# 導入wordcount，用於制作詞雲圖
from wordcloud import WordCloud, STOPWORDS

# 獲取備註名
remarkNames = []
with open(‘friends.txt‘, mode=‘r‘, encoding=‘utf-8‘) as f:
    rows = f.readlines()
    for row in rows:
        remarkName = row.split(‘,‘)[1]
        if remarkName != ‘‘:
            remarkNames.append(remarkName)

# 設置分詞
split = jieba.cut(str(remarkNames), cut_all=False)  # False精準模式分詞、True全模式分詞
words = ‘ ‘.join(split)  # 以空格進行拼接
print(words)

# 導入背景圖
bg_image = plt.imread(‘bg.jpg‘)

# 設置詞雲參數，參數分別表示：畫布寬高、背景顏色、背景圖形狀、字體、屏蔽詞、最大詞的字體大小
wc = WordCloud(width=1024, height=768, background_color=‘white‘, mask=bg_image, font_path=‘STKAITI.TTF‘,
               max_font_size=400, random_state=50)
# 將分詞後數據傳入雲圖
wc.generate_from_text(words)
plt.imshow(wc)  # 繪制圖像
plt.axis(‘off‘)  # 不顯示坐標軸
# 保存結果到本地
wc.to_file(‘備註名詞雲圖.jpg‘)

可視化結果：

好友備註中“跑友”、“南航”出現的頻率最高

? 從圖中可以看出，我的好友備註中出現的高頻詞有：跑友、南航、wbs17091、wbs18031、wbs17022、wbs17071等

• 本人平時喜歡跑步，也經常參加各種馬拉松活動，認識的跑友比較多，所以不足為奇
• 由於工作上與南航有一定的交集，所以南航的好友也比較多

• 以wbs開頭的備註都是我工作中帶過的學生，數量眾多，身為一名IT教育工作者，深感光榮。

  重要說明：考慮個人隱私，圖中部分姓名做了化名處理，請勿當真，如有不便，還望諒解。

5. 好友分類分析

? 根據備註名，對好友進行分類，統計各類好友的數量

? PS：我的習慣是對好友添加備註，標記好友的類型或來源，這屬於個人潔癖的一種吧

? 代碼實現：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
__author__ = ‘湯小洋‘

# 導入jieba模塊，用於中文分詞
import jieba
# 導入Counter類，用於統計值出現的次數
from collections import Counter
from pyecharts import Bar

# 獲取備註名
remarkNames = []
with open(‘friends.txt‘, mode=‘r‘, encoding=‘utf-8‘) as f:
    rows = f.readlines()
    for row in rows:
        remarkName = row.split(‘,‘)[1]
        if remarkName != ‘‘:
            remarkNames.append(remarkName)

# 設置分詞
words = [x for x in jieba.cut(str(remarkNames), cut_all=False) if x not in [‘-‘, ‘,‘, ‘(‘, ‘)‘, ‘（‘, ‘）‘, ‘ ‘, "‘"]]  # 排除短橫線、逗號、空格、單引號
data_top10 = Counter(words).most_common(10)  # 返回出現次數最多的20條
print(data_top10)

bar = Bar(‘好友分類TOP10‘, ‘‘, title_pos=‘center‘, width=1200, height=600)
attr, value = bar.cast(data_top10)
bar.add(‘‘, attr, value, visual_range=[0, 200], is_visualmap=True, is_label_show=True)
bar.render(‘好友分類TOP10.html‘)

可視化結果：

學生最多，其次是跑友

這裏只統計好友分類數量最多的前10，其中跑友160人，南航52人，其他的都是wbs開頭的學生，實際上wbs開頭的學生數是最多的，只是在備註時按班級號進行了劃分。

通過分析統計，自己對各類好友的數量也做到了心中有數。

6. 特殊好友分析

? 獲取並統計以下的特殊好友：星標好友、不讓他看我的朋友圈、不看他的朋友圈

? 代碼實現：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
__author__ = ‘湯小洋‘
from pyecharts import Bar

# 獲取特殊好友
star_list = []  # 星標朋友
deny_see_list = []  # 不讓他看我的朋友圈
no_see_list = []  # 不看他的朋友圈

with open(‘friends.txt‘, mode=‘r‘, encoding=‘utf-8‘) as f:
    rows = f.readlines()
    for row in rows:
        # # 獲取好友名稱
        name = row.split(‘,‘)[1] if row.split(‘,‘)[1] != ‘‘ else row.split(‘,‘)[0]
        # 獲取星標朋友
        star = row.split(‘,‘)[6]
        if star == ‘1‘:
            star_list.append(name)
        # 獲取設置了朋友圈權限的朋友
        flag = row.split(‘,‘)[7].replace(‘\n‘, ‘‘)
        if flag in [‘259‘, ‘33027‘, ‘65795‘]:
            deny_see_list.append(name)
        if flag in [‘65539‘, ‘65795‘]:
            no_see_list.append(name)

print(‘星標好友：‘, star_list)
print(‘不讓他看我的朋友圈：‘, deny_see_list)
print(‘不看他的朋友圈：‘, no_see_list)

attr = [‘星標朋友‘, ‘不讓他看我的朋友圈‘, ‘不看他的朋友圈‘]
value = [len(star_list), len(deny_see_list), len(no_see_list)]

bar = Bar(‘特殊好友分析‘, ‘‘, title_pos=‘center‘)
bar.add(‘‘, attr, value, is_visualmap=True, is_label_show=True)
bar.render(‘特殊好友分析.html‘)

可視化結果：

特殊好友。。。你懂的

從上圖中可以發現：

• 星標好友有4個，主要是特別關註的好友，個人覺得比較重要的朋友
• 不讓他看我的朋友圈有30個，這類好友一般是比較陌生的人，了解較少，當然也有個別是覺得不太方便的
• 不看他的朋友圈有8個，這類基本上都是只在朋友圈發廣告的，除了廣告沒有別的內容，而且每次連續性的發多條，看著確實有些煩

補充說明：在代碼中有對特殊好友的姓名也進行了輸出顯示，大家在運行代碼時可以在控制臺查看特殊好友具體是誰

7. 好友頭像分析

? 使用騰訊優圖提供的人臉識別技術，對頭像進行檢測和分析，相關API接口及使用請參考：https://open.youtu.qq.com/legency/#/develop/new-join

? 首先獲取所有好友的頭像：

import itchat
import os

# 獲取數據
def get_image():
    itchat.auto_login()
    friends = itchat.get_friends(update=True)

    #  在當前位置創建一個用於存儲頭像的目錄headImages
    base_path = ‘headImages‘
    if not os.path.exists(base_path):
        os.mkdir(base_path)

    # 獲取所有好友頭像
    for friend in friends:
        img_data = itchat.get_head_img(userName=friend[‘UserName‘])  # 獲取頭像數據
        img_name = friend[‘RemarkName‘] if friend[‘RemarkName‘] != ‘‘ else friend[‘NickName‘]
        img_file = os.path.join(base_path, img_name + ‘.jpg‘)
        print(img_file)
        with open(img_file, ‘wb‘) as file:
            file.write(img_data)

if __name__ == ‘__main__‘:
    get_data()          

? 對頭像進行人臉檢測，檢測頭像圖片中是否存在人臉，統計使用人臉作用頭像的占比。

? 補充說明：

• 使用騰訊優圖相關服務需要在其平臺上申請開發者賬戶，並獲取審核後的密鑰，具體步驟參考官網
• 在進行人臉檢測時速度會比較慢，頭像數量不同需要等待的時間也會有所不同，我的好友有900多，大概花了10分鐘左右

# 導入騰訊優圖，用來實現人臉檢測等功能
import TencentYoutuyun
from pyecharts import Pie

def analyse_data():
    # 向騰訊優圖平臺申請的開發密鑰，此處需要替換為自己的密鑰
    appid = ‘********‘
    secret_id = ‘************************‘
    secret_key = ‘************************‘
    userid = ‘********

    end_point = TencentYoutuyun.conf.API_YOUTU_END_POINT  # 優圖開放平臺
    youtu = TencentYoutuyun.YouTu(appid, secret_id, secret_key, userid, end_point)

    use_face = 0
    not_use_face = 0

    base_path = ‘headImages‘
    for file_name in os.listdir(base_path):
        result = youtu.DetectFace(os.path.join(base_path, file_name))  # 人臉檢測與分析
        # print(result)  # 參考 https://open.youtu.qq.com/legency/#/develop/api-face-analysis-detect
        # 判斷是否使用人像
        if result[‘errorcode‘] == 0:  # errorcode為0表示圖片中存在人像
            use_face += 1
            gender = ‘男‘ if result[‘face‘][0][‘gender‘] >= 50 else ‘女‘
            age = result[‘face‘][0][‘age‘]
            beauty = result[‘face‘][0][‘beauty‘]  # 魅力值
            glasses = ‘不戴眼鏡 ‘ if result[‘face‘][0][‘glasses‘] == 0 else ‘戴眼鏡‘
            # print(file_name[:-4], gender, age, beauty, glasses, sep=‘,‘)
            with open(‘header.txt‘, mode=‘a‘, encoding=‘utf-8‘) as f:
                f.write(‘%s,%s,%d,%d,%s\n‘ % (file_name[:-4], gender, age, beauty, glasses))
        else:
            not_use_face += 1

    attr = [‘使用人臉頭像‘, ‘未使用人臉頭像‘]
    value = [use_face, not_use_face]
    pie = Pie(‘好友頭像分析‘, ‘‘, title_pos=‘center‘)
    pie.add(‘‘, attr, value, radius=[30, 75], is_label_show=True,
            is_legend_show=True, legend_top=‘bottom‘)
    # pie.show_config()
    pie.render(‘好友頭像分析.html‘)

if __name__ == ‘__main__‘:
    analyse_data()

可視化結果：

使用人臉頭臉的好友並不算多，占比31%

從上圖中可以看到，使用人臉頭像的好友並不多，占比30.87%，大部分都未使用人臉頭像，占比69.13%，從某個角度可以反應出這部分人不願過多的暴露自己，或是對自我顏值的不自信，具體情況要看個人的心態了。

對於使用人臉頭像的，還可以檢測圖片中人臉的性別、年齡、魅力值、是否戴眼鏡等（考慮到個人隱私，部分信息做了處理）。

?

我們還可以將所有頭像拼接在一起，生成一個微信好友頭像拼接圖：

# 拼接頭像
def join_image():
    base_path = ‘headImages‘
    files = os.listdir(base_path)
    each_size = int(math.sqrt(float(640 * 640) / len(files)))
    lines = int(640 / each_size)
    image = Image.new(‘RGB‘, (640, 640))
    x = 0
    y = 0
    for file_name in files:
        img = Image.open(os.path.join(base_path, file_name))
        img = img.resize((each_size, each_size), Image.ANTIALIAS)
        image.paste(img, (x * each_size, y * each_size))
        x += 1
        if x == lines:
            x = 0
            y += 1
    image.save(‘all.jpg‘)
    itchat.send_image(‘all.jpg‘, ‘filehelper‘)

生成的頭像拼接圖，有密集恐懼癥的請跳過 ^_^

微信好友大揭秘，使用Python抓取朋友圈數據，通過人臉識別全面分析好友，一起看透你的“朋友圈”